«Sfruttare con responsabilità l’intelligenza artificiale affinché i medici possano associare i loro pazienti a uno studio clinico pertinente, che potrebbe interessarli, con ancora più rapidità ed efficienza». Così Stephen Sherry, direttore della National Library of Medicine (NLM), il cui team di esperti – insieme ai colleghi del National Center for Biotechnology Information (NCBI) – ha sfruttato la potenza dei Large Language Models, i modelli linguistici di grandi dimensioni, per realizzare un software di IA mirato a velocizzare l’iter di abbinamento di potenziali volontari a una serie di studi clinici elencati su ClinicalTrials.gov. L’algoritmo e la sua efficacia sono dettagliati in un articolo su Nature Communications.
Secondo la ricerca multicentrica, l’algoritmo “TrialGpt” è in grado di individuare con successo gli studi clinici attinenti per i quali un paziente risulta idoneo, per poi fornire un riepilogo che illustra – con puntualità – in che modo la persona identificata soddisfa i canoni per l’arruolamento nel medesimo studio. Lo step di reclutamento dei pazienti nei trial clinici può infatti prevedere molto tempo, soprattutto quando si parla di patologie rare. «L’apprendimento automatico e l’intelligenza artificiale hanno già fornito risultati incoraggianti nel matching, ma la loro applicazione pratica in diverse popolazioni richiedeva ulteriori esplorazioni», prosegue Sherry.
Come funziona TrialGpt
Il framework “TrialGpt” è costituito da tre moduli fondamentali per ottimizzare l’intero processo: in principio l’algoritmo di IA esegue un filtro su larga scala – utilizzando parole chiave generate automaticamente – per recuperare gli studi candidati (TrialGpt-Retrieval); quindi subentra la fase del Matching, che esamina i parametri di inclusione ed esclusione di ogni trial rispetto ai dati del paziente, producendo spiegazioni chiare e coerenti; l’ultimo step è il Ranking: unisce le valutazioni dei criteri per ciascuno studio, catalogandoli in base all’idoneità complessiva del paziente e redigendo una classifica per riconoscere il trial più adatto.
I ricercatori hanno valutato il software su tre coorti di 183 pazienti sintetici con oltre 75.000 annotazioni di studi clinici. E nel descrivere i risultati di ognuno dei tre passaggi, spiegano: “TrialGpt-Retrieval ha recuperato oltre il 90% degli studi rilevanti esaminando meno del 6% della collezione iniziale. Le valutazioni manuali su 1015 coppie paziente-criterio mostrano che TrialGpt-Matching tocca un’accuratezza dell’87,3% con spiegazioni attendibili, avvicinandosi alle prestazioni degli esperti. Infine, i punteggi di TrialGpt-Ranking risultano altamente correlati con i giudizi umani e oltrepassano i migliori modelli concorrenti del 43,8% nel classificare ed estromettere studi”.
Risparmiare tempo prezioso
Un test pilota condotto presso il National Cancer Institute (NCI) rivela che TrialGpt può limitare del 42,6% il tempo utile per il processo di screening nel reclutamento dei pazienti. «La nostra ricerca dimostra che TrialGpt non solo può aiutare i medici a mettere in contatto i loro pazienti con le opportunità di studio clinico in maniera più efficiente, ma anche a risparmiare tempo prezioso per compiti più complessi che richiedono competenza umana”, ammette Zhiyong Lu, ricercatore senior presso la National Library of Medicine e responsabile per la ricerca bibliografica del National Center of Biotechnology Information.
Certo, l’algoritmo TrialGpt mostra un potenziale incredibile come strumento volto a migliorare l’abbinamento tra candidati idonei e trial clinici. Ciò nonostante, saranno indispensabili ulteriori approfondimenti per valutare le sue limitazioni e stimarne l’applicazione su larga scala. Ad ogni modo, considerato gli incoraggianti risultati del software di IA, il team di ricerca è stato candidato al The Director’s Challenge Innovation Award, programma che premia la ricerca e l’innovazione in medicina.
