TrialMatchAI: نظام توصيتي سريري مدعوم بالذكاء الاصطناعي من البداية إلى النهاية لتبسيط مطابقة المرضى بالتجارب السريرية

لماذا تهم مطابقة المرضى مع التجارب

بالنسبة لكثير من الأشخاص المصابين بأمراض خطيرة، لا سيما السرطان، يمكن أن توفر التجارب السريرية وصولاً إلى علاجات جديدة عندما تنفد الخيارات القياسية. ومع ذلك، فإن العثور على التجربة المناسبة للمريض المناسب صعب ويستغرق وقتًا أكثر مما يتوقع المرء. تصف هذه المقالة TrialMatchAI، نظام ذكاء اصطناعي مصمم لمساعدة الأطباء على تحديد أي التجارب تناسب المريض بسرعة، مع الحفاظ على خصوصية البيانات وقابلية فهم القرارات.

دليل رقمي عبر متاهة التجارب

كل تجربة سريرية تأتي مع صفحات من القواعد التي تحدد من يمكنه الانضمام ومن لا يمكنه ذلك. في المقابل، يحمل كل مريض قصة طبية غنية موزعة عبر نتائج المختبر، واختبارات جينية، وتقارير الأشعة، وملاحظات الأطباء. تقليديًا، يقرأ الموظفون كلا الجانبين يدويًا ويقررون ما إذا كانت هناك مطابقة، وهي عملية قد تستغرق ساعات لكل مريض وقد تفوت فرصًا بسهولة. يتعامل TrialMatchAI مع هذا بقراءة سجلات المرضى ووثائق التجارب، ثم إنتاج قائمة قصيرة مصنفة من التجارب التي تبدو مناسبة لشخص معين.

كيف يقرأ الذكاء الاصطناعي السجلات الطبية والتجارب

يعمل TrialMatchAI خطوة بخطوة. أولاً، يستقبل معلومات المريض، بما في ذلك التفاصيل الأساسية، والتاريخ الطبي، وقياسات المختبر، والاختبارات الجزيئية، باستخدام تنسيق بيانات قياسي يمكن للمستشفيات تصديره. كما يهضم وصف التجارب من السجلات العامة، مفككًا أقسام الأهلية الطويلة إلى قواعد فردية. بمساعدة نماذج لغوية متخصصة مدربة على النصوص الطبية، يحدد النظام عناصر رئيسية مثل الأمراض، والأدوية، والجينات، والطفرات، ويربطها بقواميس طبية مشتركة. يجعل هذا من السهل مقارنة ما يكتب بطرق مختلفة عبر المستشفيات وسجلات التجارب.

البحث وترتيب الخيارات الواعدة

بعد هيكلة المعلومات، يبحث TrialMatchAI في مجموعة كبيرة من التجارب باستخدام نهجين في آن واحد: بحث كلاسيكي بالكلمات المفتاحية وبحث تشابه ينظر إلى المعنى العام. يجلب هذا المزيج بضع مئات من التجارب المحتملة من بين عشرات الآلاف. ثم يعيد نموذج لغوي ثانٍ فحص كل قاعدة في كل تجربة، سائلاً عن مدى ملاءمة كل شرط للمريض. أخيرًا، يمر نموذج استدلال عبر النص الدقيق للقواعد، موسومًا إياها على أنها محققة، غير محققة، غير واضحة، أو غير ذات صلة، ويشرح السبب. تُجمَع هذه الدرجات في رقم واحد لكل تجربة، يُستخدم لفرز قائمة التوصيات النهائية.

مدى أداء النظام في الاختبارات

اختبر الباحثون TrialMatchAI على جبهات عدة. باستخدام حالات مرضى تركيبية من تحديين عامين معروفين، استرجع النظام أكثر من 90 بالمئة من التجارب ذات الصلة بينما فحص نحو 3 بالمئة فقط من مجموعة التجارب الكاملة، وكان يميل إلى وضع أفضل التجارب في أعلى القائمة. في مجموعة مخصصة مكونة من مئة مريض "مثالي"، صممت تفاصيلهم لتطابق تجارب سريرية سرطانية محددة تمامًا، كانت التجربة الصحيحة ضمن أعلى اقتراحين لـ95 بالمئة من المرضى. في اختبار واقعي مع 52 شخصًا مصابين بسرطان نقيلي من مستشفى هولندي، وُجد أن 92 بالمئة لديهم على الأقل تجربة واحدة مدفوعة بعلامة حيوية مناسبة ضمن أفضل 20 توصية. ووجد الخبراء الذين راجعوا أكثر من ألف قاعدة تجريبية فردية أن قرارات الذكاء الاصطناعي قاعدة بقاعدة كانت دقيقة في أكثر من 90 بالمئة من الحالات.

لماذا تهم الانفتاح والخصوصية والحدود

على عكس العديد من أدوات الذكاء الاصطناعي التي تعتمد على نماذج لغوية مغلقة وتجارية، يستخدم TrialMatchAI نماذج مفتوحة المصدر يمكن تشغيلها بالكامل داخل شبكة المستشفى. يساعد هذا التصميم في الامتثال لقوانين الخصوصية ويتيح للباحثين فحص أو تحديث أو استبدال أجزاء فردية من النظام مع ظهور طرق جديدة. يشير المؤلفون إلى أن الأداة تهدف إلى دعم، وليس استبدال، الحكم الطبي، وأنها قد لا تزال ترتكب أخطاء نادرة أو تقدم تفسيرات لا تتوافق تمامًا مع البيانات. ويستعرضون خطوات مستقبلية مثل فحوص أفضل للأخطاء، وطرق لتسريع النماذج، وتوسعات قد تساعد في العثور على مرضى لتجارب محددة.

ماذا يعني هذا للمرضى والأطباء

بعبارات بسيطة، تُظهر الدراسة أن مساعدًا ذكاءً اصطناعيًا يمكنه فرز أعداد هائلة من التجارب السريرية وتفاصيل المرضى بشكل موثوق لتسليط الضوء على الخيارات الأكثر وعدًا، لا سيما في رعاية السرطان. يقوم TrialMatchAI بذلك مع الحفاظ على البيانات محليًا، وتقديم تبريرات واضحة قاعدة بقاعدة، واستخدام نماذج يمكن للمجتمع البحثي دراستها وتحسينها علنًا. إذا تم تبنيه وتوثيقه أكثر في الممارسة اليومية، فقد تُمَكِّن مثل هذه الأنظمة من تقصير المسافة من التشخيص إلى الالتحاق بالتجربة، مانحة المزيد من المرضى وصولًا سريعًا إلى الدراسات التي تناسب ملفاتهم الطبية والجزيئية.

الاستشهاد: Abdallah, M., Nakken, S., Georges, M. et al. TrialMatchAI: an end-to-end AI-powered clinical trial recommendation system to streamline patient-to-trial matching. Nat Commun 17, 4472 (2026). https://doi.org/10.1038/s41467-026-70509-w

الكلمات المفتاحية: مطابقة التجارب السريرية, الطب الدقيق في الأورام, نماذج اللغة الكبيرة, تجنيد المرضى, الذكاء الاصطناعي الطبي