Bellevue, 华盛顿州，2024年10月29日（GLOBE NEWSWIRE）——今天，Truveta 宣布了其最新的AI创新成果——Truveta Tru，这是Truveta Studio中的一款由生成式AI驱动的研究助手。Tru 基于Truveta 语言模型（TLM）和Truveta 数据训练而成，使研究人员能够通过简单的自然语言问题在Truveta Studio中加速研究。研究人员可以快速识别代码集，构建和修改精确的人群定义，从而更快地开发、完善和推进科学严谨的研究。Tru 可用于发展假设，因为研究人员可以通过迭代提示和数据可视化发现趋势。Tru 还提供了对响应背后的数据源和底层代码集的完整透明度。Tru 今天作为测试技术推出，并将在未来几个月内更广泛地推广。
Tru 是Truveta 最新的AI创新成果，旨在推进其“用数据拯救生命”的使命。Truveta 数据由Truveta 语言模型（TLM）提供支持，这是首个基于最完整、干净和代表性电子健康记录（EHR）数据训练的大型多模态模型，已在临床领域的精度上超过90%。TLM 清理数十亿个EHR数据点，包括从临床笔记中提取的概念，以加速新疗法的采用、改善临床试验并提升患者护理。如今，Tru 可以协助研究人员加快洞察速度。
“Truveta 数据使AI能够解锁可以改善每个人护理的见解——每天清理数十亿个数据点，以便对任何药物、疾病或设备进行研究，”Truveta 首席技术官兼联合创始人Jay Nanduri表示。“借助Tru，研究人员可以使用自然语言问题来加快他们在Truveta Studio中的科学严谨研究。我们设想在未来几个月内继续深入投资AI，扩展这一技术的重要功能，以解开有助于实现我们‘用数据拯救生命’使命的健康奥秘。”
Tru 使研究人员能够：
- 加速研究：快速识别代码集，快速构建和可视化患者人群，并构建和修改人群定义。例如，对于希望研究GLP-1 RA药物（如semaglutide、tirzepatide等）的研究人员，Tru 可以构建逻辑以找到所有被处方或分发这些药物的患者，然后立即显示不同药物随时间的趋势，以更好地了解处方模式。
- 发展假设：通过迭代提示和数据可视化发现趋势。例如，监测与病毒性胃肠炎相关的住院情况的研究人员可以使用自然语言简单地要求Tru创建按月-年的时间序列可视化图。要快速分析心肌梗死在不同人口统计群体中的分布，只需提示Tru创建按种族和性别划分的心肌梗死病例热力图。
- 透明协助：访问响应背后的源信息和底层代码集。与其他生成式AI工具不同，Tru 提供对其过程、来源和底层代码的透明度，使研究人员能够对其生成的响应充满信心并提供反馈以进一步改进模型。
随着时间的推移，Tru 将扩展到支持更多场景，例如创建可行性研究等。
欲了解更多关于Tru和Truveta 语言模型的信息，请访问Truveta.com。
(全文结束)
