人工智能如何帮助临床试验精确地匹配到患者？

冠状病毒疫情强调了医疗机构与癌症作斗争的重要教训：如果先进的工具不能在临床环境中广泛应用，那么对于研究来说无济于事。

这场疫情凸显了医疗保健行业一些效率低下的方面。例如，在冠状病毒爆发之初，引起了人们对呼吸机和个人防护设备紧缺的关注。然后，人们看到美国的低收入群体和弱势群体更容易受到疫情的影响，最后，疫情还凸显了美国各州疫苗接种分布不均的问题。

为了应对这些危机，一些医疗机构已经采用与大数据相关的技术，例如人工智能技术、自然语言处理、数据管理等。一些医学研究人员和医生已经部署了这些工具，以针对那些最有可能感染病毒的人员进行测试，重新分配资源给最脆弱的患者;并加快开发和生产疫苗的速度。

尽管对于全球一流的实验室和医疗机构来说已经采用一些先进技术，但对于美国大多数医院和癌症治疗中心采用的医疗工具来说，它们不是标准的功能，这些用于治疗冠状病毒患者或包括癌症在内的主要威胁生命的重大疾病。

在癌症治疗中心采用的数字医疗技术正在广泛使用。虽然这项技术可以使医疗系统更有d性和有效性，但这可能会影响到已经过度紧张的临床环境。当人们希望在疫情消退之后恢复对美国医疗卫生系统的信心时，需要采用更好的先进技术，但前提是临床医生能够使用它。摒弃花哨的功能而采用实用性技术应该成为指导方针。

用于癌症的研究试验

由于发生疫情，使癌症的研究工作也受到严重的影响。癌症试验通常是癌症患者的最大也是最后的希望，但在医院的试验资源有限时，如何识别和招募志愿者却面临着挑战。

甚至在发生疫情之前，由于难以找到足够的患者，这种研究和试验也常常失败。在去年4月，医疗数据服务提供商Medidata公司开展的1，500项试验的试验者注册率下降了70%。这个数字在去年6月开始回升，但随着美国冠状病毒病例的激增，注册率再次下降。

现在，数以万计的癌症患者对于肿瘤专家和研究人员有着更多的期待。与对抗冠状病毒一样，利用现有技术来支持和加快科学家和医生的研究工作也有巨大的机会。

尽管推出了许多人工智能解决方案，但是使用机器学习或自然语言处理的挑战是，人们不能确保获得计算能力或完美的算法。随着云计算和软件的飞速发展，做到这些会更容易。肿瘤研究人员的重点应放在与临床环境无缝匹配的解决方案上，也就是医生及其员工将使用的工具。这就是生成患者数据的关键，而患者数据是推动医疗保健系统技术发展的引擎。

更轻松地提取数据

成功促使患者进行临床试验的解决方案将集成到现有系统和工作流程中，而不会给不堪重负的医生或其支持人员带来摩擦或过多的任务。许多人工智能解决方案将采用电子医疗记录，要求医生进行额外的输入来创建数据。现实情况是，医生和面向患者的工作人员没有足够的时间和带宽来做到这一点。

大多数肿瘤专家表示，他们每次探视病人可能只花费13到24分钟的时间。与此同时，医生通常只将约15%的时间花费在患者身上，他们花费更多的时间分析患者的数据。开发这些工具的研究人员应该致力于将医生腾出更多的时间，而不是对他们提出额外的要求。因此，研究机构设计了支持人工智能的平台，以挖掘现有的结构化数据源，例如电子病历（EMR）和肿瘤患者的登记。同时，研究人员也专注于提取其他临床相关数据，这些数据对于那些进行试验以寻找可能匹配项的人员来说是必不可少的。其中包括非结构化数据，例如来自医生的患者记录、来自外部来源的实验室报告，或者传真和扫描文件，其中可能包含与复杂的临床试验的纳入或排除标准相匹配的关键信息。

与在肿瘤学领域试用许多技术和产品不同，如今看到了积极的成果。从去年3月到6月，由于许多临床试验处于暂停状态，试验人数急剧下降，例如采用这种技术的一个癌症治疗中心只招募了10名癌症患者。

数据提取过程使用自然语言处理来解锁隐藏在非结构化来源中的数据，查找患者癌症的组织学和行为、基因组成、阶段、患者是否做过手术。

如果有时间的话，医疗专业人员也可以开展这项工作。得益于云计算和数据处理的巨大进步，这项技术筛选了成千上万个临床试验标准中的数万个排列方法，这项任务如果人工处理的话，实际上需要花费数周的时间。

尽管该技术无法最终确定是否适合的志愿者，但重要的是它显著缩小了研究范围，为医生找到符合临床试验要求的患者提供了更多机会。

研究表明，每20名成年癌症患者中只有1人参加临床试验，这可能是患者的犹豫或者面临经济方面的障碍，这是一些最重要的因素，这主要是缺乏信息或医生转诊。医生认为临床试验是一种正确的做法，试验可以为患者提供高质量的治疗和护理。

招募患者的困难归结为时间有限和临床方面繁琐的后勤工作。人们需要认识到这一现实，并为医生克服这些困难提供帮助。
责编AJX