Core Concepts
대규모 언어 모델을 활용하여 실제 환자 전자의무기록 데이터를 기반으로 환자에게 적합한 임상시험을 자동으로 매칭하는 시스템을 제안한다.
Abstract
이 연구는 실제 환자 전자의무기록 데이터와 대규모 언어 모델을 활용하여 환자-임상시험 매칭 시스템을 개발하고 평가한다. 주요 내용은 다음과 같다:
환자 기록 해석과 임상시험 기준을 직접 활용하는 확장 가능한 end-to-end 파이프라인 PRISM을 소개한다.
온콜로지 분야에 특화된 fine-tuned 모델 OncoLLM을 개발하였으며, 이는 GPT-3.5보다 우수한 성능을 보이고 GPT-4와 유사한 수준의 성능을 달성한다.
의사의 성능과 거의 맞먹는 수준의 임상시험 매칭 성능을 보여주어, 실제 임상 적용 가능성을 시사한다.
환자 중심 및 임상시험 중심 검색 방향성을 모두 지원하는 통합 파이프라인을 제시한다.
실제 환자 기록과 임상시험 데이터를 활용한 포괄적인 평가를 수행한다.
임상시험 순위 결정을 위한 새로운 알고리즘을 제안하여 기존 접근법 대비 성능을 향상시킨다.
Stats
환자 기록은 평균 49~283개의 문서로 구성되어 있다.
환자-임상시험 매칭 실험에는 98명의 환자와 980개의 환자-임상시험 조합이 사용되었다.
Quotes
"임상시험은 과학적 발견을 진전시키고 환자 진료를 개선하며 의학 혁신을 주도하는 데 필수적이다."
"임상시험 모집에 어려움을 겪는 주요 요인 중 하나는 의사들이 각 환자의 정보를 체계적으로 검토하여 이용 가능한 임상시험 목록과 대조해야 하는 번거로운 작업이다."