Paradigm06.03.2024 08:00

Клинические исследования — это способ поиска новых лекарств, которые могут стать жизненно важным средством лечения. Paradigm⁠ разрушает барьеры в сфере здравоохранения с помощью технологий, которые делают клинические исследования доступными для более широкого круга людей, например для онкологических больных, и одновременно снижают бумажную нагрузку на врачей и медсестер для борьбы с профессиональным выгоранием клиницистов.

Процесс отбора участников в клинические исследования несовершенен

Оценка медицинских карт пациентов представляет собой серьезное узкое место при включении пациентов в клинические исследования, которые могли бы стать для них наилучшим вариантом лечения. У медицинских работников редко есть время на поиск подходящих клинических исследований, изучение их деталей, сопоставление данных и отбор пациентов. В результате большинство клинических исследований заполняется пациентами, находящимися в непосредственной близости от места их проведения, что создает предвзятость в процессе отбора и лишает многих пациентов доступа к новаторскому лечению, способному спасти им жизнь.

Чтобы решить эту проблему, Paradigm внедрила и оптимизировала традиционные передовые методы, а также специализированные для сферы здравоохранения модели машинного обучения (ML) и обработки естественного языка (NLP) для извлечения и интерпретации данных из медицинских карт. Эти модели прошли обучение и оценку на эталонных наборах данных, составленных экспертами-клиницистами. Однако этот подход оказался медленным и трудоемким.

«Мы развернули дообученные передовые медицинские модели, которые затем подвергли дополнительной оптимизации. На это уходит масса времени, причем все приходится делать отдельно для каждого конкретного случая использования. Для каждого элемента информации нужно создавать, обучать и проверять отдельную модель».

Поскольку традиционные модели работали лишь с определенной степенью эффективности, клиницистам приходилось вручную проверять результаты работы моделей на предмет соответствия стандартам качества.

Использование GPT-4 для оценки наборов данных клинических исследований

В компании Paradigm пришли к выводу, что большие языковые модели (LLM) благодаря их способности обобщать неструктурированный текст могут отлично подойти для их задач и заменить подход с созданием разовых моделей ML. Они рассмотрели два возможных пути: интеграцию с заказной LLM, обученной на медицинских сценариях, или интеграцию с GPT-4 через API OpenAI.

В Paradigm считали, что для получения хороших результатов им потребуется специализированная медицинская модель. Они были «потрясены», обнаружив, что GPT-4 превзошла команду высококвалифицированных экспертов-людей в сложных задачах оценки данных.

В конечном итоге они выбрали OpenAI по нескольким причинам:

• Точность: Paradigm провела строгую оценку на своих эталонных наборах данных, составленных экспертами. GPT-4 оказалась по меньшей мере на 10% точнее самых современных моделей ML по комбинированной метрике точности и полноты. В некоторых случаях они наблюдали «невероятные» улучшения. «Точность OpenAI оказалась выше, чем при нашем прежнем развертывании и оптимизации обученных экспертами моделей, соответствующих лучшим отраслевым практикам, и порой она превосходила показатели наших подготовленных клиницистов», — отметил Хирш. — «Чем сложнее была информация и чем в большем количестве разных мест она находилась, тем лучше проявляла себя GPT-4».
• Простота использования: «С точки зрения продукта всё оказалось очень просто. API прост в использовании, и его легко интегрировать в наш стек». Команда также высоко оценила качество документации по API, предоставляемой в рамках поддержки OpenAI: «По сравнению с работой с другими организациями, с OpenAI мы можем быть более самостоятельными».
• Мультимодальный ввод и длинные контекстные окна: Обе функции имели ключевое значение при работе с данными медицинских карт.
• Безопасность и соответствие нормативным требованиям: «Что действительно убедило нас начать работу с OpenAI, так это ваш серьезный подход к обеспечению соответствия нормативным требованиям, включая поддержку соблюдения требований HIPAA. Поскольку мы обслуживаем медицинские учреждения и их пациентов, соответствие нормативным требованиям является для нас обязательным условием».

GPT-4 повышает скорость работы продукта, качество данных и снижает операционные расходы

• Извлечение новых элементов данных за дни, а не за месяцы: GPT-4 перевернула представление Paradigm о своей базовой инфраструктуре, полностью заменив процесс создания моделей ML по отдельности для каждого компонента данных. Это значительно ускорил дорожную карту Paradigm, позволив компании быстро расширять сотрудничество с новыми медицинскими партнерами и типами исследований.
• Сокращение времени экспертов-клиницистов на валидацию моделей на 90%: По оценкам Paradigm, для оценки результатов работы GPT-4 требуется лишь 1/10 часть данных по сравнению с предыдущими специализированными моделями ML.
• Прирост точности на 10%: Благодаря более точным данным, чем раньше (во многих случаях превосходящим экспертов-людей), GPT-4 снизила необходимость вмешательства экспертов-людей в результаты моделирования. Врачи и медсестры в Paradigm и компаниях-партнерах могут уделять больше времени уходу за пациентами, а не чтению документов.
• Более справедливый доступ к исследованиям: Хотя компания еще продолжает это доказывать, в Paradigm верят, что GPT-4 способна более точно отбирать недообследованные категории пациентов для участия в исследованиях. У таких пациентов в медицинских картах обычно содержится меньше структурированных данных и больше неструктурированных (например, заметок), с извлечением и интерпретацией которых GPT-4 справляется превосходно.

Оценка сотен пациентов в минуту

Заглядывая в будущее, в Paradigm с энтузиазмом смотрят на возможности использования понимания естественного языка GPT-4 для дальнейшего снижения нагрузки на клиницистов. Вместо того чтобы писать код для анализа данных, клинические группы смогут вести диалог с ChatGPT о данных пациента, чтобы выяснить его соответствие критериям участия в исследованиях, недостающую информацию и дальнейшие шаги.

В Paradigm воодушевлены тем, как они могут продолжать увеличивать скорость скрининга пациентов. С помощью GPT-4 их платформа потенциально способна оценивать сотни пациентов в минуту. Для сравнения: типичная медсестра-координатор исследований может вручную проанализировать около 50 пациентов в день. Такой рост эффективности может привести к ситуации, когда пациенты получат гораздо лучший доступ к клиническим исследованиям, врачи и медсестры смогут уделять больше времени уходу за больными и меньше — ведению документации, а новые жизненно важные методы лечения будут выходить на рынок быстрее.