PRISM:患者记录解释语义临床试验匹配系统使用大型语言模型

科学领域:

• 医疗信息学 医疗信息学
• 人工智能在医学中的应用
• 临床研究 临床研究

背景情况:

• 临床试验匹配至关重要,但劳动密集型,通常依赖于电子健康记录 (EHR) 的手动审查.
• 目前使用大型语言模型 (LLM) 的自动化方法受到合成数据集的限制,无法捕捉现实世界的数据复杂性.
• 由于匹配过程中的低效率,患者经常错过潜在的治疗选择.

研究的目的:

• 使用现实世界EHR数据对自动化临床试验匹配系统进行大规模的实证评估.
• 为了比较定制的LLM,OncoLLM,与专有LLM和人类专家的性能.
• 证明LLMs在现实世界临床试验资格查中的可行性和有效性.

主要方法:

• 开发和微调一个定制的LLM,OncoLLM,专门用于临床试验匹配.
• 使用大量现实世界电子健康记录 (EHR) 数据集进行了全面的实验.
• 评估了OncoLLM与GPT-3.5的性能以及一组合格的医生小组.

主要成果:

• 在临床试验匹配中,OncoLLM与GPT-3.5相比表现优越.
• 定制的LLM取得了与合格医生相美的绩效.
• 该研究验证了LLM与现实世界EHR的使用,以实现高效的患者试验匹配.

结论:

• 使用LLM的自动临床试验匹配,特别是像OncoLLM这样定制的模型,在真实世界的数据上是有效的.
• 通过克服当前方法的局限性,OncoLLM提供了一个有前途的解决方案,以改善患者获得临床试验的机会.
• 这种方法可以显著减少临床试验资格评估所需的手工工作和时间.