利用可解释的人工智能使患者与临床试验相匹配:使用I期瘤学试验的概念验证试点研究

科学领域:

• 在瘤学瘤学.
• 人工智能的人工智能
• 临床试验招聘 临床试验招聘

背景情况:

• 针对癌症临床试验第一阶段的患者招募面临重大挑战,影响药物开发效率.
• 现有的将患者与试验匹配的方法往往缺乏透明度和效率.

研究的目的:

• 开发和评估使用自然语言处理 (NLP) 进行可解释的AI系统,用于将患者与第一阶段瘤学临床试验匹配.
• 提高早期瘤学研究中患者试验匹配的效率和质量.

主要方法:

• 一个原型的人工智能系统使用现代NLP技术开发,以匹配患者记录与1期瘤学临床试验协议.
• 匹配考虑了四个关键标准:癌症类型,性能状态,遗传突变和可测量的疾病.
• 该系统提供与解释相匹配的分数,使用合成数据对域专家基础真相进行评估.

主要成果:

• 人工智能系统的精度为73.68%,回忆率为56%,准确率为77.78%,特异性为89.36%.
• 发现的关键错误来源包括缩写模糊性和上下文误解.
• 当没有匹配的证据被发现时,系统没有证明有假阳性匹配.

结论:

• 可解释的人工智能提供了一个有前途的方法,以提高患者试验匹配效率和质量在第一阶段瘤学.
• 这种基于NLP的系统代表了一种新的,公开可用的工具,用于优化早期瘤学试验的患者选择.
• 需要进一步开发以解决已识别的错误来源并提高系统性能.