临床试验可以帮助指导医学治疗，但前提是必须找到合适的参与者。帮助患者找到他们符合条件的临床试验对于医生来说可能是一个繁琐的过程。现在，来自美国国立卫生研究院（NIH）国家医学图书馆的研究人员开发了一种基于人工智能的算法——TrialGPT，以加速这一过程。
该程序使用大型语言模型ChatGPT来简化匹配过程。具体工作流程如下：首先，算法处理包含患者相关医疗和人口统计信息（如年龄、性别、主要疾病或症状）的患者摘要。然后，它搜索ClinicalTrials.gov网站，识别患者可能符合条件的临床试验，并按相关性排序输出列表。
此外，TrialGPT还会生成解释，说明患者如何满足每个研究的入组标准，从而更精确地预测患者是否可能是候选者，以便医生可以利用这些信息与患者进行讨论。ClinicalTrials.gov是由国家医学图书馆维护的联邦政府数据库，包含数十万项研究的信息。
“大约40%的癌症试验因患者招募不足而失败，”该项目的主要研究员Zhiyong Lu博士在发布到YouTube的视频中表示，“这是因为识别符合特定试验资格的患者非常耗时且容易出错。”
提高临床试验中的代表性
历史上，女性和有色人种在临床试验中一直被低估，因为研究通常集中在白人男性身上，作为所有人的假设模型。行业赞助商反复在同一大型站点和相同的研究人员处进行研究，这些站点通常不为未服务社区提供护理，也不容易为多元化社区所接触。根据《MedCity News》的一篇文章，约50%的临床试验仅在2%的邮政编码区域进行，参与者大多是白人、富裕且男性。
这是研究人员希望TrialGPT能克服的另一个问题。
Lu及其同事在2024年11月的《Nature Communications》杂志上描述了这项工作，合著者包括来自纽约布朗克斯区阿尔伯特·爱因斯坦医学院、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。
研究人员使用三个队列的183个“合成”患者（医生使用真实医疗数据创建的虚拟患者）和超过75,000条试验资格记录测试了TrialGPT。NIH博客文章指出，TrialGPT可以生成相关的关键词用于搜索，并检索到90%的相关临床试验。
研究人员还进行了用户研究，要求人类医生审查六份匿名患者摘要，并将其与六个临床试验进行匹配。对于每一对患者-试验组合，一名医生手动审查摘要，检查患者是否符合试验资格，并决定患者是否可能合格。另一名医生则使用TrialGPT评估患者的资格。研究发现，单独工作的医生和使用TrialGPT的医生在匹配患者方面具有相同的准确性，但使用TrialGPT的医生花费的时间减少了约40%。
基于这些结果，研究团队获得了NIH主任挑战创新奖，以进一步扩展该技术在真实世界患者数据和多个研究所及中心的临床试验中的应用。这种方法预计将在提高患者招募效率的同时，减少传统上在临床研究中代表性不足的人群参与研究的障碍。
记者的选题建议
虽然TrialGPT的工作仍在继续，记者们可以利用以下几个角度展开报道：
- 这样的工具如何促进临床试验中的公平性和更多样化的代表性？
- 您当地的医院医生是如何为患者匹配临床试验的？
- 在患者匹配临床试验方面还有哪些创新？它们如何帮助医生、首席研究员和参与患者？它们的局限性是什么？
- 采访参与研究的医生合著者——使用TrialGPT的感受如何？返回的信息有多准确？
(全文结束)
