Проблема сопоставления пациентов с клиническими испытаниями

Сопоставление пациентов с подходящими клиническими испытаниями – важный, но сложный процесс в медицинских исследованиях. Он требует анализа медицинских данных пациентов и сопоставления их с критериями участия в испытаниях. Критерии часто сложны и неоднозначны, что делает процесс трудоемким и подверженным ошибкам.

Традиционные методы сопоставления

Существуют два основных метода сопоставления: сопоставление “испытание-пациент” и “пациент-исследование”. Однако современные нейросетевые методы имеют ряд ограничений, таких как зависимость от больших аннотированных наборов данных и низкая вычислительная эффективность. Это делает их менее подходящими для реального времени.

Решение: TrialGPT

Чтобы преодолеть эти вызовы, исследователи разработали TrialGPT – инновационную платформу, использующую большие языковые модели (LLMs) для автоматизации процесса сопоставления. TrialGPT состоит из трех ключевых компонентов:

• TrialGPT-Retrieval: фильтрует нерелевантные испытания с помощью гибридного поиска и ключевых слов из сводок пациентов.
• TrialGPT-Matching: проводит детальную оценку соответствия пациентов критериям, предоставляя объяснения на естественном языке.
• TrialGPT-Ranking: агрегирует результаты на уровне критериев, чтобы приоритизировать и исключить неподходящие испытания.

Преимущества TrialGPT

TrialGPT обеспечивает высокую точность, объяснимость и гибкость для анализа неструктурированных медицинских данных. Его эффективность была подтверждена на трех публичных наборах данных, где он продемонстрировал:

• Более 90% точности в извлечении данных.
• Снижение времени на отбор более чем на 42%.
• Предоставление объяснений, сопоставимых с экспертными оценками.

Результаты и будущее TrialGPT

TrialGPT показал высокую производительность на всех тестах, значительно ускоряя процессы рекрутирования пациентов и улучшая результаты клинических испытаний. В будущем исследователи планируют интеграцию мультимодальных данных и адаптацию LLMs для различных приложений.

Внедрение ИИ в вашу компанию

Если вы хотите использовать ИИ для развития вашей компании, определите, где он может принести пользу. Выберите ключевые показатели эффективности (KPI), которые хотите улучшить, и постепенно внедряйте решения ИИ. Начните с небольшого проекта, анализируйте результаты и расширяйте автоматизацию на основе полученных данных.

Для получения советов по внедрению ИИ, свяжитесь с нами.