آغاز تحقیق مشترک برای بهبود دقت و کارایی شناسایی بیماران کاندید آزمایش‌های بالینی با استفاده از داده‌های دنیای واقعی و هوش مصنوعی مولد

شرح خبر

بیمارستان دانشگاه کینکی، شرکت چوگای سِییاکو، شرکت ان‌تی‌تی و شرکت ان‌تی‌تی دیتا از ژوئن ۲۰۲۶ تحقیق مشترکی را برای ارزیابی دقت و کارایی فرآیند شناسایی بیماران کاندید برای آزمایش‌های بالینی آغاز کردند. در این تحقیق، داده‌های الکترونیک پرونده‌های پزشکی بیمارستان دانشگاه کینکی با استفاده از معیارهای واجد شرایط بودن تعیین‌شده در پروتکل آزمایش بالینی شرکت چوگای سِییاکو و با بهره‌گیری از مدل‌های زبانی بزرگ (LLM) مورد بررسی قرار می‌گیرد. هدف اصلی، مقایسه روش‌های سنتی شناسایی بیماران با روش‌های مبتنی بر LLM و ارزیابی تأثیر آن‌ها بر کاهش بار کاری پزشکان و هماهنگ‌کنندگان آزمایش‌ها، همچنین کوتاه‌سازی زمان شناسایی بیماران است. این تحقیق تا مارس ۲۰۲۷ ادامه خواهد داشت و انتظار می‌رود نتایج آن به بهبود سرعت توسعه داروهای جدید و دسترسی سریع‌تر بیماران به گزینه‌های درمانی کمک کند. بیمارستان دانشگاه کینکی، شرکت چوگای سِییاکو، شرکت ان‌تی‌تی و شرکت ان‌تی‌تی دیتا تحقیق مشترکی را برای بهبود دقت و کارایی شناسایی بیماران کاندید آزمایش‌های بالینی آغاز کردند. در این تحقیق، داده‌های الکترونیک پزشکی بیمارستان با استفاده از معیارهای پروتکل آزمایش بالینی و مدل‌های زبانی بزرگ (LLM) تحلیل می‌شوند. روش‌های سنتی و مبتنی بر LLM با هم مقایسه شده و تأثیر آن‌ها بر کاهش زمان و بار کاری ارزیابی می‌شود. هدف نهایی، کوتاه‌سازی زمان جذب شرکت‌کنندگان در آزمایش‌ها و تسریع توسعه داروهای جدید است. این تحقیق تا مارس ۲۰۲۷ ادامه خواهد داشت و نتایج آن می‌تواند به بهبود فرآیندهای بالینی کمک کند. این تحقیق اهمیت زیادی دارد زیرا استفاده از هوش مصنوعی و داده‌های دنیای واقعی می‌تواند فرآیند شناسایی بیماران کاندید را به‌طور قابل توجهی بهبود بخشد. کاهش زمان و هزینه در آزمایش‌های بالینی می‌تواند سرعت توسعه داروهای جدید را افزایش داده و دسترسی بیماران به درمان‌های نوین را تسریع کند. علاوه بر این، استفاده از LLM برای تحلیل داده‌های غیرساختاریافته پزشکی می‌تواند دقت تشخیص‌ها را بهبود بخشیده و بار کاری پزشکان را کاهش دهد. این تحقیق می‌تواند تأثیر قابل توجهی بر صنعت داروسازی داشته باشد، زیرا کوتاه‌سازی زمان آزمایش‌های بالینی به معنای کاهش هزینه‌ها و تسریع عرضه داروهای جدید به بازار است. شرکتهای داروسازی می‌توانند با استفاده از فناوری‌های پیشرفته، رقابت‌پذیری خود را افزایش داده و سهم بیشتری از بازار را به دست آورند. همچنین، همکاری بین مؤسسات پزشکی و شرکتهای فناوری می‌تواند به ایجاد مدل‌های تجاری جدید منجر شود. در ایران، این تحقیق می‌تواند الگو و انگیزه‌ای برای استفاده از هوش مصنوعی و داده‌های پزشکی در بهبود فرآیندهای بالینی باشد. با توجه به چالش‌های موجود در زمینه دسترسی به داروهای جدید و هزینه‌های بالای آزمایش‌های بالینی، استفاده از فناوری‌های مشابه می‌تواند به بهبود سیستم بهداشت و درمان کشور کمک کند. همچنین، همکاری با شرکتهای بین‌المللی در این زمینه می‌تواند به انتقال فناوری و دانش فنی منجر شود. این تحقیق می‌تواند تأثیراتی بر قوانین و مقررات مربوط به استفاده از هوش مصنوعی در حوزه پزشکی داشته باشد. استفاده از LLM برای تحلیل داده‌های پزشکی نیازمند رعایت حریم خصوصی و امنیت داده‌ها است، که می‌تواند به تدوین قوانین جدید یا اصلاح قوانین موجود منجر شود. همچنین، مسئولیت قانونی در صورت خطاهای ناشی از استفاده از هوش مصنوعی در تشخیص‌های پزشکی باید به دقت تعریف شود. ژاپن به عنوان یکی از پیشگامان در زمینه فناوری و نوآوری‌های پزشکی، با انجام چنین تحقیقاتی می‌تواند موقعیت خود را در بازار جهانی تقویت کند. همکاری بین مؤسسات پزشکی و شرکتهای فناوری در ژاپن می‌تواند به عنوان الگویی برای سایر کشورها، از جمله ایران، مورد استفاده قرار گیرد. NTT Group News Releases بیمارستان دانشگاه کینکی و شرکای ژاپنی تحقیقی را برای بهبود دقت و کارایی شناسایی بیماران کاندید آزمایش‌های بالینی با استفاده از LLM آغاز کردند. این تحقیق تا مارس ۲۰۲۷ ادامه خواهد داشت.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.