在全球临床试验中使用自然语言处理来判断心力衰竭住院情况

科学领域:

• 心血管医学 心血管医学
• 医疗保健中的人工智能
• 临床试验方法论 临床试验方法论

背景情况:

• 医生领导的临床事件委员会审查是试验中心血管结果识别的标准,但资源密集,缺乏可重现性.
• 使用人工智能 (AI) 的自动裁决为更大,更具成本效益的试验提供了潜力,但需要在全球研究中进行验证.

研究的目的:

• 开发和验证一种用于自动心力衰竭判断的新型AI模型.
• 在国际临床试验中,与传统方法相比,评估基于人工智能的判断的准确性和效率.

主要方法:

• 开发了心脏衰竭自然语言处理 (HF-NLP) AI模型,使用来自三个国际临床结果试验的住院数据.
• 在 DELIVER 试验中对心力衰竭住院的患者测试了 HF-NLP 模型,将人工智能判断与医生临床事件委员会的判断进行了比较.
• 利用基于食品和药物管理局的标准,由AI和临床事件委员会进行裁决.

主要成果:

• 基于人工智能的裁决显示了83%的同意与临床事件委员会.
• 采用混合方法 (在不确定的案件中使用人工智能进行人为审查) 获得了91%的同意,减少了84%的裁决工作量.
• 达帕格利弗洛辛对心力衰竭住院治疗的估计治疗效果与AI和临床事件委员会裁决一致.

结论:

• 基于人工智能的临床结果判断可以显著提高全球临床试验的效率.
• 开发的AI模型保持了准确性和可解释性,为手动审查提供了可行的替代方案.
• 自动判断有望简化大规模的心血管结果研究.