建议在线患者病例使用人工智能进行临床试验

科学领域:

• 医疗信息学 医疗信息学
• 临床试验管理 临床试验管理
• 医疗保健中的人工智能

背景情况:

• 临床试验招聘面临重大挑战,包括有限的认识和复杂的标准.
• 在线平台为识别潜在的临床试验参与者提供了一个不断增长的,但在很大程度上尚未开发的资源.
• 传统的招聘方法往往无法利用在线患者病例和医生发布的报告中可用的丰富信息.

研究的目的:

• 评估TrialGPT的有效性,一个基于大型语言模型的框架,在将在线患者病例与合适的临床试验相匹配方面.
• 为了比较TrialGPT与临床试验招聘的传统关键字搜索方法的性能.
• 评估非传统数据源在扩大患者获得临床试验方面的潜力.

主要方法:

• 开发了一个名为TrialGPT的框架,利用一个大型语言模型来分析在线患者病例.
• 从社交媒体收集了50个在线患者病例,并发表了病例报告.
• 对TrialGPT的匹配性能进行了评估,与传统的基于关键字的临床试验资格搜索进行了对比.

主要成果:

• 与传统方法相比,TrialGPT在匹配性能方面表现出了46%的改善.
• 平均而言,使用TrialGPT的患者有资格参加前10个推临床试验中的7个.
• 关于TrialGPT方法,从案例作者和临床试验组织者那里收到了积极的反.

结论:

• TrialGPT有效地利用非传统的在线患者数据进行临床试验招聘.
• 这种人工智能驱动的方法显著提高了患者的资格和进入临床试验的机会.
• 试验GPT提出了一个有前途的战略,以克服传统的招聘障碍,并扩大获得专业医疗护理的机会.