NIH が開発した AI アルゴリズムにより、潜在的なボランティアと臨床試験のリリースをうまくマッチング

国立衛生研究所 (NIH) の研究者は、ClinicalTrials.gov に掲載されている関連する臨床研究試験に潜在的なボランティアをマッチングするプロセスを迅速化するのに役立つ人工知能 (AI) アルゴリズムを開発しました。 Nature Communications に掲載された研究によると、TrialGPT と呼ばれる AI アルゴリズムが、対象者に適格な関連臨床試験を特定し、その人が研究登録の基準をどのように満たしているかを明確に説明する概要を提供できることがわかりました。研究者らは、このツールは臨床医が患者が利用できる膨大で常に変化する臨床試験をナビゲートするのに役立ち、それによって臨床試験への登録が改善され、医学研究のより迅速な進歩につながる可能性があると結論付けた。

NIH の国立医学図書館 (NLM) と国立がん研究所の研究者チームは、大規模言語モデル (LLM) の力を利用して、臨床試験のマッチング プロセスを合理化するための TrialGPT の革新的なフレームワークを開発しました。 TrialGPT はまず、関連する医療情報と人口統計情報を含む患者の概要を処理します。次に、アルゴリズムは、ClinicalTrials.gov から患者が参加資格のある関連臨床試験を特定し、参加資格のない臨床試験を除外します。次に、TrialGPT は、その人が研究登録基準をどのように満たしているかを説明します。最終出力は、関連性と適格性によってランク付けされた注釈付きの臨床試験のリストであり、臨床医はこれを使用して臨床試験の機会について患者と話し合うことができます。

「機械学習と AI テクノロジーは、患者と臨床試験のマッチングにおいて有望ですが、多様な集団への実用化にはまだ探求が必要です」と NLM のディレクター代理、スティーブン シェリー博士は述べています。 「この研究は、AIテクノロジーを責任を持って活用できることを示しており、医師は患者を、関心のある関連臨床試験にさらに迅速かつ効率的に結び付けることができます。」

患者が臨床試験の特定の要件を満たしているかどうかを TrialGPT がどの程度正確に予測したかを評価するために、研究者らは、TrialGPT の結果を、1,000 を超える患者と基準のペアを評価した 3 人の臨床医の結果と比較しました。彼らは、TrialGPT が臨床医とほぼ同じレベルの精度を達成していることを発見しました。

さらに、研究者らはパイロットユーザー調査を実施し、2人の臨床医に匿名の患者概要を6件レビューして6件の臨床試験と照合するよう依頼した。各患者と試験ペアごとに、1 人の臨床医が手動で患者の概要をレビューし、その人が適格であるかどうかを確認し、患者が試験に参加できるかどうかを判断するように依頼されました。同じ患者と治験のペアについて、別の臨床医が TrialGPT を使用して患者の適格性を評価しました。研究者らは、臨床医が TrialGPT を使用すると、患者のスクリーニングに費やす時間を 40% 削減しながらも、同じレベルの精度を維持できることを発見しました。

臨床試験では、健康を改善する重要な医学的発見が明らかになり、参加希望者は臨床医を通じてこれらの機会について知ることがよくあります。しかし、関心のある参加者にとって適切な臨床試験を見つけるのは時間とリソースを大量に消費するプロセスであり、重要な医学研究が遅れる可能性があります。

「私たちの研究は、TrialGPT が、臨床医が患者をより効率的に臨床試験の機会に結びつけるのに役立ち、貴重な時間を節約し、人間の専門知識を必要とするより困難な作業に有効に費やせる可能性があることを示しています。」と NLM の上級研究員で研究の責任著者である Zhiyong Lu 氏は述べています。博士号

有望なベンチマーク結果を考慮して、研究チームは最近、実際の臨床現場でのモデルのパフォーマンスと公平性をさらに評価するディレクターズ チャレンジ イノベーション アワードに選ばれました。研究者らは、この取り組みにより臨床試験の募集がより効果的になり、臨床研究に過小評価されている人々の参加に対する障壁が軽減される可能性があると期待している。

Jin Q、Wang Z、Floudas CS、Chen F、Gong C、Bracken-Clarke D、Xue E、Yang Y、Sun J、Lu Z。
大規模な言語モデルを使用して患者を臨床試験にマッチングします。
ナットコミューン。 2024 年 11 月 18 日;15(1):9074。ここ： 10.1038/s41467-024-53081-z