迈向人工智能辅助临床试验匹配：实际考虑、多中心评估和现实世界部署

临床试验对于推进癌症治疗和药物开发至关重要，但许多临床试验因患者入组不足而失败。尽管人们对使用人工智能支持患者招募越来越感兴趣，但现有系统主要单独执行资格评估，并且很少在现实世界的肿瘤工作流程中进行评估。在这里，我们推出 TrialGPT 2.0，这是一种专为实际部署而设计的人工智能辅助临床试验推荐系统。该系统不仅询问患者是否符合资格，还根据患者当前的临床需求和当地工作流程优先级评估哪些试验值得进一步考虑，并为专家审查提供结构化、可检查的解释。重要的是，我们在多个以肿瘤学为重点的环境中回顾性和前瞻性地评估了 TrialGPT 2.0，涵盖政府、学术癌症中心、患者倡导和 NIH 转诊工作流程。在包含 288 例病例的回顾性多中心队列中，TrialGPT 2.0 在其前 10 名推荐中至少检索了一项临床医生推荐的试验，覆盖了大约 91% 的病例，同时将临床医生筛选时间减少了 55.0%。在嵌入主动精准肿瘤学肿瘤委员会的为期六个月的前瞻性评估中，TrialGPT 2.0 提供了常规工作流程中错过的额外试验机会，将患者参与临床试验的机会扩大了 90.9%。为了支持科学可重复性，我们还引入了 NIH-TrialBench，这是一个由临床医生编写的数据集，包含来自 11 个 NIH 研究所和中心的 126 个不同的合成患者片段和匹配场景。总之，这些结果支持人工智能的价值，通过提高临床医生效率和识别经常被忽视的试验机会来协助临床试验匹配，最终帮助扩大和加速癌症试验的应计。