提高患者试验与大型语言模型的匹配:对新兴应用和方法的广泛审查
Hongyu Chen1, Xiaohan Li1, Xing He2,3
1Department of Health Outcomes & Biomedical Informatics, College of Medicine, University of Florida, Gainesville, FL.
JCO clinical cancer informatics
|June 9, 2025
概括
大型语言模型 (LLM) 正通过改善患者与试验匹配来彻底改变临床试验招聘. 这些先进的AI系统提高了准确性和可扩展性,解决了试验执行中的关键瓶.
科学领域:
- 临床研究中的人工智能
- 生物医学信息学 生物医学信息学
- 临床试验操作 临床试验操作
背景情况:
- 患者招募是临床试验中的一个重大挑战,往往导致延迟和失败.
- 低效的患者试验匹配有助于这些招聘困难.
- 大型语言模型 (LLM) 为自动化和优化患者试验匹配提供了潜在的解决方案.
研究的目的:
- 在患者试验匹配中对LLM新兴应用进行范围审查.
- 综合目前关于LLM整合的研究,以改善临床试验招聘.
主要方法:
- 在PubMed,Web of Science和OpenAlex (2022年12月至2024年12月) 进行了全面的文献搜索.
- 包括将LLM整合到患者试验匹配系统的研究.
- 数据提取侧重于系统架构,数据处理,资格标准,匹配技术和性能评估.
主要成果:
- 24项研究符合纳入标准,在2024年出版物的激增.
- 大多数系统使用了以患者为中心的匹配和生成预训练的变压器模型.
- 法律学的方法显示出更好的准确性和可扩展性,但在性能变化,可解释性和数据依赖性方面面临挑战.
结论:
- 基于LLM的系统提供了一种改造性的方法,以提高临床试验招聘效率和准确性.
- 解决概括性,解释性和数据约束方面的局限性对于未来的优化至关重要.
- 混合建模,特定领域微调和现实世界数据集成方面的进步将进一步简化试验匹配和执行.
相关概念视频
02:07Improving Translational Accuracy
2.5K
2.5K
01:27Language and Cognition
338
Language serves as a bridge between ideas and communication, influencing how individuals perceive and interact with the world. Psychologists have long debated whether language shapes thought or vice versa. This discussion gained grip with Edward Sapir and Benjamin Lee Whorf in the 1940s, who proposed that language determines thought, a concept known as linguistic determinism. They suggested that the vocabulary and structure of a language influence how its speakers think and perceive reality.
338