馮晨陽 何仲廉 葛潔英 曹燁 李超峰

[摘要]?受試者的招募，尤其是腫瘤患者、罕見病患者等，一直是研究者面臨的一個難點。筆者醫(yī)院臨床試驗項目逐年增多，目前主要通過主診醫(yī)生人工識別患者是否適合某臨床試驗入組的條件，存在效率低下、入組率低等問題。本文介紹筆者醫(yī)院基于大數(shù)據(jù)平臺的臨床試驗受試者智能招募系統(tǒng)的建設(shè)與實踐。該系統(tǒng)實現(xiàn)了受試者和臨床試驗項目智能匹配、項目管理、項目查詢等功能，通過系統(tǒng)一年多的應(yīng)用，該系統(tǒng)增加項目信息曝光量，使得醫(yī)患信息對等，有利于患者了解相關(guān)信息，進一步增加入組的概率，同時智能匹配可提高受試者招募效率和成功率，為筆者醫(yī)院臨床試驗的開展提供支撐。

[關(guān)鍵詞]?臨床試驗；受試者招募；醫(yī)院信息化；大數(shù)據(jù)平臺；人工智能

[中圖分類號]?R857.3????[文獻標(biāo)識碼]?A????[DOI]?10.3969/j.issn.1673-9701.2024.17.020

患者臨床試驗受試者的招募，尤其是腫瘤患者、罕見病患者等，一直是研究者面臨的一個難點[1-4]。有研究報道，受試者招募直接影響試驗的成敗：85%～95%延期的原因是不能按計劃招募到合格的受試者，19%的臨床試驗由于未能達到預(yù)計樣本量而終止試驗[5]。一篇分析藥物臨床試驗暫停或終止的原因顯示，廣東省內(nèi)因入組困難或招募數(shù)量不足暫停或終止的試驗占比達20.49%[6]。

招募困難的主要原因之一在于部分臨床試驗招募條件苛刻，目標(biāo)人群比較少[7]。隨著精準(zhǔn)醫(yī)學(xué)的發(fā)展，患者招募條件越來越復(fù)雜，不僅包含常見的年齡、檢驗、診斷、藥品、病理等條件，還包含很多如治療方案、療效、治療時間間隔、基因、手術(shù)等條件，傳統(tǒng)翻閱病歷、在醫(yī)院信息系統(tǒng)（hospital?information?system，HIS）、實驗室信息系統(tǒng)（laboratory?information?system，LIS）等。單個系統(tǒng)內(nèi)查找受試者的方式，非常低效且難以精準(zhǔn)定位受試者、錯過受試者能夠參加臨床試驗的窗口期。而患者因缺少信息來源，以及相關(guān)醫(yī)學(xué)知識，難以自主發(fā)現(xiàn)合適的臨床試驗。

隨著信息技術(shù)的發(fā)展，大數(shù)據(jù)制導(dǎo)、以患者需求為導(dǎo)向的招募成為新模式[8-9]。國家藥品監(jiān)督管理局發(fā)布的《以患者為中心的臨床試驗實施技術(shù)指導(dǎo)原則》（征求意見稿）提及“為了讓有需求的受試者發(fā)現(xiàn)合適的臨床試驗，可以考慮采用互聯(lián)網(wǎng)平臺招募、基于患者信息大數(shù)據(jù)的智能化招募等方式”[10]。

基于此，本研究探索利用大數(shù)據(jù)和人工智能技術(shù)，依托筆者醫(yī)院大數(shù)據(jù)平臺建設(shè)基礎(chǔ)，在臨床研究部、信息中心、臨床科室通力合作下，將完成臨床試驗受試者智能招募系統(tǒng)的建設(shè)實踐進行闡述。

1??智能招募系統(tǒng)建設(shè)與開發(fā)

