Recomendación de Ensayos Clínicos para Casos de Pacientes en Línea utilizando Inteligencia Artificial

Área de la Ciencia:

• Informática Médica
• Gestión de Ensayos Clínicos
• Inteligencia Artificial en la Atención Médica

Sus antecedentes:

• El reclutamiento de ensayos clínicos enfrenta importantes obstáculos, incluida la limitada concienciación de los pacientes y los complejos criterios de elegibilidad.
• La proliferación de plataformas en línea (redes sociales, comunidades de salud, PubMed) ofrece fuentes nuevas y sin explotar para identificar posibles participantes en ensayos clínicos.
• Los métodos de reclutamiento tradicionales a menudo no logran aprovechar estas diversas fuentes de datos no tradicionales de manera efectiva.

Objetivo del estudio:

• Evaluar la eficacia de TrialGPT, un marco basado en modelos de lenguaje grandes, para emparejar casos de pacientes en línea con ensayos clínicos adecuados.
• Comparar el rendimiento de TrialGPT con los métodos convencionales de búsqueda basada en palabras clave para el reclutamiento de ensayos clínicos.
• Evaluar el potencial de utilizar fuentes no tradicionales de casos de pacientes para la identificación de participantes en ensayos clínicos.

Principales métodos:

• Se recopilaron 50 casos de pacientes en línea de informes de casos médicos y plataformas de redes sociales.
• Se empleó el marco TrialGPT, utilizando un modelo de lenguaje grande, para emparejar estos casos de pacientes con ensayos clínicos relevantes.
• Se comparó el rendimiento de emparejamiento de TrialGPT con las estrategias tradicionales de búsqueda basada en palabras clave.

Principales resultados:

• TrialGPT demostró un rendimiento superior del 46% en comparación con las búsquedas tradicionales basadas en palabras clave para la correspondencia de pacientes con ensayos clínicos.
• En promedio, los pacientes identificados a través de TrialGPT fueron elegibles para 7 de los 10 ensayos clínicos recomendados.
• Se recibieron comentarios positivos tanto de los autores de los casos como de los organizadores de los ensayos clínicos tras el contacto, lo que indica viabilidad y aceptación.

Conclusiones:

• TrialGPT aprovecha eficazmente los datos no tradicionales de pacientes en línea para mejorar el reclutamiento de ensayos clínicos.
• El enfoque impulsado por IA mejora significativamente la elegibilidad y el acceso de los pacientes a los ensayos clínicos para atención especializada.
• Este marco presenta una estrategia prometedora para ampliar el acceso de los pacientes a tratamientos innovadores a través de vías de reclutamiento novedosas.