Клинические испытания – ключевой путь к открытию новых лекарств и спасению жизней, однако их процесс записи часто затрудняется из-за сложного анализа медицинских записей. Paradigm стремится преодолеть этот барьер с помощью ИИ, чтобы больше пациентов, включая больных раком, могли получить доступ к передовым методам лечения, а медицинские работники – снизить административную нагрузку.
Проблемы записи пациентов в клинические испытания
Оценка медицинских карт является одним из главных узких мест при записи пациентов на клинические испытания, способные предложить оптимальное лечение. Врачи не успевают просматривать все данные, разбираться в деталях испытаний и квалифицировать пациентов. В результате большинство испытаний набирается только местными пациентами, что создаёт системные предвзятости и лишает многих пациентов возможности получить инновационную помощь.
Традиционные методы и их ограничения
Paradigm изначально использовала лучшие практики в области ML и NLP для извлечения и интерпретации данных медицинских карт, обучая модели на тщательно отобранных наборах данных, подготовленных экспертами. Однако этот подход требовал создания, обучения и проверки отдельной модели для каждого случая, что занимало много времени и ресурсов, а качество выводов часто требовало дополнительной ручной проверки.
Оценка медицинских карт является одним из главных узких мест при записи пациентов на клинические испытания, способные предложить оптимальное лечение. Врачи не успевают просматривать все данные, разбираться в деталях испытаний и квалифицировать пациентов. В результате большинство испытаний набирается только местными пациентами, что создаёт системные предвзятости и лишает многих пациентов возможности получить инновационную помощь.
Традиционные методы и их ограничения
Paradigm изначально использовала лучшие практики в области ML и NLP для извлечения и интерпретации данных медицинских карт, обучая модели на тщательно отобранных наборах данных, подготовленных экспертами. Однако этот подход требовал создания, обучения и проверки отдельной модели для каждого случая, что занимало много времени и ресурсов, а качество выводов часто требовало дополнительной ручной проверки.
«Мы развернули донастроенные модели передового уровня, но процесс требовал значительных усилий для каждой конкретной задачи», – отмечает Джонатан Хирш, директор по стратегии в Paradigm.
Преимущества GPT‑4 в оценке данных клинических испытаний
Paradigm пришла к выводу, что большие языковые модели, способные суммировать неструктурированный текст, могут заменить метод создания отдельных ML-моделей для каждой задачи. Рассматривались два варианта: создание специализированной LLM, обученной на медицинских данных, или интеграция GPT‑4 через API OpenAI. К их удивлению, GPT‑4 превзошла команду высококвалифицированных экспертов в выполнении сложных задач по оценке данных.
Основные причины выбора OpenAI:
Таким образом, Paradigm выбрала OpenAI в качестве поставщика ИИ-решений для улучшения процесса записи пациентов на клинические испытания, что позволяет ускорить принятие решений и обеспечить более точное, доступное и эффективное лечение.
Paradigm пришла к выводу, что большие языковые модели, способные суммировать неструктурированный текст, могут заменить метод создания отдельных ML-моделей для каждой задачи. Рассматривались два варианта: создание специализированной LLM, обученной на медицинских данных, или интеграция GPT‑4 через API OpenAI. К их удивлению, GPT‑4 превзошла команду высококвалифицированных экспертов в выполнении сложных задач по оценке данных.
Основные причины выбора OpenAI:
- Высокая точность: Rigorous тестирование на наборах данных, подготовленных экспертами, показало, что GPT‑4 демонстрирует как минимум на 10% большую точность по совмещённым метрикам precision/recall, а в некоторых случаях – «невероятное» улучшение. «Точность OpenAI оказалась выше, чем у наших текущих специализированных моделей, и иногда даже превосходила результаты, полученные обученными клиницистами», – говорит Хирш.
- Простота интеграции: после успешного тестирования прототипов интеграция API OpenAI в производственные системы прошла легко и быстро.
- Удобство донастройки: возможность донастройки модели позволила быстро адаптировать её под специфические медицинские задачи без сложной конфигурации.
Таким образом, Paradigm выбрала OpenAI в качестве поставщика ИИ-решений для улучшения процесса записи пациентов на клинические испытания, что позволяет ускорить принятие решений и обеспечить более точное, доступное и эффективное лечение.