提升肝病临床试验效率：基于大语言模型的安全预筛选流水线

背景：招募涉及复杂肝病（如肝细胞癌和肝硬化）的队列通常需要解读语义复杂的标准。传统人工筛选方法耗时且容易出错。虽然AI驱动的预筛选提供了解决方案的可能，但在准确性、效率和数据隐私方面仍存在挑战。方法：我们开发了一种新型患者预筛选流水线，利用临床专业知识指导大语言模型的精确、安全和高效应用。该流水线将复杂标准分解为一系列复合问题，然后采用两种策略通过电子健康记录进行语义问答——（1）路径A，类人专家思维链策略；（2）路径B，代理协作中的预设立场策略，特别是在管理复杂临床推理场景时。该流水线在三个关键指标——精确度、耗时和反事实推理——上进行了评估，涵盖问题级别和标准级别。结果：我们的流水线在标准级别达到了高精确度（0.921）和效率（每项任务0.44秒）。路径B在复杂推理方面表现出色，而路径A在精确数据提取和更快处理时间方面有效。两条路径达到了可比的精确度。该流水线在肝细胞癌（0.878）和肝硬化试验（0.843）中展现了有前景的结果。结论：这种数据安全且高效的方法在肝病试验中达到了高精确度，为简化临床试验工作流提供了有前景的解决方案。其效率和适应性使其适用于改善患者招募。其在资源受限环境中运行的能力进一步增强了其在临床环境中的实用性。