拉斯维加斯——Atropos Health 的大型语言模型（LLM）用于真实世界证据（RWD）现已准备好进入市场，此前其成功的测试计划已经结束。这家开发真实世界数据平台的初创公司本周宣布，其生成式 AI 解决方案 ChatRWD 现已更广泛地提供给临床医生和研究人员。
一年前，该公司推出了新的操作系统 Geneva OS 和一个聊天机器人界面，以帮助快速大规模地生成观察性研究。据公司介绍，这项技术 ChatRWD 通过基于聊天的 AI 协助器将生成高质量出版级真实世界证据的时间从几个月缩短到几分钟。该生成式 AI 应用程序旨在在几分钟内交付完整的基于医疗数据的观察性研究。
ChatRWD 在信任度、质量和准确性方面超过了现有的大型语言模型（如 ChatGPT 和 Google Gemini），这是由 Atropos 的证据网络提供的数据支持的，该网络是最大的联邦数据网络，拥有超过 3 亿条匿名患者记录。每个答案都附带一个“真实世界适应度评分”（RWFS），评估用于回答问题的数据集的适用性。据 Atropos 称，评估中所有问题的平均 RWFS 评分为 79.8，表明数据质量很高。
在测试期间，来自数十个医疗系统和生命科学组织的测试者提出了超过 2,000 个问题。测试者报告称，与其他形式的信息搜索（如文献回顾和第二意见咨询）相比，ChatRWD 显著节省了时间，后者可能需要数小时甚至数天。从提问到完成研究的平均时间为 5.23 分钟。
Atropos Health 首席执行官兼联合创始人 Brigham Hyde 博士指出，基于真实世界数据的观察性研究并不新鲜，但通常需要几周甚至几个月的时间才能从数据层生成出版级证据。Atropos Health 使用 LLM 和自动化技术大幅加速了这一过程。Hyde 表示，ChatRWD 在信任度、质量和准确性方面也优于其他大型语言模型。
在测试期间，Atropos Health 对 LLM 进行了比较，结果突显了几个关键成果：通用型 LLM（如 ChatGPT-4、Claude 3 Opus、Gemini Pro 1.5）不到 10% 的时间产生了相关且基于证据的答案。ChatRWD 超越了所有其他 LLM，完成了 94% 的答案。独立医生评审员发现，在 87% 的情况下，ChatRWD 为新问题提供了最佳答案。
Hyde 指出，测试期间的医生报告称，ChatRWD 提供了“清晰、简洁的答案，并附有透明的硬数据和统计支持”。他补充说：“一切都需要透明性和准确性。”
临床医生和研究人员可以在此网站上注册使用 ChatRWD。
Atropos Health 总裁 Neil Sanghavi 在声明中表示：“AI 和 LLM 技术在医疗保健领域的创新速度和采用率非常快。高质量的临床证据必须仍然是医疗保健价值的核心。ChatRWD 在测试期间的技术表现和用户满意度均超出我们的预期，这促使我们今天发布该产品。”
Atropos Health 成立于 2019 年，是从斯坦福大学开发的“Green Button”技术衍生出来的。该公司开发了一项咨询服务，利用出版级真实世界证据指导临床决策。该技术可以快速回答临床问题，例如哪种药物对某些癌症患者最有效。
医疗保健治疗指南中存在严重的证据缺口，医生经常依赖自己的判断和有根据的猜测。根据 2017 年《英国医学杂志》的一项研究，初级保健医生做出的临床建议中只有 18% 基于当前的证据。尽管临床试验塑造了大多数护理指南和支付决策，但它们排除了约 70% 的美国人口。
与此同时，医生们热衷于使用生成式 AI 工具来帮助记笔记和研究，公开可用的工具如 ChatGPT 的使用量显著增加，尽管这些工具未经过医疗数据训练。Fierce Healthcare 与医生社交网络 Sermo 合作进行了一项医生调查。结果显示，76% 的受访者报告在临床决策中使用了通用型 LLM，超过 60% 的医生使用 LLM（如 ChatGPT）检查药物相互作用，超过一半的医生使用它们进行诊断支持。近一半的医生使用它们生成临床文档，超过 40% 的医生使用它们进行治疗规划。70% 的医生使用它们进行患者教育和文献搜索。
Hyde 指出：“人们，包括医生，都非常喜欢这种生成式 AI 工具的用户体验。他们喜欢自动化那些对他们来说过于繁琐的任务。你必须关注这种用户体验需求。但我们的观点是，即使是你最好的大型科技公司的 LLM，即使是最好的，也不够准确。我们让独立的临床医生审查了详细的答案。有些情况下，它们得出了错误的结论，但看起来像是自信的结论。有些情况下，它们编造了参考文献。这些都是我们正在解决的问题。我相信医生将继续信任这些工具，如果他们因为喜欢用户体验而使用这些工具，信任将是接下来的关键。”
自一年前测试版推出以来，Atropos Health 对 ChatRWD 进行了大量技术升级，包括将表型库扩大 4 倍，扩展支持多种研究设计，包括病例系列、横断面和比较分析研究，并增加了检测研究设计的能力。凭借这些改进，Atropos Health 预测 ChatRWD 将能够回答 70-80% 的所有潜在问题，涵盖描述性和因果用途案例，并使每位用户的研究所容量提高 10 倍。
(全文结束)
