TrialMatchAI: сквозная система рекомендаций клинических исследований на базе ИИ для упрощения подбора пациентов под испытания

Почему важно подбирать пациентов к испытаниям

Для многих людей с тяжёлыми заболеваниями, особенно при раке, клинические испытания могут дать доступ к новым лечению, когда стандартные варианты исчерпаны. Но найти подходящее испытание для конкретного пациента оказывается удивительно трудно и занимает много времени. В этой статье описан TrialMatchAI — система искусственного интеллекта, созданная, чтобы помогать врачам быстро выявлять, какие испытания наилучшим образом подходят пациенту, при этом сохраняя конфиденциальность данных и обеспечивая объяснимость решений.

Цифровой путеводитель по лабиринту испытаний

Каждое клиническое исследование сопровождается страницами правил, указывающих, кто может участвовать, а кто нет. В то же время у каждого пациента есть богатая медицинская история, разбросанная по результатам анализов, генетическим тестам, отчётам по сканам и записям врачей. Традиционно сотрудники должны вручную ознакомиться с обеими сторонами и принять решение о соответствии, что может занимать часы на одного пациента и легко упустить возможности. TrialMatchAI решает эту задачу, читая как медицинские записи пациента, так и документы испытаний, а затем выдавая короткий ранжированный список испытаний, которые кажутся подходящими для конкретного человека.

Как ИИ «читает» медицинские записи и протоколы испытаний

TrialMatchAI работает пошагово. Сначала система получает информацию о пациенте, включая базовые данные, медицинский анамнез, лабораторные показатели и молекулярные тесты, в стандартном формате данных, который госпитали могут экспортировать. Она также «переваривает» описания испытаний из публичных реестров, разбивая длинные разделы критериев на отдельные правила. С помощью специализированных языковых моделей, обученных на медицинских текстах, система идентифицирует ключевые элементы — болезни, лекарства, гены и мутации — и сопоставляет их с едиными медицинскими словарями. Это облегчает сравнение сведений, записанных разными способами в разных больницах и реестрах.

Поиск и ранжирование перспективных вариантов

Когда информация структурирована, TrialMatchAI ищет по большому пулу испытаний, используя два подхода одновременно: классический поиск по ключевым словам и поиск по схожести, оценивающий общий смысл. Такое сочетание вытягивает несколько сотен потенциально релевантных исследований из десятков тысяч. Вторая языковая модель затем переоценивает каждое правило в протоколе, проверяя, насколько каждое условие соответствует пациенту. Наконец, модель рассуждения проходит по «мелкому шрифту» критериев, помечая их как выполненные, невыполненные, неясные или не относящиеся к делу, и объясняет почему. Эти оценки объединяются в одно число для каждого испытания, которое используется для сортировки окончательного списка рекомендаций.

Насколько хорошо система работает в тестах

Исследователи протестировали TrialMatchAI по нескольким направлениям. На синтетических клинических случаях из двух хорошо известных публичных задач система нашла более 90 процентов релевантных испытаний, просматривая при этом лишь около 3 процентов от общего набора, и обычно размещала лучшие испытания в верхней части списка. В наборе из ста «идеальных» пациентов, чьи данные были составлены так, чтобы идеально соответствовать конкретным онкологическим испытаниям, правильное испытание оказалось в двух верхних предложениях у 95 процентов пациентов. В реальном тесте с 52 пациентами с метастатическим раком из голландской больницы у 92 процентов в топ‑20 рекомендаций хотя бы одно подходящее испытание, ориентированное на биомаркер, оказалось в списке. Эксперты, проверявшие более тысячи отдельных правил испытаний, обнаружили, что решения ИИ по каждому правилу были точны в более чем 90 процентах случаев.

Почему важны открытость, конфиденциальность и ограничения

В отличие от многих инструментов ИИ, опирающихся на закрытые коммерческие языковые модели, TrialMatchAI использует открытые модели, которые могут полностью работать внутри сети больницы. Такая архитектура помогает соответствовать законам о конфиденциальности и позволяет исследователям инспектировать, обновлять или заменять отдельные части системы по мере появления новых методов. Авторы подчёркивают, что инструмент предназначен для поддержки, а не замены медицинского суждения, и что он всё ещё может время от времени допускать редкие ошибки или давать пояснения, не полностью соответствующие данным. Они описывают будущие шаги: улучшение проверок на ошибки, ускорение моделей и расширения, которые могли бы помочь находить пациентов для конкретных испытаний.

Что это значит для пациентов и врачей

Проще говоря, исследование показывает, что ИИ-ассистент может надёжно просеивать огромное количество клинических испытаний и деталей о пациентах, чтобы выделить наиболее перспективные варианты, особенно в сфере онкологической помощи. TrialMatchAI делает это, сохраняя данные локально, предоставляя понятные по‑правилу объяснения и используя модели, которые исследовательское сообщество может открыто изучать и улучшать. При дальнейшем внедрении и валидации в повседневной практике такие системы могут сократить путь от диагноза до включения в испытание, обеспечивая большему числу пациентов своевременный доступ к исследованиям, соответствующим их медицинскому и молекулярному профилю.

Цитирование: 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

Ключевые слова: сопоставление с клиническими исследованиями, персонализированная онкология, крупные языковые модели, набор пациентов, медицинский ИИ