人工智能辅助对人类死后捐赠者与眼科研究项目进行匹配

科学领域:

• 眼科医生 眼科 眼科
• 生物医学信息学 生物医学信息学
• 人工智能的人工智能

背景情况:

• 短暂的死后间隔 (PMI) 的人类眼睛样本的稀缺性阻碍了眼科研究和药物发现.
• 通过眼睛银行手动匹配捐赠者数据是耗时的,低效的,容易出错的.
• 自由文本字段中的非结构化捐赠者医疗数据限制了与匹配数据库的互操作性.

研究的目的:

• 测试人工智能 (AI) 结构化非结构化捐赠者医疗数据的能力,以改善匹配.
• 通过整合人工智能 (ReSyncAI) 来增强ReSync半自动匹配系统.

主要方法:

• 一个回顾性研究,利用大语言模型与自然语言处理来构建捐赠者的医疗数据.
• 安全地将历史捐赠者医疗数据传输到AI模型以进行结构化和标准化.
• 将结构化数据重新集成到ReSync系统中进行分析和匹配测试.

主要成果:

• 在医学术语关键词提取,校正和标准化方面取得了94.2%的成功率.
• 成功结构化的捐赠者数据证明了与ReSync系统的完全互操作性.
• 尽管有缩写,拼写错误和不完整的数据,但ReSyncAI准确地将捐赠者与"与年龄相关的黄斑变性"匹配起来.

结论:

• 人工智能有效地对非结构化捐赠者的医疗数据进行结构化,使其能够与ReSync等匹配系统无集成.
• ReSyncAI显著提高了用于研究的眼睛捐赠者匹配的效率和准确性.
• 这种人工智能驱动的方法通过优化样本利用来解决眼科研究和药物发现的关键瓶.