人工知能を用いたオンライン患者症例に対する臨床試験の推奨

科学分野:

• 医療情報学
• 臨床試験管理
• ヘルスケアにおける人工知能

背景:

• 臨床試験の募集は、患者の認識不足や複雑な適格基準など、大きな障害に直面しています。
• オンラインプラットフォーム（ソーシャルメディア、ヘルスケアコミュニティ、PubMed）の普及は、臨床試験参加者の特定のための、新しく未開拓のソースを提供します。
• 従来の募集方法では、これらの多様な非伝統的なデータソースを効果的に活用できていません。

研究 の 目的:

• 適切な臨床試験にオンライン患者症例をマッチングさせる上での、大規模言語モデルベースのフレームワークであるTrialGPTの有効性を評価すること。
• 臨床試験募集におけるTrialGPTのパフォーマンスを、従来のキーワードベースの検索方法と比較すること。
• 臨床試験参加者の特定のために、非伝統的な患者症例ソースを利用する可能性を評価すること。

主な方法:

• 医療症例報告およびソーシャルメディアプラットフォームから50件のオンライン患者症例を収集しました。
• これらの患者症例と関連する臨床試験を照合するために、大規模言語モデルを利用したTrialGPTフレームワークを採用しました。
• TrialGPTのマッチングパフォーマンスを従来のキーワードベースの検索戦略と比較しました。

主要な成果:

• TrialGPTは、患者を臨床試験にマッチングさせる上で、従来のキーワードベースの検索と比較して46%高いパフォーマンスを示しました。
• 平均して、TrialGPTを介して特定された患者は、推奨されるトップ10の臨床試験のうち7件の適格がありました。
• アウトリーチ時に、症例作成者と臨床試験主催者の両方から肯定的なフィードバックが得られ、実現可能性と受容が示されました。

結論:

• TrialGPTは、臨床試験の募集を強化するために、非伝統的なオンライン患者データを効果的に活用します。
• AI主導のアプローチは、専門的なケアのための臨床試験への患者の適格性とアクセスを大幅に向上させます。
• このフレームワークは、新しい募集経路を通じた革新的な治療法への患者アクセスを拡大するための有望な戦略を提示します。