ChatGPT beschleunigt das Screening von Patienten in klinischen Studien

Eine neue Studie im akademischen Journal Maschinelles Lernen: Gesundheit entdeckt, dass ChatGPT das Patientenscreening für klinische Studien beschleunigen kann, was vielversprechend bei der Reduzierung von Verzögerungen und Verbesserung der Erfolgsquoten für die Studie zeigt.

Forscher des UT Southwestern Medical Center verwendeten ChatGPT, um zu beurteilen, ob Patienten an klinischen Studien teilnehmen konnten, und konnten innerhalb von Minuten geeignete Kandidaten identifizieren.

Klinische Studien, in denen neue Medikamente und Verfahren in der Öffentlichkeit getestet werden, sind für die Entwicklung und Validierung neuer Behandlungen von entscheidender Bedeutung. Aber viele Prüfungen haben Schwierigkeiten, genügend Teilnehmer einzuschreiben. Laut einer kürzlich durchgeführten Studie versagen bis zu 20% des National Cancer Institute (NCI) -Fasserprozesses aufgrund einer geringen Einschreibung. Dies erhöht nicht nur die Kosten und verzögert die Ergebnisse, sondern untergräbt auch die Zuverlässigkeit neuer Behandlungen.

Derzeit ist das Screening von Patienten auf Studien ein manueller Prozess. Die Forscher müssen die medizinischen Unterlagen jedes Patienten überprüfen, um festzustellen, ob sie die Zulassungskriterien erfüllen, die etwa 40 Minuten pro Patient dauern. Mit begrenzten Mitarbeitern und Ressourcen ist dieser Prozess oft zu langsam, um mit der Nachfrage Schritt zu halten.

Ein Teil des Problems ist, dass wertvolle Patienteninformationen, die in elektronischen Gesundheitsakten (EHRs) enthalten sind, häufig in unstrukturiertem Text vergraben werden, wie z. Infolgedessen werden viele berechtigte Patienten übersehen, da es einfach nicht genügend Kapazität gibt, um jeden Fall zu überprüfen. Dies trägt zu niedrigen Einschreibungsraten, Versuchsverzögerungen und sogar Stornierungen bei, wodurch der Zugang zu neuen Therapien verlangsamt wird.

Um diesem Problem entgegenzuwirken, haben die Forscher mithilfe von ChatGPT nach Möglichkeiten geprüft, den Screening -Prozess zu beschleunigen. Die Forscher verwendeten GPT-3.5 und GPT-4, um 74 Patientendaten zu analysieren, um festzustellen, ob sie sich für eine Kopf- und Halskrebs-Studie qualifizierten.

Drei Möglichkeiten, die KI aufzufordern, wurden getestet:

• Strukturierte Ausgabe (SO): Fragen nach Antworten in einem festgelegten Format.
• Kette des Denkens (COT): Bitten Sie das Modell, seine Argumentation zu erklären.
• Self-Discover (SD): Lassen Sie das Modell herausfinden, wonach er suchen soll.

Die Ergebnisse waren vielversprechend. GPT-4 war genauer als GPT-3,5, wenn auch etwas langsamer und teurer. Die Screening -Zeiten lagen zwischen 1,4 und 12,4 Minuten pro Patient mit Kosten zwischen 0,02 USD und 0,27 USD.

LLMs wie GPT-4 können Patienten für klinische Studien untersuchen, insbesondere wenn sie flexible Kriterien verwenden. Sie sind nicht perfekt, besonders wenn alle Regeln erfüllt sein müssen, aber sie können Zeit sparen und menschliche Gutachter unterstützen. „

Dr. Mike Dohopolski, Hauptautor der Studie

Diese Forschung beleuchtet das Potenzial für KI, schnellere und effizientere klinische Studien zu unterstützen – und bringt den Patienten früher neue Behandlungen.

Die Studie ist einer der ersten Artikel, die in der Machine Learning Series ™ von IOP Publishing, der weltweit ersten Open Access Journal -Serie, der sich der Anwendung und Entwicklung von maschinellem Lernen (ML) und künstlicher Intelligenz (KI) für die Wissenschaften widmet.

Das gleiche Forschungsteam hat an einer Methode gearbeitet, mit der Chirurgen die Strahlentherapie der Patienten in Echtzeit anpassen können, während sie noch auf der Tabelle stehen. Mit einem Deep -Lern -System namens Geodl liefert die KI präzise 3D -Dosisschätzungen aus CT -Scans und Behandlungsdaten in nur 35 Millisekunden. Dies könnte eine adaptive Strahlentherapie in realen klinischen Umgebungen schneller und effizienter gestalten.

Quellen: