חוקרים מהמכונים הלאומיים לבריאות (NIH) פיתחו אלגוריתם של בינה מלאכותית (AI) כדי לעזור להאיץ את תהליך ההתאמה של מתנדבים פוטנציאליים לניסויים מחקריים קליניים רלוונטיים המופיעים באתר ClinicalTrials.gov. מחקר שפורסם ב תקשורת טבע מצא שאלגוריתם AI, הנקרא TrialGPT, יכול לזהות בהצלחה ניסויים קליניים רלוונטיים להם אדם זכאי ולספק סיכום המסביר בבירור כיצד אותו אדם עומד בקריטריונים להרשמה ללימודים. החוקרים הגיעו למסקנה שכלי זה יכול לעזור לקלינאים לנווט במגוון העצום והמשתנה ללא הרף של ניסויים קליניים העומדים לרשות המטופלים שלהם, מה שעשוי להוביל לשיפור ההרשמה לניסויים קליניים ולהתקדמות מהירה יותר במחקר הרפואי.
צוות חוקרים מהספרייה הלאומית לרפואה של NIH (NLM) ומהמכון הלאומי לסרטן רתמו את הכוח של מודלים של שפה גדולה (LLMs) כדי לפתח מסגרת חדשנית עבור TrialGPT כדי לייעל את תהליך ההתאמה של הניסויים הקליניים. TrialGPT מעבד תחילה סיכום מטופל, המכיל מידע רפואי ודמוגרפי רלוונטי. לאחר מכן, האלגוריתם מזהה ניסויים קליניים רלוונטיים מ-ClinicalTrials.gov להם מטופל זכאי ואינו כולל ניסויים שהם אינם כשירים להם. לאחר מכן, TrialGPT מסביר כיצד האדם עומד בקריטריוני ההרשמה ללימודים. הפלט הסופי הוא רשימה מוערת של ניסויים קליניים-; מדורגים לפי רלוונטיות וכשירות-; שרופאים יכולים להשתמש בה כדי לדון בהזדמנויות לניסויים קליניים עם המטופל שלהם.
"למידת מכונה וטכנולוגיית AI הבטיחו הבטחה בהתאמת מטופלים לניסויים קליניים, אבל היישום המעשי שלהם על פני אוכלוסיות מגוונות עדיין הצריך חקירה", אמר בפועל מנהל NLM, סטיבן שרי, PhD. "מחקר זה מראה שאנו יכולים למנף באופן אחראי את טכנולוגיית AI כך שרופאים יוכלו לחבר את המטופלים שלהם לניסוי קליני רלוונטי שעשוי לעניין אותם במהירות וביעילות רבה עוד יותר."
כדי להעריך עד כמה TrialGPT חזה אם מטופל יעמוד בדרישה ספציפית לניסוי קליני, החוקרים השוו את התוצאות של TrialGPT לאלו של שלושה קלינאים אנושיים שהעריכו למעלה מ-1,000 זוגות קריטריונים של מטופל. הם מצאו כי TrialGPT השיגה כמעט את אותה רמת דיוק כמו הרופאים.
בנוסף, החוקרים ערכו מחקר פיילוט על משתמשים, שבו ביקשו משני קלינאים אנושיים לסקור שישה סיכומי חולים אנונימיים ולהתאים אותם לשישה ניסויים קליניים. עבור כל מטופל וזוג ניסוי, קלינאי אחד התבקש לסקור באופן ידני את סיכומי המטופלים, לבדוק אם האדם כשיר, ולהחליט אם המטופל עשוי להיות כשיר לניסוי. עבור אותו זוג מטופל-ניסוי, קלינאי אחר השתמש ב-TrialGPT כדי להעריך את זכאותו של המטופל. החוקרים מצאו שכאשר רופאים משתמשים ב-TrialGPT, הם השקיעו 40% פחות זמן בסינון חולים אך שמרו על אותה רמת דיוק.
ניסויים קליניים חושפים תגליות רפואיות חשובות שמשפרות את הבריאות, ומשתתפים פוטנציאליים לומדים לעתים קרובות על הזדמנויות אלו דרך הרופאים שלהם. עם זאת, מציאת הניסוי הקליני המתאים למשתתפים המתעניינים הוא תהליך שגוזל זמן רב ומשאבים, שיכול להאט מחקר רפואי חשוב.
המחקר שלנו מראה כי TrialGPT יכול לעזור לקלינאים לחבר את המטופלים שלהם להזדמנויות ניסויים קליניים בצורה יעילה יותר ולחסוך זמן יקר שניתן לבזבז טוב יותר על משימות קשות יותר הדורשות מומחיות אנושית."
Zhiyong Lu, PhD, NLM חוקר בכיר ומחבר מקביל של המחקר
בהתחשב בתוצאות המבחן המבטיחות, צוות המחקר נבחר לאחרונה לפרס החדשנות של אתגר הבמאי כדי להעריך עוד יותר את הביצועים וההגינות של המודל במסגרות קליניות בעולם האמיתי. החוקרים צופים שעבודה זו יכולה להפוך את הגיוס לניסויים קליניים ליעיל יותר ולסייע בהפחתת חסמי השתתפות עבור אוכלוסיות שאינן מיוצגות במחקר קליני.
המחקר נערך בשיתוף משתפי פעולה ממכללת אלברט איינשטיין לרפואה, ניו יורק; אוניברסיטת פיטסבורג; אוניברסיטת אילינוי אורבנה-שמפיין; ואוניברסיטת מרילנד, קולג' פארק.
