{"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\/pt\/2024\/02\/gpt-4v-offers-big-benefits-in-clinical-trial-screening\/","title":{"rendered":"O GPT-4V oferece grandes benef\u00edcios no rastreio de ensaios cl\u00ednicos"},"content":{"rendered":"

O rastreio de pacientes para encontrar participantes adequados para ensaios cl\u00ednicos \u00e9 uma tarefa trabalhosa, dispendiosa e propensa a erros, mas a IA poder\u00e1 em breve resolver esse problema.<\/strong><\/p>\n

Uma equipa de investigadores do Brigham and Women's Hospital, da Harvard Medical School e do Mass General Brigham Personalized Medicine realizou um estudo para verificar se um modelo de IA poderia processar registos m\u00e9dicos para encontrar candidatos a ensaios cl\u00ednicos adequados.<\/p>\n

Utilizaram o GPT-4V, o LLM da OpenAI com processamento de imagem, possibilitado pela Retrieval-Augmented Generation (RAG) para processar os registos de sa\u00fade electr\u00f3nicos (EHR) e as notas cl\u00ednicas dos potenciais candidatos.<\/p>\n

Os LLMs s\u00e3o pr\u00e9-treinados usando um conjunto de dados fixo e s\u00f3 podem responder a perguntas com base nesses dados. A RAG \u00e9 uma t\u00e9cnica que permite que uma LLM recupere dados de fontes de dados externas, como a Internet ou documentos internos de uma organiza\u00e7\u00e3o.<\/p>\n

Quando os participantes s\u00e3o seleccionados para um ensaio cl\u00ednico, a sua adequa\u00e7\u00e3o \u00e9 determinada por uma lista de crit\u00e9rios de inclus\u00e3o e exclus\u00e3o. Normalmente, isto implica que uma equipa formada vasculhe os registos electr\u00f3nicos de centenas ou milhares de doentes para encontrar aqueles que correspondem aos crit\u00e9rios.<\/p>\n

Os investigadores recolheram dados de um ensaio que tinha como objetivo recrutar doentes com insufici\u00eancia card\u00edaca sintom\u00e1tica. Utilizaram esses dados para ver se o GPT-4V com RAG podia fazer o trabalho de forma mais eficiente do que a equipa do estudo, mantendo a precis\u00e3o.<\/p>\n

Os dados estruturados nos registos cl\u00ednicos electr\u00f3nicos dos potenciais candidatos podem ser utilizados para determinar 5 de 6 crit\u00e9rios de inclus\u00e3o e 5 de 17 crit\u00e9rios de exclus\u00e3o para o ensaio cl\u00ednico. Essa \u00e9 a parte f\u00e1cil.<\/p>\n

Os restantes 13 crit\u00e9rios tiveram de ser determinados atrav\u00e9s da interroga\u00e7\u00e3o de dados n\u00e3o estruturados nas notas cl\u00ednicas de cada doente, que \u00e9 a parte trabalhosa em que os investigadores esperavam que a IA pudesse ajudar.<\/p>\n

\n

\ud83d\udd0dPode @Microsoft<\/a> @Azure<\/a> @OpenAI<\/a>'s #GPT4<\/a> tem melhor desempenho do que um humano na sele\u00e7\u00e3o de ensaios cl\u00ednicos? Coloc\u00e1mos esta quest\u00e3o no nosso estudo mais recente e estou extremamente entusiasmado por partilhar os nossos resultados na pr\u00e9-impress\u00e3o:https:\/\/t.co\/lhOPKCcudP<\/a>
\nA integra\u00e7\u00e3o da GPT4 nos ensaios cl\u00ednicos n\u00e3o \u00e9...<\/p>\n

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