NIH大模型临床试验TrialGPT缩短患者招募时间42.6%- Nature子刊

文章预览

摘要: TrialGPT 是一个创新框架，利用大型语言模型（LLMs），显著提升了患者与临床试验的匹配效率。 该框架通过高效筛选试验、准确预测患者资格并提供解释，减少了筛选时间，超越了现有方法的表现。 临床试验的患者招募具有挑战性。我们介绍了 TrialGPT，这是一个端到端框架，用于与大型语言模型进行零镜头患者与试验的匹配。TrialGPT 包括三个模块：它首先执行大规模过滤以检索候选试验（TrialGPT-Retrieval）;然后预测标准级别的患者资格 （TrialGPT-Matching）;最后生成试验级分数 （TrialGPT-Ranking）。我们在三个队列上评估了 TrialGPT，每组 183 名合成患者，拥有超过 75,000 个试验注释。TrialGPT-Retrieval 可以使用不到 90% 的初始集合来召回超过 6% 的相关试验。对 1015 个患者标准对的手动评估表明，TrialGPT-Matching 在忠实解释的情况下达到了 87.3% 的准确率，接 ………………………………