Сотрудничество человека и ИИ для повышения точности и эффективности предварительного отбора по критериям включения в онкологические исследования: рандомизированное оценочное исследование с использованием ретроспективных электронных медицинских записей

Почему важно находить подходящих пациентов

Для многих людей с раком участие в клиническом исследовании открывает доступ к передовым методам лечения и улучшению исходов. Тем не менее лишь малая часть взрослых с онкологическими заболеваниями когда-либо записывается в исследование. Один из основных узких мест возникает задолго до подписи согласия: персоналу приходится просматривать длинные, неструктурированные медицинские записи, чтобы понять, кто вообще соответствует критериям. В этом исследовании проверяли, может ли сочетание экспертов-людей и системы искусственного интеллекта сделать этот ранний отбор более точным, не замедлив процесс.

Как сегодня проходит скрининг для участия в исследованиях

Прежде чем человек сможет присоединиться к онкологическому исследованию, персоналу клинических исследований необходимо определить, соответствует ли пациент десяткам подробных критериев включения — например, типу и стадии рака, результатам анализов и уровню повседневной активности. Многое из этой информации скрыто в неструктурированных заметках — радиологических заключениях, записях визитов, сводках лабораторий — которые часто повторяются, неполны или противоречивы. Ручной разбор таких документов медленный и утомительный, и даже опытный персонал может упустить ключевые детали. В результате некоторые подходящие пациенты остаются невыявленными и потенциально продлевающие жизнь варианты лечения теряются.

Что проверяли исследователи

Чтобы выяснить, может ли помочь ИИ, команда использовала электронные записи 355 человек с раком легких или колоректального рака, лечившихся в практике общего профиля. Они сосредоточились на 12 распространенных критериях исследований, включая стадию опухоли, специфические биомаркеры, ответ на предшествующее лечение и базовое состояние здоровья. Специализированная «нейросимволическая» языковая система сначала преобразовывала отсканированные карты в текст, затем извлекала структурированные факты, такие как результаты тестов и данные о стадировании. Два обученных координатора-исследователя затем проверяли каждую карту дважды — один раз с подсказками ИИ на экране (подход Человек+ИИ) и один раз без них (только человек), в случайном порядке. Отдельная группа клиницистов заранее подготовила «золотой стандарт» — ключ ответов для каждой карты, чтобы оценивать точность.

Как выступила команда человек–ИИ

Когда люди и ИИ работали совместно, их ответы чаще совпадали с золотым стандартом, чем у людей в одиночку. В целом команда Человек+ИИ верно определяла примерно три из четырёх показателей, по сравнению с немного более чем семью из десяти у только человеческих рецензентов, и значительно лучше, чем сама система ИИ. Наибольшие улучшения наблюдались в сложных областях, таких как тестирование и результаты по биомаркерам, точное стадирование опухоли и ответ на предыдущие лечения. В этих категориях способность ИИ просеивать большие объемы текста помогала координаторам находить информацию, которую они могли бы пропустить, в то время как люди исправляли ошибки ИИ и интерпретировали неясные случаи.

Скорость, компромиссы и человеческие предубеждения

Удивительно, но добавление ИИ не сделало процесс быстрее. В среднем оба подхода занимали чуть более получаса на одну карту. Авторы предполагают, что ИИ не столько экономил время, сколько изменял характер работы координаторов: вместо того чтобы самостоятельно искать каждую деталь, они тратили больше усилий на проверку и интерпретацию предложений ИИ. Это может быть полезным механизмом защиты, снижая риск того, что люди просто принимают выводы машины без критики. Исследование также изучало, где сотрудничество может давать сбои. По одной из мер функционального состояния пациентов ИИ оказался ненадежным, и рецензенты, слишком полагавшиеся на его выводы, выступили несколько хуже — признак «автоматизации предвзятости». В других областях люди, похоже, недооценивали точные подсказки ИИ, что указывает на «предвзятость подтверждения», при которой предпочитается информация, соответствующая предварительным впечатлениям.

Что это значит для будущей онкологической помощи

Проще говоря, это испытание показывает, что хорошо продуманное партнёрство между людьми и ИИ может сделать ранний скрининг для участия в исследованиях немного точнее, не замедлив процесс. Улучшения скромные, но сконцентрированы в тех самых сложных деталях — таких как статус биомаркеров и точное стадирование — которые часто определяют, может ли пациент участвовать в исследовании. Если такие системы далее усовершенствовать и протестировать в реальных клинических рабочих процессах, они могут помочь выявлять больше подходящих пациентов, расширить доступ к передовым онкологическим исследованиям и при этом сохранять за людьми окончательное принятие решений.

Цитирование: Parikh, R.B., Kolla, L., Beothy, E.A. et al. Human-AI teaming to improve accuracy and efficiency of eligibility criteria prescreening for oncology trials: a randomized evaluation trial using retrospective electronic health records. Nat Commun 17, 2306 (2026). https://doi.org/10.1038/s41467-026-68873-8

Ключевые слова: клинические исследования рака, электронные медицинские записи, искусственный интеллект, право на участие пациентов, сотрудничество человека и ИИ