美國國家衛生研究院 (National Institutes of Health, NIH) 的研究人員開發一種人工智慧 (artificial intelligence, AI) 演算法，有助於加快將潛在志願者與 ClinicalTrials.gov上列出的相關臨床研究試驗進行匹配的過程。《自然通訊》上發表的一項研究發現，名為TrialGPT 的人工智慧演算法可以成功識別一個人有資格參加的相關臨床試驗，並提供一份摘要，清楚地解釋該人如何滿足研究入組標準。研究人員得出的結論是，該工具可以幫助臨床醫生使用可供患者使用的大量且不斷變化的臨床試驗，這可能會提高臨床試驗的註冊率並加快醫學研究的進展。
來自NIH 國家醫學圖書館 (National Library of Medicine, NLM) 和國家癌症研究所(National Cancer Institute)的研究人員團隊利用大語言模型 (large language models, LLM)為TrialGPT開發創新框架，以簡化臨床試驗匹配流程。TrialGPT 首先處理患者摘要，其中包含相關的醫療和人口統計資訊。然後，演算法會從 ClinicalTrials.gov 中識別患者有資格參加的相關臨床試驗，並排除患者不符合資格的試驗。TrialGPT接著解釋該人如何符合研究註冊標準。最終輸出是一份帶註釋的臨床試驗清單（按相關性和資格排名），臨床醫生可以用它與患者討論臨床試驗機會。
NLM代理主任Stephen Sherry博士表示：「機器學習和人工智慧技術在將患者與臨床試驗相匹配方面有望發揮作用，但它們在不同人群中的實際應用仍需要探索。這項研究表明，我們可以負責任地利用人工智慧技術，以便醫生能夠以更快的速度和效率將患者與他們可能感興趣的相關臨床試驗聯繫起來。」
為了評估 TrialGPT 預測患者是否滿足臨床試驗特定要求的效果，研究人員將 TrialGPT 的結果與三名臨床醫生評估1,000多個患者-標準對的結果進行比較。他們發現TrialGPT 達到與臨床醫生幾乎相同的準確性水平。
此外，研究人員還進行一項試驗用戶研究，他們要求兩名人類臨床醫生審查六名匿名患者的摘要，並將其與六項臨床試驗進行配對。對於每位患者和試驗對，一名臨床醫生被要求手動審查患者摘要，檢查該人是否符合條件，並決定患者是否有資格參加試驗。對於同一患者試驗對，另一位臨床醫生使用TrialGPT來評估患者的資格。研究人員發現，當臨床醫生使用TrialGPT時，他們篩檢患者的時間減少了 40%，但保持相同程度的準確性。
臨床試驗揭示改善健康的重要醫學發現，潛在的參與者經常透過臨床醫生了解這些機會。然而為有興趣的參與者找到合適的臨床試驗是一個耗時且耗費資源的過程，這可能會減慢重要的醫學研究的速度。
NLM高級研究員兼該研究的通訊作者Zhiyong Lu博士說：「我們的研究顯示TrialGPT可以幫助臨床醫生更有效地將患者與臨床試驗機會聯繫起來，並節省寶貴的時間，這些時間可以更好地花在需要人類專業知識的更艱鉅的任務上。」
鑑於有希望的基準測試結果，研究團隊最近被選為主任挑戰創新獎，以進一步評估該模型在現實臨床環境中的表現和公平性。研究人員預計這項工作可以使臨床試驗招募更加有效，並有助於減少臨床研究中代表性不足的人群參與的障礙。
資料來源：
美國國家衛生研究院（National Institutes of Health, NIH）
