Проблема автоматизации клинических исследований
Виртуальные клинические испытания (Virtual Trials) используют рутинные клинические данные для оценки стратегий лечения. Однако перевод протокола исследования в исполняемый анализ требует сложных решений: как представить клинические концепции в доступных данных, как связывать пациентов и эпизоды, как интерпретировать временные рамки. Эти решения зависят от локальных представлений данных и операционных соглашений, что делает процесс ручным и подверженным ошибкам.
Решение: VirtualTrialHarness (VTHarness)
Команда авторов во главе с Пэнцзе Ли (Pengze Li) представила VTHarness — агентный фреймворк, который координирует операционализацию виртуальных испытаний. Система выбирает повторно используемые процедурные навыки (procedural skills) для каждого этапа рабочего процесса и использует явные контракты (explicit contracts) для поддержания согласованности решений об исследовании на всех этапах.
Ключевые метрики и результаты
Для оценки эффективности была разработана VTBenchmark. Тестирование проводилось на трех сложных синтетических средах, а также на реальных данных Mayo Clinic и MIMIC-IV. Результаты демонстрируют значительное превосходство VTHarness над базовыми методами:
| Метрика / Среда | Результат VTHarness | Сравнение / Примечание |
|---|---|---|
| Синтетические среды (после уточнения требований) | 95,1% совпадений с эталоном | Против 60,4% при использовании простого поиска (retrieval) из того же корпуса процедур |
| Mayo Clinic (13 случаев) | Улучшенное восстановление источников | Увеличено перекрытие с кодом аналитиков; улучшена работа с тремя языковыми моделями |
| MIMIC-IV (8 задач) | Успешное выполнение когорт | Адаптация под конкретные сайты позволила достичь совпадений с эталонным выполнением |
Практическое применение и значимость
В рамках Программы виртуальных испытаний Mayo Clinic (Mayo Clinic Virtual Trials Program) фреймворк уже поддерживает обзор исследователями построения когорт и анализа конечных точек. Это доказывает, что координация процедурных руководств с решениями рабочего процесса может существенно улучшить внедрение виртуальных испытаний в сложных клинических схемах, снижая барьер для использования AI в регуляторных и исследовательских целях.
Источник: arXiv cs.AI ↗