1.1??受試者全生命周期標(biāo)準(zhǔn)化數(shù)據(jù)集構(gòu)建

大數(shù)據(jù)平臺基于Hadoop分布式技術(shù)架構(gòu)，在不影響業(yè)務(wù)系統(tǒng)的前提下，將包括HIS、LIS、電子病歷系統(tǒng)（electronic?medical?records，EMR）、醫(yī)學(xué)影像信息系統(tǒng)等多個系統(tǒng)數(shù)據(jù)整合到標(biāo)準(zhǔn)的數(shù)據(jù)模型，通過智能索引，智能清洗，智能結(jié)構(gòu)化和標(biāo)準(zhǔn)化，形成格式統(tǒng)一、表達統(tǒng)一、標(biāo)準(zhǔn)統(tǒng)一的受試者全生命周期標(biāo)準(zhǔn)化數(shù)據(jù)集，見圖1。

智能索引根據(jù)受試者本身不可改變的特征信息如姓名、民族、籍貫、身份證號、性別、生日等，在可預(yù)見的時間范圍內(nèi)以雙層MD5（客戶端、服務(wù)端雙層MD5消息摘要算法）為核心形成不可逆的加密算法生成受試者唯一ID，既能保證受試者敏感信息不被破解，又能保證數(shù)據(jù)在生產(chǎn)過程中的一致性和連貫性?；谖ㄒ籌D，每個受試者所有數(shù)據(jù)都可以被整合起來形成一個全量數(shù)據(jù)集。智能清洗將來自不同系統(tǒng)中不同格式、不同名稱但相同語義的字段進行統(tǒng)一格式。統(tǒng)一名稱的基于規(guī)則的映射轉(zhuǎn)換，積累的規(guī)則越多，清洗過程的效率越高。智能結(jié)構(gòu)化和標(biāo)準(zhǔn)化參考現(xiàn)有知識庫中定義的醫(yī)學(xué)標(biāo)準(zhǔn)和規(guī)范，利用自然語言處理（natural?language?processing，NLP）、機器學(xué)習(xí)和知識圖譜等人工智能（artificial?intelligence，AI）技術(shù)將醫(yī)療語義信息從原始的自然語言表達，擴展分析為結(jié)構(gòu)化的Key-Value模式，對數(shù)據(jù)依據(jù)主題字段進行劃分，針對電子病歷、影像檢查報告、手術(shù)記錄、臨床診斷等10類記錄做了結(jié)構(gòu)化的處理，形成了超過7000+的字段數(shù)據(jù)集，為后續(xù)應(yīng)用提供基礎(chǔ)。

1.2??智能招募AI引擎構(gòu)建

本項目在大數(shù)據(jù)平臺的架構(gòu)之上，對接臨床試驗管理系統(tǒng)（clinical?trial?management?system，CTMS）以獲取臨床研究項目的納排和入組信息。通過基于醫(yī)學(xué)知識圖譜的條件拆解，形成臨床試驗項目的納排特征庫，見圖2。根據(jù)大數(shù)據(jù)平臺的數(shù)據(jù)字段，形成患者疾病特征庫。再通過自然語言處理、機器學(xué)習(xí)等技術(shù)手段構(gòu)建招募AI引擎，將以上兩個庫的識別和匹配，形成患者-項目數(shù)據(jù)庫。

1.3??院內(nèi)系統(tǒng)深度集成、有機交互

綜合梳理系統(tǒng)使用者包括醫(yī)護、患者、項目管理者、機構(gòu)人員的使用需求，對接院內(nèi)多個系統(tǒng)，開放院內(nèi)外共6個入口，增加系統(tǒng)可及性、可用性，見圖3。

開發(fā)和建立醫(yī)生端、患者端有機交互模式，醫(yī)患在醫(yī)生工作站或者患者端操作時，后臺無感將患者ID傳入智能招募引擎匹配項目，如有合適項目推送至醫(yī)生工作站或者患者端，從而達到智能、主動提醒的目的。

2??建設(shè)成果

2.1??移動端便捷查詢、咨詢及報名

嵌入患者移動端、醫(yī)護移動端，患者可根據(jù)需求通過關(guān)鍵詞、病種、分期或者組合篩選。

2.2??智能匹配與推薦

患者在移動端可進入智能匹配，通過分階段填寫基本信息、癌腫、用藥等信息，系統(tǒng)智能匹配患者適合的項目；如當(dāng)前患者為筆者醫(yī)院就診過患者，系統(tǒng)可根據(jù)患者既往病歷智能匹配患者可能適合的項目，見圖4。

