美国国立卫生研究院（NIH）近日推出了一种新的AI算法，旨在更高效地将潜在临床试验参与者与合适的试验匹配。该算法名为TrialGPT，通过分析患者数据来识别ClinicalTrials.gov上列出的相关临床试验。这项工具有望加速医学研究并提高试验招募效率。
一项发表在《自然通讯》上的研究表明，TrialGPT能够准确评估资格标准并生成清晰的摘要供临床医生使用，从而实现更快、更明智的决策。该算法由NIH的国家医学图书馆（NLM）和国家癌症研究所的研究人员开发，利用大型语言模型（LLMs）处理患者摘要，排除不合格的试验，并按相关性对合格研究进行排名。
“机器学习和AI技术在匹配患者与临床试验方面展现出巨大潜力，但在不同人群中的实际应用仍需探索，”NLM代理主任Stephen Sherry表示，“这项研究表明，我们可以负责任地利用AI技术，使医生能够更快、更高效地将其患者连接到可能感兴趣的临床试验中。”
临床研究的基准测试和障碍应对
为了评估其准确性，研究团队将TrialGPT的结果与人类临床医生对1,000多对患者-标准组合的评估进行了比较。结果显示，该算法的准确性几乎与临床医生相同。
在一项试点用户研究中，TrialGPT还展示了其节省时间的潜力。使用该算法的临床医生在筛查患者资格时花费的时间减少了40%，同时保持了与手动方法相同的准确性。这种效率可以使得医疗保健提供者有更多时间专注于需要人类专业知识的复杂任务。
临床试验在推动医学发现方面发挥着关键作用，但确定合格参与者通常是一个劳动密集型过程，会延误进展。TrialGPT旨在减少这些障碍，有望增加代表性不足人群的试验参与度，提高整体招募效果。
“我们的研究表明，TrialGPT可以帮助临床医生更高效地将其患者连接到临床试验机会，并节省宝贵的时间，以便更好地用于需要人类专业知识的复杂任务，”NLM高级研究员兼该研究的通讯作者Zhiyong Lu表示。
未来的发展
鉴于其令人鼓舞的结果，TrialGPT研究团队已获得主任挑战创新奖，以评估该模型在现实世界中的表现，并确保其在不同人群中的公平性。
该研究是在与阿尔伯特爱因斯坦医学院、匹兹堡大学、伊利诺伊大学厄巴纳-香槟分校和马里兰大学帕克分校的研究人员合作下进行的。
有关NLM及其倡议的更多信息，请访问NLM网站。
(全文结束)
