発生臨床試験を最適化するための深い臨床軌跡モデリング

この医療記録データ分析と医療システムの実施研究の目標は、腫瘍医の治療に積極的な通知の有効性を評価し、マッチマイナープラットフォームを利用して参加者の発生を臨床試験に最適化することです。 この研究では、標準のマッチマインダーアクセス法を2つの強化された採用方法と比較します。

第1段階では、研究者は臨床試験の発生に対するAIアルゴリズムの影響と、腫瘍医と研究者の治療によって利用されるMatchminerプラットフォームからの情報の提供に対するAIアルゴリズムの影響を改善するための定性的なフィードバックを提供します。

第2段階では、Matchminerプラットフォームによって利用可能であると特定された医療記録または臨床試験登録の「一致」は、参加者レベルでランダム化が発生する3つのコホートにランダム化されます。 グループ1では、腫瘍医の治療は、マッチマイナーを従来の形で使用して、構造化されたゲノムデータと癌の種類に基づいて潜在的な臨床試験候補を特定できます。 グループ2では、腫瘍医の治療は、AIアルゴリズムがイメージングレポートに基づいて治療を変更する可能性の高い確率を検出する患者について、マーチマイナーが特定した潜在的なゲノムマッチングされた臨床試験のリストを含む電子メールを自動的に受け取ります。腫瘍医は、従来のマッチマイナーワークフローを使用することもできます。 グループ3では、腫瘍医の治療は、患者がイメージングレポートに基づいて進行性の病気を患っており、ほとんどのがん試験の一般的な除外基準の1つを満たしていないことを確認するために追加の手動レビューの後、治療変化のAIが検出された患者のためにマッチマイナーによって特定されたゲノムマッチング臨床試験のメールリストを受け取ります（ほとんどのがんの患者を摂取している脳の摂食を抑えている脳腫瘍の患者を抱えている脳腫瘍の範囲を含む脳腫瘍の範囲を含む脳腫瘍の中心を抑えていることを確認したことを確認しました。ホスピス登録）。

注目すべきことに、この研究は、最初のNCI助成金申請プロセス中またはNIHスタッフとのその後の議論で臨床試験とは見なされませんでした。これは、臨床試験のNIH定義に従って健康関連の患者の結果ではなく、研究プロセス（患者が他の治療臨床試験に登録したかどうか）であったためです。 しかし、出版のために、医学雑誌は、この研究が臨床試験のICMJE基準を満たしていると判断し、臨床試験を要求しました。