2.3??招募規(guī)則拆解及患者查詢

系統(tǒng)提供招募規(guī)則可視化配置工具，針對招募條件復(fù)雜的臨床試驗，首先對招募條件進行醫(yī)學(xué)拆解，轉(zhuǎn)化為計算機可以表述的字段，然后利用大數(shù)據(jù)技術(shù)制定檢索語句進行檢索，系統(tǒng)秒級返回符合條件受試者，根據(jù)返回情況，對納排字段生產(chǎn)及大數(shù)據(jù)檢索進行迭代優(yōu)化。最后，系統(tǒng)將符合條件受試者推送到系統(tǒng)中相應(yīng)的招募項目，系統(tǒng)提醒研究者查看確認，研究者可直接根據(jù)患者全景進行患者確認。

3??應(yīng)用效果

3.1??實現(xiàn)醫(yī)患信息對等，提升患者對臨床試驗項目可及性

患者有統(tǒng)一入口快捷查詢筆者醫(yī)院臨床試驗項目，通過智能匹配提升尋找合適項目速度和精準(zhǔn)度，同時系統(tǒng)建立患者和研究者的雙向快速觸達通道。目前系統(tǒng)內(nèi)共維護招募項目387項，月均訪問量9萬人次；后臺處理患者咨詢報名量1138項。

3.2??拓寬招募渠道，提升患者招募效率

較既往張貼海報、人工篩選的模式，通過智能匹配和主動提醒的方式，可以大大拓寬受試者招募渠道。自2022年5月上線至今，系統(tǒng)已協(xié)助招募入組，300余例，其中移動端患者主動報名1138例，最終入組145例，轉(zhuǎn)化率達12.74%。醫(yī)生端主動提醒721例，最終入組147例，轉(zhuǎn)化率達20.39%，極大提升患者招募效率，加速臨床試驗。

3.3??大數(shù)據(jù)+AI制導(dǎo)，可實現(xiàn)受試者精準(zhǔn)篩選

對于筆者醫(yī)院較難招募受試者的項目，采用項目定向智能匹配模式，基于大數(shù)據(jù)算法結(jié)合智能納排深度挖掘存量及增量病歷，提供受試者名單跟進入組。以筆者醫(yī)院內(nèi)科一項罕見靶點項目為例，根據(jù)項目納排，智能匹配到患者60例，共計15例進入到篩選期，轉(zhuǎn)化率達25%，該項目目前共入組患者20例，其中12例與智能招募系統(tǒng)納排一致，一致率達60%。

4??總結(jié)

通過大數(shù)據(jù)+AI制導(dǎo)的招募方式，為傳統(tǒng)招募模式存在的因數(shù)據(jù)孤島、數(shù)據(jù)未治理導(dǎo)致院內(nèi)數(shù)據(jù)無法有效利用，醫(yī)生手動篩選、患者被動知悉，而導(dǎo)致招募效率低下的問題，提供了有效解決方案。結(jié)合與院內(nèi)系統(tǒng)的有機交互，可實現(xiàn)患者端智能查找項目，醫(yī)生端快速篩選患者，充分利用筆者醫(yī)院數(shù)據(jù)資源，提升臨床試驗項目患者的可及性，同時拓寬招募渠道，提升招募效率和速率，從而提升臨床試驗效率，對于降低研發(fā)成本，加速研發(fā)進程，促進藥物產(chǎn)業(yè)轉(zhuǎn)化都具有重要意義。

實踐過程中，因招募工具依賴院內(nèi)現(xiàn)存數(shù)據(jù)，對于缺少臨床試驗篩選所需的非常規(guī)檢查項目的患者，難以識別和抓取。此外對于部分納排條件極其復(fù)雜需專業(yè)醫(yī)生人工判斷的項目，智能招募工具的價值也有限。在未來工作中，將繼續(xù)探索人工智能技術(shù)在大數(shù)據(jù)中深度挖掘的能力，通過深度學(xué)習(xí)技術(shù)，依據(jù)患者已有數(shù)據(jù)對缺失信息進行預(yù)測和概率提示。引入生成式人工智能模型的理解和推理能力，加強對項目納排和醫(yī)療文書的理解，進一步增加篩選精準(zhǔn)度[11]。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] 陳誠，?魯曉雨，?盛麗婷，?等.?藥物臨床試驗受試者入組速度的影響因素分析[J].?中國臨床藥理學(xué)雜志，?2023，?39（17）：?2544–2547.

