NIH AI Algorithm Matches Volunteers to Clinical Trials

Press release

Lundi 18 novembre 2020

Read moreRisk of neurological delay is not increased by umbilical cord lactation in weak infants

Cet algorithme pourrait faire gagner du temps aux cliniciens et accélérer la recherche clinique et le recrutement.

Les National Institutes of Health ont développé un nouvel algorithme d’intelligence artificielle qui aidera à faire correspondre les volontaires potentiels avec les essais cliniques pertinents sur le site Web. ClinicalTrials.gov. L’étude a été publiée dans Nature Communications L’algorithme d’IA appelé TrialGPT a pu identifier les essais cliniques auxquels un patient est éligible, puis fournir un résumé expliquant comment la personne correspond aux critères de l’étude. Les chercheurs ont conclu que l’outil aiderait le personnel clinique à naviguer dans un éventail en constante évolution d’essais cliniques pour leurs patients. Cela pourrait conduire à un meilleur recrutement pour les essais cliniques et à des progrès plus rapides dans la science médicale.

Des chercheurs de la National Library of Medicine du NIH et du National Cancer Institute ont exploité de grands modèles linguistiques pour créer un cadre innovant qui rationalise le processus de mise en correspondance des essais cliniques. TrialGPT traite le résumé du patient qui comprend des informations démographiques et médicales pertinentes. Il sélectionne ensuite parmi ClinicalTrials.gov les essais pertinents auxquels une personne est éligible et exclut les essais auxquels elle ne l’est pas. TrialGPT explique au patient comment il répond aux critères d’inscription à l’étude. Les essais cliniques sont classés en fonction de leur pertinence et de leur éligibilité. Les cliniciens utilisent cette liste comme outil pour discuter des options d’essais cliniques avec les patients.

Stephen Sherry PhD, directeur par intérim de la NLM, a déclaré : « Les technologies d’apprentissage automatique et d’IA se sont révélées prometteuses pour associer les patients aux essais cliniques. Cependant, leurs applications pratiques dans diverses populations doivent être explorées plus avant. » Cette étude montre que nous pouvons utiliser l’IA pour aider les médecins à connecter plus rapidement les patients à un essai clinique qui les intéresse.

Les chercheurs ont comparé les prédictions de TrialGPT à celles faites par trois cliniciens, qui ont évalué plus de 1 000 paires de patients et de critères. Les chercheurs ont constaté que TrialGPT était presque aussi précis que trois cliniciens qui ont évalué plus de 1 000 paires patient-critère.

Les chercheurs ont également mené une étude pilote auprès des utilisateurs dans laquelle ils ont demandé à deux cliniciens de faire correspondre six résumés anonymes de patients à six essais. Français Un clinicien a examiné manuellement les résumés de chaque paire patient-essai, a vérifié s’ils étaient éligibles et a décidé s’ils pouvaient être candidats à l’essai clinique. Un autre clinicien a évalué l’éligibilité des mêmes paires patients-essai à l’aide de TrialGPT. Les chercheurs ont constaté que les cliniciens qui utilisent TrialGPT consacrent 40 % de temps en moins au dépistage tout en conservant la même précision.

Les cliniciens des participants potentiels sont souvent les premiers à être informés des essais cliniques. Ces opportunités peuvent conduire à des percées médicales importantes qui amélioreront votre santé. Trouver les meilleurs essais cliniques pour les participants peut être une tâche gourmande en ressources et en temps, ce qui ralentit la recherche médicale.

Zhiyong Li, PhD, chercheur principal de la NLM et auteur correspondant, a déclaré : « Notre étude montre que TrialGPT peut aider les cliniciens à mieux connecter les patients aux opportunités d’essais cliniques et à gagner du temps, qui pourrait être consacré à des tâches plus difficiles qui nécessitent une expertise humaine. »

L’équipe de recherche a été sélectionnée pour participer au Prix de l’innovation par Director’s Challenge Évaluation plus approfondie de la performance et de l’équité du modèle dans les contextes cliniques. Français Les chercheurs espèrent que leur travail améliorera le recrutement des essais cliniques et réduira les obstacles pour les populations sous-représentées à participer à la recherche clinique.

Des chercheurs de l’Université du Maryland College Park, de l’Université de l’Illinois à Urbana-Champaign, de l’Université de Pittsburgh et de l’Albert Einstein College of Medicine de New York ont collaboré à cette étude.

Le NLM est à la tête du domaine de recherche en science des données, en informatique biomédicale et abrite la plus grande collection biomédicale existante. Le NLM soutient et mène des recherches sur les méthodes d’enregistrement, de stockage et de récupération des informations de santé, ainsi que sur leur préservation et leur communication. Le NLM fournit des ressources et des outils utilisés par des millions de personnes chaque année pour analyser et accéder aux informations sur la biotechnologie moléculaire, la santé environnementale et la toxicologie. De plus amples informations sont disponibles surhttps://www.nlm.nih.gov.

The National Institutes of Health: Le NIH est l’agence de recherche médicale du ministère américain de la Santé et des Services sociaux. Il comprend 27 instituts et centres. Le NIH, l’agence nationale de recherche médicale, est composé de 27 instituts et centres et fait partie du ministère américain de la Santé et des Services sociaux. Visitez le NIH pour plus d’informations sur ses programmes et services. www.nih.gov.

NIH…Transforming Discovery into Healthcare^(r)