L’intelligence artificielle générative (Gen AI) peut rapidement et précisément examiner les patients pour leur éligibilité aux essais cliniques, selon une nouvelle étude menée par des chercheurs du Mass General Brigham. Une telle technologie pourrait rendre l’évaluation de nouveaux traitements plus rapide et plus rentable et, à terme, contribuer à proposer des traitements efficaces aux patients.

Les chercheurs ont évalué l’exactitude et le coût d’un processus d’IA génétique qu’ils ont appelé RAG-Enabled Clinical Trial Infrastructure for Inclusion Exclusion Review (RECTIFIER), qui utilise leurs dossiers médicaux pour identifier les patients répondant aux critères d’inclusion dans un essai sur l’insuffisance cardiaque. Ils ont constaté que RECTIFIER examinait les patients plus étroitement pour les critères qui nécessitent un examen des notes du patient que les coordinateurs de recherche formés aux maladies qui examinent généralement – ; Et tout cela à une fraction du coût actuel. Les résultats de l’étude ont été publiés dans NEJM KI.

Nous avons vu que les grands modèles linguistiques ont le potentiel d’améliorer fondamentalement le dépistage des essais cliniques. Maintenant commence le travail difficile consistant à déterminer comment intégrer cette capacité dans les opérations d’essais réels de manière à améliorer simultanément l’efficacité, la sécurité et l’équité.

Samuel (Sandy) Aronson, ALM, MA, co-auteur principal de l’étude et directeur exécutif, Solutions informatiques et IA, Mass General Brigham Personalized Medicine

Samuel (Sandy) Aronson est également directeur principal des solutions informatiques et d’IA à l’Accélérateur de transformation clinique.

Les essais cliniques impliquent des personnes qui répondent à certains critères, tels que : B. Âge, diagnostics, indicateurs de santé clés et médicaments actuels ou antérieurs. À l’aide de ces critères, les chercheurs peuvent s’assurer qu’ils recrutent des participants représentatifs de ceux qui devraient bénéficier du traitement. Les critères d’inscription aident également les chercheurs à éviter d’inclure des patients qui ont des problèmes de santé non liés ou qui prennent des médicaments susceptibles d’affecter les résultats.

Le co-auteur principal Ozan Unlu, MD, chercheur en informatique clinique au Mass General Brigham et chercheur en médecine cardiovasculaire au Brigham and Women’s Hospital, a déclaré : « Le dépistage des participants est l’une des tâches les plus longues, les plus laborieuses et les plus sujettes aux erreurs dans une.”étude clinique.”

L’équipe de recherche, qui fait partie du Mass General Brigham Accelerator for Clinical Transformation, a testé la capacité du processus d’IA à identifier les patients éligibles à l’essai Co-Operative Program for Implementation of Optimal Therapy in Heart Failure (COPILOT-HF), qui recrute des patients. souffrant d’insuffisance cardiaque symptomatique et identifie les participants potentiels à l’aide des données du dossier de santé électronique (DSE). Les chercheurs ont conçu 13 invites pour évaluer l’éligibilité aux essais cliniques. Ils ont testé et optimisé ces invites à l’aide des dossiers médicaux d’un petit groupe de patients avant de les appliquer à un ensemble de données de 1 894 patients, avec une moyenne de 120 notes par patient. Ils ont ensuite comparé les performances de dépistage de ce processus avec celles du personnel de l’étude.

Le processus d’IA était précis entre 97,9 % et 100 %, basé sur une réconciliation avec l’évaluation « de référence » d’un clinicien expérimenté visant à déterminer si les patients répondaient aux critères de l’étude. En comparaison, le personnel de l’étude évaluant les mêmes dossiers médicaux était légèrement moins précis que l’IA, avec des taux d’exactitude allant de 91,7 % à 100 %.

Les chercheurs ont estimé qu’il en coûte environ 0,11 $ pour examiner chaque patient avec le modèle d’IA. Les auteurs expliquent que cette méthode est bien plus rentable que les méthodes de dépistage traditionnelles.

Le co-auteur principal Alexander Blood, MD, cardiologue au Brigham and Women’s Hospital et directeur adjoint de l’Accélérateur pour la transformation clinique, a noté que l’utilisation de l’IA dans les essais cliniques pourrait réduire le temps nécessaire pour déterminer si une thérapie est efficace. “Si nous pouvons accélérer le processus des essais cliniques et rendre les essais moins chers et plus équitables sans compromettre la sécurité, nous pouvons fournir les médicaments aux patients plus rapidement et garantir qu’ils aident une population plus large”, a déclaré Blood.

Les chercheurs ont noté que l’IA peut présenter des risques qui doivent être surveillés lorsqu’elle est intégrée aux flux de travail de routine. Cela pourrait conduire à des biais et à un manque de nuances dans les notes médicales. De plus, un changement dans la manière dont les données sont collectées dans un système de santé pourrait avoir un impact significatif sur les performances de l’IA.

Pour ces raisons, toute étude utilisant l’IA pour dépister les patients doit avoir des contrôles, ont conclu les auteurs. Dans la plupart des études, un clinicien effectue une nouvelle sélection des participants que le personnel de l’étude juge appropriés pour une étude. Les chercheurs ont recommandé de poursuivre cette revue finale avec le dépistage de l’IA.

“Notre objectif est de prouver que cela fonctionne dans d’autres domaines de maladies et cas d’utilisation à mesure que nous nous développons au-delà des murs de Mass General Brigham”, a ajouté Blood.

Source:

Référence du magazine :

Unlu, O., et autres. (2024) GPT-4 activé par la génération augmentée de récupération pour le dépistage des essais cliniques. NEJMAI. est ce que je.org/10.1056/AIoa2400181.



Source