健康技术评估中的生成式 AI：机会、挑战与政策考虑

本综述介绍了生成式人工智能 (AI) 和 foundation 模型，包括大型语言模型 (LLM)，对于健康技术评估 (HTA) 的变革性潜能。我们探讨了其在四个 critical 领域的应用：证据综述、证据生成、临床试验和经济建模： (1) 证据综述：生成式 AI 有望通过提出 search 术语、筛选摘要和提取数据等方式自动化 literature review 和 meta-analysis，实现显著的准确性； (2) 证据生成：这些模型可以 potentially 自动化 process 并分析越来越多的 real-world data (RWD) 的收集过程，包括非结构化临床笔记和影像数据，enhance 生成 real-world evidence (RWE) 的 speed 和 quality； (3) 临床试验：生成式 AI 可用于优化 trial 设计、 improve 患者匹配并更有效地管理 trial 数据； (4) 经济建模：生成式 AI 还可用于开发 health economic 模型，从概念化到 validation，从而 streamlining 整个 HTA process。尽管前景渺茫，这些技术虽然正在快速改进，但仍处于 nascent 阶段，需要持续对其 HTA 应用进行 careful evaluation。为 ensure their responsible use and implementation，开发者和使用 research 包含这些工具的人员应该熟悉其当前的局限性，包括 scientific validity、risk of bias 等问题，并考虑公平性和伦理影响。我们还调查了当前的 policy 环境，为 HTA 机构提供了将生成式 AI 整合到其工作流程中的建议，强调保持 human oversight 的重要性以及这些工具的 fast-evolving 性质。