美国国立卫生研究院（NIH）的研究人员开发了一种人工智能（AI）算法，旨在加速将潜在志愿者与ClinicalTrials.gov上列出的相关临床研究试验进行匹配。一项发表在《自然通讯》上的研究发现，这种名为TrialGPT的AI算法能够成功识别一个人符合条件的临床试验，并提供清晰的解释说明此人如何满足研究注册条件。研究人员得出结论，这一工具可以帮助临床医生更好地应对患者可选择的大量且不断变化的临床试验，从而提高临床试验的参与率并加快医学研究的进展。
一个由NIH国家医学图书馆（NLM）和国家癌症研究所的研究团队利用大型语言模型（LLMs）的力量，开发了TrialGPT的创新框架，以简化临床试验匹配过程。TrialGPT首先处理包含相关医疗和人口统计信息的患者摘要。然后，算法从ClinicalTrials.gov中识别出患者符合条件的临床试验，并排除不符合条件的试验。接下来，TrialGPT解释患者如何满足研究注册条件。最终输出是一个按相关性和资格排序的临床试验注释列表，临床医生可以使用这些信息与患者讨论临床试验机会。
“机器学习和AI技术在匹配患者与临床试验方面一直充满希望，但其在多样化人群中的实际应用仍需探索，”NLM代理主任Stephen Sherry博士说。“这项研究表明，我们可以负责任地利用AI技术，使医生能够更快、更高效地将其患者连接到可能感兴趣的临床试验。”
为了评估TrialGPT预测患者是否符合特定临床试验要求的能力，研究人员将TrialGPT的结果与三位人类临床医生评估的1,000多对患者-标准进行了比较。结果表明，TrialGPT的准确性几乎与临床医生相同。
此外，研究人员还进行了一项试点用户研究，邀请两位人类临床医生审查六份匿名患者摘要，并将它们与六个临床试验进行匹配。对于每一对患者和试验，一位临床医生被要求手动审查患者摘要，检查该人是否符合条件，并决定患者是否可能有资格参加试验。对于同一对患者-试验，另一位临床医生使用TrialGPT评估患者的资格。研究发现，当临床医生使用TrialGPT时，他们花费的时间减少了40%，但保持了相同的准确性水平。
临床试验揭示了重要的医学发现，改善了健康状况，而潜在参与者通常通过他们的临床医生了解这些机会。然而，找到合适的临床试验是一个耗时且资源密集的过程，这可能会减缓重要的医学研究。NLM高级研究员兼该研究的通讯作者Zhiyong Lu博士表示：“我们的研究表明，TrialGPT可以帮助临床医生更高效地将患者连接到临床试验机会，并节省宝贵的时间，这些时间可以更好地用于需要人类专业知识的更复杂任务。”
鉴于令人鼓舞的基准测试结果，研究团队最近被选为《主任挑战创新奖》的获奖者，以进一步评估该模型在现实世界临床环境中的性能和公平性。研究人员预计，这项工作可以使临床试验招募更加有效，并帮助减少在临床研究中代表性不足的人群参与障碍。
该研究由阿尔伯特爱因斯坦医学院、纽约市、匹兹堡大学、伊利诺伊大学香槟分校和马里兰大学帕克分校的合作者共同撰写。
来源：NIH/National Library of Medicine
期刊参考：Jin, Q., et al. (2024). Matching patients to clinical trials with large language models. Nature Communications. doi.org/10.1038/s41467-024-53081-z.
(全文结束)
