推出新的治療方法時是一個緩慢而費力的過程，但重中之重是患者安全。
但是，在招募患者進行新治療方向的臨床試驗時，速度則是越快越好。
加州帕薩迪納市（ Pasadena, Calif.）新創公司 Deep 6 AI 的執行長 Wout Brusselaers 說：“許多醫學界人士都對如何改善醫療手段有新想法。但是證明他們的新程序或新藥物對真實患者安全有效的過程，阻礙了他們新想法的實施。為此，他們需要臨床試驗過程。”
在過去 10 年中，癌症臨床試驗的數量平均每年增長 17 ％。但是，其中有近 20% 的臨床試驗在經過 3 年的努力後，未能招募到足夠數量的參與者。由於這些參與者有時需要符合非常具體的試驗標準，這使問題變得更加棘手。
“在精密醫藥時代，臨床試驗標準變得更具挑戰性，” Brusselaers 說。 “開發針對罕見遺傳突變患者的藥物時，你必須能夠找到那些特定的患者。”
通過使用 AI 分析病歷， Deep 6 能夠在幾分鐘之內確定可以進行臨床試驗的患者人群，從而加速了長達數月的傳統流程。包括 Cedars Sinai Medical Center 和 Texas Medical Center 在內的主要癌症治療中心和製藥公司都在使用 AI 工具。到目前為止，他們已經為臨床試驗匹配了超過 10 萬名患者。
Deep 6 AI 的臨床試驗加速軟體具有特定的工具，可以幫助醫院向患者推薦合適的臨床試驗，並幫助製藥公司跟踪、加速患者的研究招募。
AI 在試驗匹配中的應用
Deep 6 AI 是 NVIDIA 新創加速計劃（ NVIDIA Inception ）中的成員，該計劃可幫助新創企業更快地發展。該公司使用 NVIDIA TITAN GPU 加速其自定義 AI 模型的開發，該模型可分析患者數據，以識別和標記與試驗相關的臨床標準。
“對我們來說，在本地開發模型的效率更高，且成本更低，” Brusselaers 說。 “我們可以立即改變模型並加快迭代速度，而不必等待重新運行代碼。”
儘管該工具可用於任何診斷區域或醫療狀況，但 Brusselaers 表示，該平台有超過 25% 的試驗都用於腫瘤學研究，緊隨其後的是用於心臟病學研究。
經過 Deep 6 合作夥伴的開源數據庫和真實數據的組合訓練， AI 模型首先通過自然語言處理來識別患者記錄中特別提到的臨床術語和醫學代碼。
額外的神經網路會分析非結構化數據，例如醫生的便箋和病理報告，以收集有關患者症狀、診斷和治療的其他資料，甚至可以檢測病歷中未提及的潛在疾病。
然後， Deep 6 的工具會創建一個代表個人臨床資料的患者圖表。醫生和研究人員可以輕鬆地匹配這些圖表，以開發試驗隊列，從而將耗時且通常無效的手動過程進行升級。
洛杉磯（ Los Angeles ）的 Cedars-Sinai Smidt Heart Institute 是 Deep 6 AI 的客戶之一。該研究所的研究人員在努力 6 個月後，僅招募到 2 名參與者進行新的臨床試驗。然而當他們使用 Deep 6 AI 軟體時，則在 1 小時內找到了 16 名合格候選人。
擁有 60 多家醫療機構的 Texas Medical Center 正在準備通過 Deep 6 軟體，升級尋找臨床試驗候選人的漫長過程，該過程通常需要員工手動瀏覽厚厚的病歷文件夾。
Texas Medical Center 執行長 Bill McKeon 說：“尋找患者進行臨床試驗是一個漫長的過程，而在該過程中使用 Deep 6 的軟體工具可以大幅加速這個過程。”
McKeon 表示，在一個案例中，通過傳統招募方式，花 6 個月的時間才找到了 10 幾名符合條件的患者進行試驗。而通過 Deep 6 的軟體進行相同的匹配過程，僅需幾分鐘即可找到 80 個潛在參與者。