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.
«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:
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.