Panacea：用于临床试验搜索、摘要、设计和招募的基础模型
计算与语言
2024-07-17 v1 人工智能
摘要
临床试验是开发新药、医疗器械和治疗方案的基础，但往往耗时且成功率较低。虽然已有初步尝试构建针对临床试验设计和患者-试验匹配的大型语言模型（LLM），但这些模型仅针对特定任务且难以适应多样化的临床试验任务。为此，我们提出了名为 Panacea 的临床试验基础模型，旨在处理包括试验搜索、试验摘要、试验设计和患者-试验匹配在内的多项任务。我们还组建了大型数据集，名为 TrialAlign，包含 793,279 份试验文件和 1,113,207 份与试验相关的科学论文，以此进行预训练以注入临床知识。我们进一步策划了 TrialInstruct 数据集，其中包含 200,866 条指令数据用于微调。这些资源使 Panacea 能够根据用户需求广泛应用于多种临床试验任务。我们在新构建的基准测试 TrialPanorama 上对 Panacea 进行评估，该基准覆盖八项临床试验任务。我们的方法在七项任务上均优于六个最先进的通用或医学专用 LLM。具体而言，Panacea 在构建合格标准、研究 Arms 以及结果措施方面展现出与人类专家协作的潜力，尤其是在多轮对话中。此外，Panacea 在患者-试验匹配方面实现了 14.42% 的提升，在试验搜索方面实现了 41.78% 至 52.02% 的提升，在试验摘要的五个方面均排名靠前。我们的做法显示出 Panacea 在临床试验中的有效性，并为开发临床试验基础模型提供了包括训练数据、模型和基准测试在内的全套资源，为基于 AI 的临床试验开发铺平了道路。
引用
@article{arxiv.2407.11007,
title = {Panacea: A foundation model for clinical trial search, summarization, design, and recruitment},
author = {Jiacheng Lin and Hanwen Xu and Zifeng Wang and Sheng Wang and Jimeng Sun},
journal= {arXiv preprint arXiv:2407.11007},
year = {2024}
}