TrialMatchAI：患者と治験をつなぐためのエンドツーエンドのAI駆動臨床試験推薦システム

患者と試験をつなぐことが重要な理由

特にがんのような重篤な病気を持つ多くの人にとって、標準治療が尽きた時に臨床試験は新しい治療へのアクセスを提供することがあります。しかし、適切な試験を適切な患者に見つけることは意外に難しく、時間がかかります。本稿では、医師が患者に最も適した試験を迅速に見つけられるよう支援し、データのプライバシーと判断の説明可能性を保つことを目的とした人工知能システム、TrialMatchAIを紹介します。

膨大な試験群の中を導くデジタルガイド

すべての臨床試験には参加条件や除外基準を記した長いルールが付属します。同時に、各患者には検査結果、遺伝子検査、画像報告、医師の所見などにわたる詳細な医療記録があります。従来はスタッフが双方を手作業で読み比べて適合を判断しており、1人当たり何時間もかかり、機会を見逃しがちです。TrialMatchAIは患者記録と試験文書の両方を読み取り、その人に適すると思われる試験の短いランク付けリストを生成することでこの問題に対処します。

AIが医療記録と試験をどう読むか

TrialMatchAIは段階的に動作します。まず、基本情報、病歴、検査値、分子検査など病院が出力できる標準データ形式で患者情報を受け取ります。さらに公開登録にある試験記述を取り込み、長い適格性の節を個々のルールに分割します。医療テキストで訓練された専門の言語モデルの助けを借りて、疾患、薬剤、遺伝子、変異といった重要項目を抽出し、共通の医療辞書にマッピングします。これにより、病院や試験登録で異なる表記がされている情報を比較しやすくなります。

有望な選択肢を見つけて順位付けする仕組み

情報が構造化されると、TrialMatchAIは二つの手法を同時に用いて大規模な試験プールを検索します：古典的なキーワード検索と、全体の意味を見て類似性を評価する検索です。この組み合わせにより、数万件の中から数百件の候補が抽出されます。続いて別の言語モデルが各試験をルールごとに再検討し、各条件が患者にどれだけ合致するかを評価します。最後に推論モデルが細則を精査し、それぞれを「満たす」「満たさない」「不明」「関連なし」に分類して理由を説明します。これらのスコアは各試験ごとに単一の数値に結合され、最終的な推薦リストの並び替えに使われます。

テストにおけるシステムの性能

研究者らは複数の観点でTrialMatchAIを評価しました。よく知られた二つの公開チャレンジからの合成患者ケースを用いた試験では、全試験セットの約3パーセントを調べるだけで関連する試験の90パーセント以上を検索でき、最良の試験を上位に配置する傾向がありました。特定のがん試験に完全に一致するように作成した100件の「理想的」患者セットでは、正しい試験が95パーセントの患者で上位2件のうちに入りました。オランダの病院からの転移性がん患者52人を対象とした現実世界のテストでは、92パーセントが上位20件の推薦に少なくとも1件の適切なバイオマーカー駆動試験を含んでいました。1,000以上の個別試験ルールを専門家が検証した結果、AIのルールごとの判定は90パーセント超で正確でした。

オープン性、プライバシー、限界が重要な理由

商用の閉じた言語モデルに依存する多くのAIツールと異なり、TrialMatchAIは病院ネットワーク内で完全に実行できるオープンソースモデルを使用します。この設計はプライバシー法に適合しやすく、新しい手法が現れた際にシステムの個々の部分を研究者が検査、更新、置換できる利点があります。著者らはこのツールが医療判断を支援するものであり、代替するものではないと指摘しており、まれに誤りを起こしたり説明がデータと完全に一致しない場合があることも述べています。将来的には誤り検出の強化、モデルの高速化、特定の試験向けに患者を見つける機能拡張などが必要だと示しています。

患者と医師にとっての意義

簡単に言えば、この研究はAIアシスタントが膨大な臨床試験と患者情報を信頼性を持ってふるいにかけ、有望な選択肢を浮かび上がらせることができることを示しています。特にがん医療の分野で、TrialMatchAIはデータを院内に留め、ルールごとの明瞭な説明を提供し、研究コミュニティが公開して検討・改良できるモデルを使用します。日常診療でさらに採用・検証されれば、診断から試験登録までの期間を短縮し、より多くの患者が自身の臨床的および分子プロファイルに合った試験にタイムリーにアクセスできるようになる可能性があります。

引用: 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

キーワード: 臨床試験マッチング, 精密腫瘍学, 大規模言語モデル, 患者募集, 医療AI