当前位置： AI资讯 > 内文

BMC：南方医院应用AI临床试验受试者筛选时间降低97.8%

2024-03-01 关键词：临床科研

近日，BMC Cancer发布了南方医科大学南方医院大数据中心刘莉教授团队和惠每科技合作研究的、基于人工智能（AI）的临床试验受试者筛选系统的研究论文。该研究结果显示，基于AI的临床试验筛选系统（clinical trial matching system, CTMS）可将临床试验中受试者筛选时间降低97.8%，且在灵敏度和特异性方面都有较好的表现。

临床试验中的受试者筛选是一项耗时耗力、专业性极强的工作，也是决定临床试验能否完成的关键环节。但肿瘤相关的临床试验却常因无法入组足够受试者而延期或失败，这不仅造成研究发起者的时间和成本损失，也造成了部分患者未能获得更有潜力的疗法。数据显示，2005至2011年，有20%的成人肿瘤患者临床试验无法纳入足够的受试者。造成这种困境的一个重要原因是——临床健康管理者因为工作繁忙、临床试验入排要求复杂而导致部分潜在受试者被遗漏。

随着医疗信息技术的发展，基于自然语言处理（natural language processing, NLP）和机器学习（machine learning, ML）的AI技术，为临床试验受试者筛选提供了新思路。此前的基于AI的临床试验受试者筛选系统研究都是在西方国家、英文语言环境中进行的，但是，由于中文临床记录通常包含大量的描述性内容而非结构化信息，语义识别高度依赖短语和词组，更容易发生交叉歧义和组合歧义，所以，汉语医学环境中的AI识别筛选更加困难。

在此项研究中，来自南方医院和惠每科技的肿瘤学家和计算机专家团队开发了适用于中文语言环境的CTMS，根据两项肝细胞癌临床试验（早期肝癌消融试验、晚期肝癌系统治疗试验）的真实入排标准，对CTMS的表现进行回顾性评估。

研究共纳入了2019年南方医科大学南方医院肝脏肿瘤中心1053名连续住院患者的3064份完整住院记录（包括文书、检验、检查等）。在人工组中，两名肿瘤学家通过查阅患者所有电子病历信息，参考未经删减的试验方案对患者进行回顾性筛选（允许进行充分的主观判断，例如，肿瘤位置是否合适消融治疗、预期生存期等），再由一名资深肿瘤学家进行审查，最终确定了患者是否可以入组试验的“金标准”，并记录人工筛选耗时。在试验组中，CTMS的评估分三步：建立患者疾病数据库，进行临床试验筛选规则配置及患者匹配。首先，来自惠每科技的计算机专家运用NLP技术对病历信息进行结构化处理，将诊断、检验检查、药物名称等核心实体进行医学标准映射，随后借助专病数据集和知识图谱技术生成患者病历数据提取规则（Extracting rules），以此对标准词映射的结果进行过滤，生成患者特定疾病数据集。同时，计算机专家和惠每的医生团队对两项临床试验方案进行分析，将试验入排标准转化为计算机执行标准——匹配规则（Matching Rules）。最后使用规则匹配器，基于患者专病数据集，筛选符合条件的患者。

结果显示，针对两项临床试验，CTMS的准确度分别为92.9%和 98.0%，敏感性为51.9%和83.5%，特异性为99.1%和99.0%，阳性预测值（PPV）为75.7%和85.1%，阴性预测值（NPV）为97.4%和98.9%。其表现与此前英文语言环境中的其他类似AI系统相比毫不逊色。例如，Mayo Clinic对沃森（Watson）系统在4项乳腺癌患者临床试验匹配的研究显示，其准确度为81%-96%，特异性为76%-99%，其敏感性为91%-95%（前3项临床试验）和47%（第4项临床试验）。需要注意的是，本研究结果的敏感性其实受到了两方面的影响，一是未经筛选的患者队列中天然存在大量不符合临床试验入排标准患者；二是为了模拟真实临床环境，研究者允许人工组进行充分的主观性决断。

在2019年间，这两项临床试验的实际入组人数分别为19人和39人，在本研究中，CTMS不仅将这些患者均筛出并归类为“符合”，同时还分别额外筛出“符合”的潜在受试者18人和28人。在耗时方面，人工组筛选全部病人耗时150小时，而CTMS仅耗时2小时（每份住院病历约0.5秒），总体工作时间减少了98.7%。由此可见，CTMS不但大大提升了临床试验受试者招募过程的效率，同时在受试者招募中表现出了较高的准确率，尤其是CTMS识别“不符合”样本的可靠性极高。

据了解，这是世界上首次针对中文语言环境开发的CTMS，并通过队列研究证明了其在中国临床试验中可能具有良好的应用前景。研究者们认为，CTMS可根据医学中心以往的临床病例资料，模拟计算新开展的临床试验入组受试者的可行性以及所需的时间，这为临床试验预调研提供了非常有效的技术手段和客观依据，并有望帮助研究人员在多家医院之间建立受试者推荐网络，以加速研究进程。

在未来，与住院病历系统对接的CTMS将具备实时提醒的功能，当在CTMS输入指定的临床试验入排标准后，CTMS可以在真实的临床环境中实时提醒研究者，避免研究者因工作繁忙而遗漏潜在的临床试验受试者。而且，CTMS还可帮助主要研究者（PI）及药物临床试验（GCP）机构进行在研项目的统筹管理。最后，从该研究中也可看出，AI技术和医学的结合、大数据的使用将是未来医学领域的重要发展方向。

论文链接：Wang, K., Cui, H., Zhu, Y. et al. Evaluation of an artificial intelligence-based clinical trial matching system in Chinese patients with hepatocellular carcinoma: a retrospective study. BMC Cancer 24, 246 (2024). https://doi.org/10.1186/s12885-024-11959-7