{"id":9968,"date":"2024-02-13T13:08:02","date_gmt":"2024-02-13T13:08:02","guid":{"rendered":"https:\/\/dailyai.com\/?p=9968"},"modified":"2024-02-13T13:08:02","modified_gmt":"2024-02-13T13:08:02","slug":"gpt-4v-offers-big-benefits-in-clinical-trial-screening","status":"publish","type":"post","link":"https:\/\/dailyai.com\/it\/2024\/02\/gpt-4v-offers-big-benefits-in-clinical-trial-screening\/","title":{"rendered":"Il GPT-4V offre grandi vantaggi nello screening degli studi clinici"},"content":{"rendered":"

Lo screening dei pazienti per trovare i partecipanti adatti agli studi clinici \u00e8 un'attivit\u00e0 ad alta intensit\u00e0 di lavoro, costosa e soggetta a errori, ma l'intelligenza artificiale potrebbe presto risolvere il problema.<\/strong><\/p>\n

Un team di ricercatori del Brigham and Women's Hospital, della Harvard Medical School e del Mass General Brigham Personalized Medicine ha condotto uno studio per verificare se un modello di intelligenza artificiale potesse elaborare le cartelle cliniche per trovare candidati idonei alla sperimentazione clinica.<\/p>\n

Hanno utilizzato GPT-4V, il LLM di OpenAI con elaborazione delle immagini, abilitato dalla Retrieval-Augmented Generation (RAG) per elaborare le cartelle cliniche elettroniche (EHR) e le note cliniche dei potenziali candidati.<\/p>\n

I LLM sono preaddestrati a un set di dati fisso e possono rispondere solo a domande basate su tali dati. La RAG \u00e8 una tecnica che consente a un LLM di recuperare dati da fonti esterne, come Internet o i documenti interni di un'organizzazione.<\/p>\n

Quando si selezionano i partecipanti a uno studio clinico, la loro idoneit\u00e0 \u00e8 determinata da un elenco di criteri di inclusione ed esclusione. Di solito, il personale addestrato passa al setaccio le cartelle cliniche elettroniche di centinaia o migliaia di pazienti per trovare quelli che corrispondono ai criteri.<\/p>\n

I ricercatori hanno raccolto i dati di uno studio che mirava a reclutare pazienti con insufficienza cardiaca sintomatica. Hanno utilizzato questi dati per verificare se il GPT-4V con RAG potesse svolgere il lavoro in modo pi\u00f9 efficiente rispetto al personale dello studio, pur mantenendo l'accuratezza.<\/p>\n

I dati strutturati presenti nelle cartelle cliniche dei potenziali candidati potrebbero essere utilizzati per determinare 5 criteri di inclusione su 6 e 5 criteri di esclusione su 17 per lo studio clinico. Questa \u00e8 la parte pi\u00f9 semplice.<\/p>\n

I restanti 13 criteri dovevano essere determinati interrogando i dati non strutturati delle note cliniche di ciascun paziente, la parte pi\u00f9 laboriosa che i ricercatori speravano potesse essere svolta dall'intelligenza artificiale.<\/p>\n

\n

\ud83d\udd0dCan @Microsoft<\/a> @Azure<\/a> @OpenAI<\/a>'s #GPT4<\/a> di un essere umano per lo screening delle sperimentazioni cliniche? Ci siamo posti questa domanda nel nostro studio pi\u00f9 recente e sono estremamente entusiasta di condividere i nostri risultati in preprint:https:\/\/t.co\/lhOPKCcudP<\/a>
\nL'integrazione della GPT4 negli studi clinici non \u00e8...<\/p>\n

- Ozan Unlu (@OzanUnluMD) 9 febbraio 2024<\/a><\/p><\/blockquote>\n