研究人员创造了一种人工智能（AI）算法，能够有效地为个人找到合适的临床试验，并提供清晰的总结，说明他们如何符合入组要求。该工具旨在简化医生和患者发现适当临床试验选项的过程。
来自国家卫生研究院（NIH）的研究人员推出了一种旨在提高将潜在参与者与 ClinicalTrials.gov 上可用的相关临床研究试验连接效率的人工智能（AI）算法。一项发表在《自然通讯》上的研究显示，这种名为 TrialGPT 的 AI 算法能够准确识别与个体资格相符的相关临床试验，并提供一份详细说明他们如何满足入组标准的总结。研究结果表明，这一创新可能有助于医疗服务提供者在患者可用的临床试验的广泛和不断发展的环境中导航，从而潜在地提高试验入组率，加速医学研究的进展。
来自 NIH 国家医学图书馆（NLM）和国家癌症研究所的团队利用大语言模型（LLMs）为 TrialGPT 构建了一个创新框架，以增强临床试验匹配过程。最初，TrialGPT 分析患者的摘要，其中包括重要的医疗和人口统计信息。随后，该算法筛选 ClinicalTrials.gov 上列出的临床试验，以识别患者适合的试验，同时排除不适合的选项。接着，TrialGPT 表述了个体如何符合研究的入组标准。结果是一个基于相关性和合格性标注的临床试验排名列表，临床医生可以利用该列表与患者讨论可用的机会。
“机器学习和人工智能技术在将患者与临床试验相匹配方面显示出潜力，然而在不同人口中的实际应用需要进一步研究，”NLM 执行主任 Stephen Sherry 博士解释道。“这项研究表明，我们可以负责任地利用 AI 技术，使医生能够更快速有效地将他们的患者与相关的临床试验相连接。”
为了评估 TrialGPT 在预测患者符合特定临床试验要求的能力，研究人员将算法的结果与三名人类临床医生的评估进行了比较，这些医生评估了超过 1,000 对患者标准。他们发现 TrialGPT 的准确性几乎与临床医生相当。
此外，研究人员进行了一个初步用户研究，两个医生审查了六份匿名患者摘要，并将其与六个临床试验匹配。在每对患者-试验中，一名医生手动审查患者摘要并确定资格，而另一名医生使用 TrialGPT 进行相同的目的。结果显示，利用 TrialGPT 的临床医生在筛选患者时花费的时间减少了 40%，同时保持了相似的准确性水平。
临床试验在发现改善健康结果的重要医学见解方面起着重要作用，潜在参与者通常通过医疗服务提供者得知这些机会。然而，寻找适合的临床试验可能是一个耗时且耗费资源的过程，这可能会阻碍重要的医学研究。
“我们的研究表明，TrialGPT 有潜力帮助临床医生更有效地将患者与临床试验机会联系起来，从而节省宝贵的时间，这些时间可以被重新分配给更复杂的需要人类专业知识的任务，”NLM 高级研究员、研究的主要作者 Zhiyong Lu 博士表示。
在获得鼓舞人心的结果后，研究团队获得了院长挑战创新奖，以进一步评估模型在实际临床应用中的表现和公平性。他们希望这一工作能够提高临床试验招聘的有效性，并降低弱势群体参与临床研究的门槛。
该研究的共同作者包括来自纽约市阿尔伯特·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学院的合作伙伴。
