Innowacyjny TrialGPT: szybkie połączenie pacjentów z odpowiednimi badaniami klinicznymi dzięki sztucznej inteligencji
WarsawNaukowcy z National Institutes of Health stworzyli nowe narzędzie sztucznej inteligencji o nazwie TrialGPT, które przyspiesza proces odnajdywania odpowiednich badań klinicznych dla pacjentów. Dzięki zastosowaniu zaawansowanych modeli językowych, TrialGPT analizuje dane pacjentów i łączy je z badaniami klinicznymi dostępnymi na ClinicalTrials.gov. Celem TrialGPT jest ułatwienie pracownikom służby zdrowia wyszukiwania właściwych badań dla pacjentów, co w efekcie przyspieszy postęp w badaniach medycznych.
Wykorzystanie sztucznej inteligencji do dopasowywania badań klinicznych może rozwiązać kluczowe problemy w opiece zdrowotnej. Zwykle znalezienie odpowiedniego badania wymaga dużo czasu i zasobów. TrialGPT ma na celu znaczne ułatwienie i przyspieszenie tego procesu.
Przetwarza dane medyczne i demograficzne pacjentów z ich podsumowań. Znajduje odpowiednie badania kliniczne z ClinicalTrials.gov, dla których pacjent się kwalifikuje. Wyklucza te badania, do których pacjent nie spełnia kryteriów. Zapewnia listę badań klinicznych ze szczegółowymi adnotacjami, uporządkowaną według trafności i zgodności z wymaganiami.
TrialGPT wspiera lekarzy, przejmując złożone zadania związane z zarządzaniem danymi, dzięki czemu mogą skupić się bardziej na opiece nad pacjentami. Może to zrewolucjonizować udział lekarzy w badaniach klinicznych. Szybsze i dokładniejsze dopasowywanie osób do badań przyspiesza postęp w medycynie i odpowiada na rosnące zapotrzebowanie na zróżnicowanych uczestników badań.
TrialGPT pozwala lekarzom zaoszczędzić czas na sprawdzaniu, czy pacjenci kwalifikują się do badań. Skraca ten proces o 40%, jednocześnie zachowując dokładność. W rezultacie lekarze mogą poświęcić zaoszczędzony czas na bardziej skomplikowane zadania, takie jak dostosowywanie planów leczenia czy zapewnianie szczegółowej opieki pacjentom.
Potencjał tej innowacji, aby ułatwić ludziom udział w badaniach klinicznych, jest znaczący. Dzięki zwiększeniu dostępności tych badań, zwłaszcza dla grup, które często są pomijane, TrialGPT ma szansę zrewolucjonizować sposób prowadzenia badań klinicznych. Więcej uczestników w próbach to lepsze i bardziej wszechstronne dane, co może prowadzić do przełomów medycznych przynoszących korzyści szerszemu gronu osób.
Sukces TrialGPT może doprowadzić do szerszego wykorzystywania modeli AI w różnych obszarach opieki zdrowotnej i badań naukowych. Wraz z szybkim postępem technologii, sektor medyczny otwiera się na zmiany. Przyszłe modele mogą pracować z bardziej złożonymi danymi i przeprowadzać analizy na dużą skalę w tempie niespotykanym dotychczas, co stwarza możliwości dla szybszych i bardziej rozległych postępów medycznych.
Badanie jest publikowane tutaj:
http://dx.doi.org/10.1038/s41467-024-53081-zi jego oficjalne cytowanie - w tym autorzy i czasopismo - to
Qiao Jin, Zifeng Wang, Charalampos S. Floudas, Fangyuan Chen, Changlin Gong, Dara Bracken-Clarke, Elisabetta Xue, Yifan Yang, Jimeng Sun, Zhiyong Lu. Matching patients to clinical trials with large language models. Nature Communications, 2024; 15 (1) DOI: 10.1038/s41467-024-53081-zUdostępnij ten artykuł