《基于大语言模型的端到端临床试验匹配》一文探讨了利用大型语言模型 (LLM) 来改善癌症患者临床试验匹配的效率和准确性。 目前，将癌症患者匹配到合适的临床试验是一个耗时且容易出错的过程，主要原因有三：第一，肿瘤治疗过程中产生的数据量巨大且结构复杂，包括住院记录、基因组数据和影像数据等，给医生带来了沉重的负担；第二，针对肿瘤的临床试验数量庞大且复杂，其资格标准通常包含非结构化的文本信息，需要复杂的逻辑组合才能判断患者是否符合条件；第三，为了避免患者病情恶化导致脱落，需要将患者纳入临床试验并开始治疗的时间缩到最短。 结果表明，该流程在从数万个试验中可靠地筛选相关试验以及将选定的候选试验与个体患者进行高精度匹配方面都表现出色。
购买咨询
18983288589（微信同号）
商务合作
18983288589（微信同号）
售后服务
18908392210（微信同号）
投诉建议
18980413049
关注摩熵医药公众号
随时查阅行业资讯
摩熵医药数据小程序
掌上数据查询系统
浙公网安备33011002015279
本网站未发布麻醉药品、精神药品、医疗用毒性药品、放射性药品、戒毒药品和医疗机构制剂的产品信息
收藏
登录后参与评论