Matching Patients to Clinical Trials with Large Language Models

Matching Patients to Clinical Trials with Large Language Models

1. 本研究の学術的背景，研究課題の核心をなす学術的「問い」は？

• 臨床試験は医薬品開発やエビデンスに基づく医療の進歩に不可欠であるが、病患者のリクルーティングに課題が多く、問題となっている。本研究では、自然言語処理手法の一つである大規模言語モデルを利用して、病患者に最適な臨床試験を探すAIアシスタントの可能性について調査した。

1. 本研究の目的及び学術的独自性と創造性は？

• 本研究では、TrialGPTと呼ばれる自然言語処理モデルを提案し、病患者に対して自動で臨床試験のリクルーティングを行うための詳細な説明を提供することができるとしている。また、このアルゴリズムを用いて、ランキング化できるとともに、病患者に関するフリーテキストメモを基にして、不適格者を排除できることも示した。本研究の独自性は、自然言語処理技術を臨床試験に応用し、効果的なリクルーティングシステムを実現した点にある。

1. 本研究の着想に至った経緯や、関連する国内外の研究動向と本研究の位置づけは？

• 従来から、自然言語処理技術が医療分野での臨床試験に活用されることを期待する研究が進んでいる。本研究では、病患者が自動的に臨床試験のリクルーティングを行えるAIアシスタントの構築に注目した。

1. 本研究で何をどのように、どこまで明らかにした？

• 本研究では、自然言語処理技術を利用して臨床試験に適した病患者を選別するためのAIアシスタントを提案した。詳細な説明を提供することができるとしており、システムはフリーテキストメモに基づいて不適格者を排除し、候補をランキング化できることが分かった。また、現在の自然言語処理技術の限界も分析し、今後の研究展望を提案している。

1. 本研究の有効性はどのように検証した？

• 本研究では、医療現場でTrialGPTを適用することで、臨床試験のリクルーティングが可能であることを実証した。184人の病患者と18,238件の臨床試験に対して試験を行い、高い予測精度と説明の提供が可能なことが示された。