深层临床轨迹建模以优化癌症临床试验的应计

该病历数据分析和卫生系统实施研究的目的是评估主动通知对治疗肿瘤学家的有效性，以利用MatchMiner平台优化临床试验的参与者。 这项研究将标准的匹配接入方法与两种增强募集方法进行了比较。

在第一阶段，调查人员将提供定性反馈，以改善AI算法对临床试验的影响，并通过治疗肿瘤学家和研究人员利用的Matchminer平台提供信息。

在第二阶段，仪表台平台确定的病历或临床试验入学的“匹配”将被随机分为三个同类，随机分配在参与者级别。 在第1组中，治疗肿瘤学家可以使用其传统形式的媒人来确定基于结构化基因组数据和癌症类型的潜在临床试验候选者。 在第2组中，治疗肿瘤学家将自动收到电子邮件，其中包含Marchminer鉴定的潜在基因组匹配的临床试验列表，其中我们的AI算法检测到基于成像报告更改治疗的概率升高的患者；肿瘤学家还可以使用传统的媒人工作流程。 In Group 3, treating oncologists will receive email lists of genomically matched clinical trials identified by Matchminer for patients with AI-detected elevated probability of treatment change, after additional manual review to confirm that patients had progressive diseased based on their imaging reports and did not meet one of the common exclusion criteria for most cancer trials (including uncontrolled brain metastases, multiple primary cancers, poor performance status, lack of measurable disease, already having changed治疗和临终关怀）。

值得注意的是，这项研究本身并非在最初的NCI赠款申请过程中或随后与NIH员工的讨论中考虑临床试验，因为结果是研究过程（是否参加了其他治疗性临床试验的患者），而不是根据NIH的NIH定义，而不是与健康相关的患者结果。 但是，为了出版，医学杂志确定该研究符合ICMJE的临床试验标准，并要求对其进行注册。