Un marco unificado para herramientas de preselección y selección en ensayos clínicos oncológicos

Área de la Ciencia:

• Oncología
• Ensayos Clínicos
• Inteligencia Artificial

Sus antecedentes:

• La inscripción en ensayos clínicos en oncología enfrenta desafíos debido a criterios de elegibilidad complejos, estratificación de biomarcadores y datos fragmentados.
• Estos factores conducen a tiempos de reclutamiento prolongados y a tasas reducidas de participación de los pacientes.

Objetivo del estudio:

• Revisar los enfoques contemporáneos de preselección y selección para ensayos clínicos oncológicos.
• Evaluar las fortalezas y limitaciones de la inteligencia artificial (IA), en particular los modelos de lenguaje grandes (LLM), para mejorar el reclutamiento de ensayos.
• Identificar estrategias efectivas para mejorar la eficiencia de la correspondencia de ensayos, la representatividad y el acceso a terapias experimentales.

Principales métodos:

• Revisión de las metodologías actuales de preselección y selección, incluidos los procesos manuales, las herramientas digitales y los métodos habilitados por IA.
• Evaluación de las estrategias de modelos de lenguaje grandes (LLM), como los enfoques de recuperación aumentada y adaptados al dominio.
• Evaluación de marcos híbridos que integran la detección automatizada con la supervisión del médico.

Principales resultados:

• Los flujos de trabajo manuales y las herramientas digitales existentes tienen limitaciones para abordar las complejidades de la detección moderna de ensayos clínicos.
• Los modelos de lenguaje grandes ofrecen soluciones potenciales para los desafíos de escalabilidad, precisión y equidad en el reclutamiento de ensayos.
• Los marcos híbridos que combinan la detección automatizada con la supervisión humana demuestran la mayor efectividad.

Conclusiones:

• Los marcos híbridos que integran la detección automatizada con la supervisión del médico son los más efectivos para mejorar la correspondencia de ensayos oncológicos.
• Estos enfoques integrados mejoran la representatividad de los pacientes y garantizan el acceso oportuno a tratamientos contra el cáncer experimentales.
• La optimización de los procesos de detección es crucial para avanzar en la investigación oncológica y la atención al paciente.