美国国立卫生研究院（NIH）的研究人员开发了一种人工智能（AI）算法，以帮助加快将潜在志愿者与ClinicalTrials.gov上列出的相关临床研究试验进行匹配的过程。一项发表在《自然通讯》上的研究发现，这种名为TrialGPT的AI算法能够成功识别某人有资格参加的相关临床试验，并提供一个明确的总结，说明该人如何符合研究入组标准。研究人员得出结论，这一工具可以帮助医生更好地应对为患者提供的大量且不断变化的临床试验，这可能会提高临床试验的入组率并加快医学研究的进展。
来自NIH的国家医学图书馆（NLM）和国家癌症研究所的研究团队利用大型语言模型（LLMs）的力量，开发了一个创新框架，用于简化临床试验匹配过程。TrialGPT首先处理包含相关医疗和人口统计信息的患者摘要。然后，该算法从ClinicalTrials.gov中识别出患者有资格参加的相关临床试验，并排除患者不符合条件的试验。TrialGPT还会解释患者如何符合研究入组标准。最终输出是一个按相关性和资格排序的临床试验注释列表，供医生用来与患者讨论临床试验机会。
“机器学习和AI技术在匹配患者与临床试验方面具有潜力，但其在多样化人群中的实际应用仍需探索，”NLM代理主任Stephen Sherry博士表示。“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。”
为了评估TrialGPT预测患者是否符合特定临床试验要求的准确性，研究人员将TrialGPT的结果与三名人类医生评估的1,000多个患者-标准对进行了比较。他们发现，TrialGPT的准确性几乎与医生相同。
此外，研究人员进行了一项试点用户研究，要求两名人类医生审查六个匿名患者摘要，并将它们与六个临床试验进行匹配。对于每一对患者和试验，一名医生被要求手动审查患者摘要，检查患者是否有资格，并决定患者是否可能符合试验资格。对于相同的患者-试验对，另一名医生使用TrialGPT来评估患者的资格。研究发现，当医生使用TrialGPT时，他们花费的时间减少了40%，但保持了相同的准确性水平。
“临床试验揭示了重要的医学发现，改善了健康状况，而潜在参与者通常通过他们的医生了解这些机会。然而，为感兴趣的参与者找到合适的临床试验是一个耗时且资源密集的过程，这会减缓重要的医学研究。”NLM高级研究员、该研究的通讯作者Zhiyong Lu博士表示。“我们的研究表明，TrialGPT可以帮助医生更高效地将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更难任务。”
鉴于令人鼓舞的基准测试结果，研究团队最近被选为“主任挑战创新奖”，以进一步评估该模型在真实世界临床环境中的性能和公平性。研究人员预计，这项工作可以提高临床试验招募的有效性，并帮助减少临床研究中代表性不足人群的参与障碍。
该研究由纽约市阿尔伯特·爱因斯坦医学院、匹兹堡大学、伊利诺伊大学香槟分校和马里兰大学帕克分校的合作者共同撰写。
(全文结束)
