Transcripción de formularios escritos a mano para la documentación de estudios médicos

Área de la Ciencia:

• Gestión de datos clínicos
• Inteligencia artificial en la salud

Sus antecedentes:

• La introducción manual de datos en los archivos maestros electrónicos de ensayos clínicos (eTMF) es un proceso laborioso y que requiere mucho tiempo.
• La gestión eficiente de la documentación de los ensayos clínicos es crucial para el cumplimiento normativo y la eficiencia operativa.

Objetivo del estudio:

• Evaluar la eficacia de los métodos automatizados de transcripción para el llenado de las bases de datos de eTMF.
• Comparar el rendimiento del reconocimiento óptico de documentos (ODR, por sus siglas en inglés) y los modelos de lenguaje multimodal de gran tamaño (LLM, por sus siglas en inglés) para el análisis de documentos.

Principales métodos:

• Desarrollo y aplicación de un sistema de reconocimiento óptico de documentos (ODR).
• Implementación y prueba de modelos de lenguaje de gran tamaño multimodal basados en la web (global) y locales (LLM).
• Validación experimental de la precisión y la eficiencia de la transcripción en diferentes tipos de documentos.

Principales resultados:

• El estudio demostró que diferentes enfoques automatizados son óptimos para varios tipos de columnas dentro de documentos basados en tablas.
• El reconocimiento óptico de documentos y los LLM son prometedores para transcribir con precisión la información de los documentos de ensayos clínicos.
• El rendimiento varía según la estructura y el contenido específicos del documento.

Conclusiones:

• La transcripción automatizada mediante ODR y LLM ofrece un ahorro significativo de tiempo en comparación con la introducción manual de datos tradicional.
• Los resultados sugieren una solución tecnológica viable para racionalizar la gestión de datos eTMF.
• La optimización adicional de los enfoques de LLM y ODR puede mejorar la eficiencia en las operaciones de ensayos clínicos.