[2] 袁靖，?李玉璽，?陳云華.?罕見病臨床試驗患者招募的策略分析與經(jīng)驗分享[J].?中國臨床研究，?2016，?29（1）：?118–122.

[3] KADAM?R?A，?BORDE?S?U，?MADAS?S?A，?et?al.?challenges?in?recruitment?and?retention?of?clinical?trial?subjectsly[J].?Perspect?Clin?Res，?2016，?7（3）：?137–143.

[4] 周曉妮，?朱兆華，?阮光峰，?等.?研究者發(fā)起的臨床研究受試者招募現(xiàn)狀及對策[J].?廣州醫(yī)藥，?2023，?54（11）：?11–15.

[5] MC?DONALD?A?M，?KNIGHT?R?C，?CAMPBELL?M?K，?et?al.?What?influenes?recruitment?to?randomised?controled?trials？?A?review?of?trials?funded?by?two?UK?funding?agencies[J].?Trials，?2006，?7：?9.

[6] 顏曼.?藥物臨床試驗暫?；蚪K止的原因分析[D].?廣州：?暨南大學(xué)，?2022.

[7] 嚴康.?臨床實驗中影響受試者招募的因素分析[D].?南京：?南京中醫(yī)藥大學(xué)，?2015.

[8] ULENAERS?J.?The?impact?of?artificial?intelligence?on?the?right?to?a?fair?trial：?Towards?a?robot?judge？[J].?Asian?J?Law?Econ，?2020，?1（2）：?202008.

[9] 曹國英，?付海軍，?何為，?等.?智能化臨床研究專家共識[J].?中國新藥與臨床雜志，?2020，?39（6）：?321–328.

[10] 國家藥品監(jiān)督管理局藥品審評中心.?國家藥監(jiān)局藥審中心關(guān)于發(fā)布《以患者為中心的藥物臨床試驗設(shè)計技術(shù)指導(dǎo)原則（試行）》《以患者為中心的藥物臨床試驗實施技術(shù)指導(dǎo)原則（試行）》《以患者為中心的藥物獲益-風(fēng)險評估技術(shù)指導(dǎo)原則（試行）》的通告（2023年第44號）[EB/OL].?（2023-07-27）[2024-03-08].?https：//www.cde.org.cn/main/news/viewInfoCommon/42c008e28f7004cd19b73949142380bd.

[11] 郭華源，?劉盼，?盧若谷，?等.?人工智能大模型醫(yī)學(xué)應(yīng)用研究[J].?中國科學(xué)：?生命科學(xué)，?2024，?54（3）：?482–506.

（收稿日期：2024–01–29）

（修回日期：2024–04–16）

聲??明

近期，有不法人員通過各種渠道獲取本刊第一作者或通信作者電子信箱，冒用《中國現(xiàn)代醫(yī)生》編輯部向本刊作者發(fā)送詐騙郵件，以延誤職稱晉升為由，要求作者添加微信處理相關(guān)事務(wù)騙取作者費用，嚴重損害作者的利益和我編輯部形象。鑒于此，《中國現(xiàn)代醫(yī)生》編輯部鄭重聲明：

1.?本刊暫無微信聯(lián)系方式，唯一投稿渠道為《中國現(xiàn)代醫(yī)生》官網(wǎng)（http：//www.zgxdys.ac.cn）。雜志官方信箱為：zgxdys@imicams.ac.cn。

2.《中國現(xiàn)代醫(yī)生》是萬方醫(yī)學(xué)、中國知網(wǎng)、中文科技期刊數(shù)據(jù)庫全文收錄期刊。期刊出版后1個月左右可在上述數(shù)據(jù)庫的網(wǎng)站查閱作者論文。

3.《中國現(xiàn)代醫(yī)生》編輯部目前收取版面費僅有對公轉(zhuǎn)賬一種方式。開戶行：中國建設(shè)銀行北京雅寶路支行；開戶名稱：中國醫(yī)學(xué)科學(xué)院醫(yī)學(xué)信息研究所；銀行帳號：11001028400059856368。