辛辛那提-臨床試驗是為有需要的人提供新療法的重要工具，但研究表明，難以找到合適的志愿者受試者可能會削弱這些研究的有效性。辛辛那提兒童醫(yī)院醫(yī)療中心的研究人員設計并測試了一種新的計算機化解決方案，該解決方案使用人工智能(AI)從電子健康記錄(EHR)中有效識別符合條件的受試者，這樣繁忙的臨床工作人員就可以將有限的時間集中在以最高質量評估候選人上。
這項研究在線發(fā)表在JMIR醫(yī)學信息學上。它表明，與人工篩選EHR以確定研究候選人相比，這個名為“自動臨床試驗限定者”(ACTES)的系統(tǒng)將患者的篩選時間縮短了34%，并將患者的登記率提高了11.1%。該系統(tǒng)還將篩查的患者數量增加了14.7%，接近的患者數量增加了11.1%。
繁忙的急診科通常是臨床試驗協(xié)調員，尋找可能是優(yōu)秀候選人的優(yōu)秀地方。該研究的首席研究員、來自生物醫(yī)學信息學系的YizhaoNi博士表示，ACTES旨在簡化臨床試驗的招聘流程，而臨床試驗往往被證明效率低下，而且并不總能吸引到足夠多的合格候選人。
倪說：“由于記錄的數據量很大，現在用來查找相關信息的招聘過程在短時間內非常耗費人力?！巴ㄟ^使用自然語言處理和機器學習技術，ACTES可以快速分析不同類型的數據，并自動確定患者對臨床試驗的適用性。”
這是如何工作的？
該系統(tǒng)具有自然語言處理功能。當系統(tǒng)分析大量語言數據時，計算機可以理解和解釋人類語言。機器學習允許計算機系統(tǒng)自動學習和開發(fā)經驗，而無需特殊編程。這使得計算機程序能夠獨立處理數據、提取信息和生成知識。
該系統(tǒng)自動從EHR提取結構化信息，如患者人口統(tǒng)計和臨床評估。它還識別臨床記錄中的非結構化信息，包括患者的臨床狀況、癥狀、治療等。然后，將提取的信息與資格要求進行匹配，以確定受試者是否適合特定的臨床試驗。
據研究人員稱，該系統(tǒng)的機器學習組件還允許它從歷史注冊中學習，以改進其未來的建議。大部分分析都是由精心設計的AI算法來處理的，這些算法基本上是計算機通過執(zhí)行一系列指定的操作來解決問題的過程或公式。
高級臨床設置
此前，該系統(tǒng)在《美國醫(yī)學信息學協(xié)會雜志》2015年發(fā)表的一項回顧性研究中得到成功測試。目前，該研究在繁忙的急診室環(huán)境中對該解決方案進行了前瞻性和實時性測試，臨床研究協(xié)調員招募患者進行了六項涉及不同疾病的不同兒科臨床試驗。
這項技術在現場臨床環(huán)境中的應用涉及數據科學家、應用程序開發(fā)人員、信息服務技術人員、最終用戶和臨床醫(yī)生之間的重要協(xié)作。
“由于該機構的協(xié)作環(huán)境，我們成功地將不同的專家組納入了設計該AI解決方案的集成過程中?！蹦哒f。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯系刪除！