KI-Algorithmus bringt Freiwillige mit klinischen Studien zusammen

Forscher des National Institutes of Health (NIH) haben einen KI-Algorithmus entwickelt, der den Prozess der Zuordnung potenzieller Freiwilliger zu relevanten klinischen Forschungsstudien beschleunigt. Der Algorithmus, bekannt als TrialGPT, kann erfolgreich relevante klinische Studien identifizieren, für die eine Person geeignet ist, und bietet eine klare Zusammenfassung, die erklärt, wie diese Person die Kriterien für die Studienanmeldung erfüllt. Diese Innovation könnte dazu beitragen, die klinische Studienanmeldung zu verbessern und den Fortschritt in der medizinischen Forschung zu beschleunigen.

Wichtige Erkenntnisse

• Der Algorithmus TrialGPT nutzt große Sprachmodelle, um den Matching-Prozess zu optimieren.
• Er verarbeitet Patienteninformationen und identifiziert relevante klinische Studien von ClinicalTrials.gov.
• TrialGPT hat eine Genauigkeit erreicht, die mit der von menschlichen Klinikern vergleichbar ist.
• Kliniker, die TrialGPT verwenden, benötigen 40 % weniger Zeit für die Patientenprüfung.
• Die Forschung könnte dazu beitragen, Barrieren für unterrepräsentierte Bevölkerungsgruppen in klinischen Studien abzubauen.

Der Algorithmus im Detail

TrialGPT wurde von einem Team aus der Nationalbibliothek der Medizin (NLM) und dem Nationalen Krebsinstitut des NIH entwickelt. Der Algorithmus funktioniert in mehreren Schritten:

1. Verarbeitung der Patienteninformationen: Der Algorithmus analysiert eine Zusammenfassung des Patienten, die relevante medizinische und demografische Informationen enthält.
2. Identifikation relevanter Studien: Er sucht nach klinischen Studien auf ClinicalTrials.gov, für die der Patient geeignet ist, und schließt nicht geeignete Studien aus.
3. Erklärung der Eignung: TrialGPT erläutert, wie der Patient die Kriterien für die Studienanmeldung erfüllt.
4. Erstellung einer Liste: Das Endergebnis ist eine annotierte Liste von klinischen Studien, die nach Relevanz und Eignung sortiert ist.

Effizienzsteigerung für Kliniker

Die Forscher führten einen Vergleich zwischen den Ergebnissen von TrialGPT und drei menschlichen Klinikern durch, die über 1.000 Patienten-Kriterium-Paare bewerteten. Die Ergebnisse zeigten, dass TrialGPT eine nahezu identische Genauigkeit wie die Klinikern erreichte.

Zusätzlich wurde eine Pilotstudie durchgeführt, in der zwei Kliniker sechs anonyme Patienten zusammen mit sechs klinischen Studien überprüften. Die Ergebnisse zeigten, dass die Verwendung von TrialGPT den Zeitaufwand für die Patientenprüfung um 40 % reduzierte, während die Genauigkeit gleich blieb.

Bedeutung für die medizinische Forschung

Klinische Studien sind entscheidend für medizinische Entdeckungen, die die Gesundheit verbessern. Potenzielle Teilnehmer erfahren oft durch ihre Kliniker von diesen Möglichkeiten. Der Prozess, die richtige klinische Studie zu finden, ist jedoch zeitaufwendig und ressourcenintensiv, was wichtige medizinische Forschungen verlangsamen kann.

Die Studie zeigt, dass TrialGPT dazu beitragen könnte, Kliniker effizienter mit klinischen Studien zu verbinden und wertvolle Zeit zu sparen, die besser für komplexere Aufgaben genutzt werden kann, die menschliche Expertise erfordern.

Zukünftige Entwicklungen

Aufgrund der vielversprechenden Ergebnisse wurde das Forschungsteam kürzlich für den Director’s Challenge Innovation Award ausgewählt, um die Leistung und Fairness des Modells in realen klinischen Umgebungen weiter zu bewerten. Die Forscher hoffen, dass diese Arbeit die Rekrutierung für klinische Studien effektiver gestalten und Barrieren für die Teilnahme an unterrepräsentierten Bevölkerungsgruppen abbauen kann.

Quellen

• NIH-developed AI algorithm matches potential volunteers to clinical trials | National Institutes of Health (NIH), National Institutes of Health (NIH) (.gov).