在推出新的治疗方法时，患者安全一向是重中之重，因此将新的治疗方法推向市场是一个缓慢而费力的过程。

但是，在招募患者进行新治疗方向的临床试验时，则是速度越快越好。

加州帕萨迪纳市（Pasadena, Calif.）初创公司 Deep 6 AI 的首席执行官 Wout Brusselaers 说：“许多医学界人士都对如何改善医疗手段有了新想法。但是证明他们的新工艺或新药物对真实患者安全有效的过程，阻碍了他们新想法的实施。为此，他们需要临床试验过程。”

在过去 10 年中，癌症临床试验的数量平均每年增长 17％。但是，其中有近 20% 的临床试验在经过 3 年的努力后，未能招募到足够数量的参与者。由于这些参与者有时需要符合非常具体的试验标准，这使问题变得更加棘手。

“在精密医学时代，临床试验标准变得更具挑战性，” Brusselaers 说。“开发针对罕见遗传突变患者的药物时，研究人员必须能够找到那些特定的患者。”

通过使用 AI 分析病历，Deep 6 能够在几分钟之内确定可以进行临床试验的患者人群，从而加速了长达数月的传统流程。包括 Cedars Sinai Medical Center 和 Texas Medical Center 在内的主要癌症治疗中心和制药公司都在使用 AI 工具。到目前为止，他们已经为临床试验匹配了超过 10 万名患者。

Deep 6 AI 的临床试验加速软件具有特定的工具，可以帮助医院向患者推荐合适的临床试验，并帮助制药公司跟踪、加速患者的研究招募。

AI 在试验匹配中的应用

Deep 6 AI 是 NVIDIA 初创加速计划（NVIDIA Inception）中的成员，该计划可帮助初创企业更快地发展。该公司使用 NVIDIA TITAN GPU 加速其自定义 AI 模型的开发，该模型可分析患者数据，以识别和标记与试验相关的临床标准。

“对我们来说，在本地开发模型的效率更高，且成本更低，” Brusselaers 说。“我们可以立即改变模型并加快迭代速度，而不必等待重新运行代码。”

尽管该工具可用于任何诊断区域或医疗状况，但 Brusselaers 表示，该平台有超过 25% 的试验都用于肿瘤学研究，紧随其后的是用于心脏病学研究。

经过 Deep 6 合作伙伴的开源数据库和真实数据的组合训练，AI 模型首先通过自然语言处理来识别患者记录中特别提到的临床术语和医学代码。

额外的神经网络会分析非结构化数据，例如医生的便笺和病理报告，以收集有关患者症状、诊断和治疗的其他信息，甚至可以检测病历中未提及的潜在疾病。

然后，Deep 6 的工具会创建一个代表个人临床资料的患者图表。医生和研究人员可以轻松地匹配这些图表，以开发试验队列，从而将耗时且通常无效的手动过程进行升级。



洛杉矶（Los Angeles）的 Cedars-Sinai Smidt Heart Institute 是 Deep 6 AI 的客户之一。该研究所的研究人员在努力 6 个月后，仅招募到 2 名参与者进行新的临床试验。然而当他们使用 Deep 6 AI 软件时，则在 1 小时内找到了 16 名合格候选人。

拥有 60 多家医疗机构的 Texas Medical Center 正在准备通过 Deep 6 软件，升级寻找临床试验候选人的漫长过程，该过程通常需要员工手动浏览厚厚的病历文件夹。

Texas Medical Center 首席执行官 Bill McKeon 说：“寻找患者进行临床试验是一个漫长的过程，而在该过程中使用 Deep 6 的软件工具可以使该过程大幅加速。”

McKeon 表示，在一个案例中，通过传统招募方式，花 6 个月的时间才找到了 10 几名符合条件的患者进行试验。而通过 Deep 6 的软件进行相同的匹配过程，仅需几分钟即可找到 80 个潜在参与者。