AI w badaniach klinicznych
AI w badaniach klinicznych: co dziś potwierdzają dowody
Uczenie maszynowe wchodzi do badań klinicznych przez rekrutację, adjudykację i monitorowanie, ale większość narzędzi wciąż nie przeszła oceny prospektywnej. Jak odróżnić dojrzałe zastosowania od obiecujących i czego oczekują dziś komisje bioetyczne i regulatorzy.
- Opublikowano
- 5 min czytania

Gdzie AI jest już stosowana
Trzy zastosowania są na tyle ugruntowane, że pojawiają się w badaniach głównego nurtu: przeszukiwanie elektronicznej dokumentacji pod kątem kryteriów kwalifikacji, aby przyspieszyć rekrutację; automatyczna lub wspomagana ocena obrazów i sygnałów fizjologicznych na potrzeby adjudykacji punktów końcowych; oraz modele ryzyka wskazujące uczestników wymagających ściślejszego monitorowania. W każdym przypadku model zastępuje powtarzalne zadanie człowieka, a ludzie sprawdzają jego wynik.
Gdzie dowody są słabe
Większość opublikowanych klinicznych modeli predykcyjnych oceniono wyłącznie na danych użytych do ich zbudowania. Walidacja zewnętrzna, ocena prospektywna i badania wpływu klinicznego pozostają rzadkie, a skuteczność często spada, gdy model trafia na nową populację, nowy ośrodek lub nowy aparat. Duże modele językowe dodają kolejną warstwę: są płynne, przez co ich błędy trudniej zauważyć, i potrafią tworzyć nieistniejące pozycje piśmiennictwa.
Czego oczekują dziś komisje bioetyczne i regulatorzy
Wytyczne raportowania nadążyły za praktyką. TRIPOD+AI obejmuje modele predykcyjne, SPIRIT-AI i CONSORT-AI dotyczą protokołów i raportów badań oceniających interwencję opartą na AI, a DECIDE-AI wczesnej oceny klinicznej w warunkach rzeczywistych. Należy spodziewać się pytań o pochodzenie danych treningowych, strategię walidacji, skuteczność w podgrupach, nadzór człowieka, postępowanie w razie awarii modelu oraz sposób zamrożenia wersji modelu na czas badania.
Modele językowe w syntezie dowodów i dokumentacji
Modele językowe potrafią szybko przesiewać piśmiennictwo, streszczać protokoły i szkicować dokumenty badania, ale wymyślają odnośniki i wygładzają niepewność. Praktyczna zasada: używaj ich do struktury i pierwszych wersji, każdy fakt i cytowanie weryfikuj samodzielnie u źródła, utrzymuj odpowiedzialność człowieka za każde stwierdzenie i zapisuj w protokole dokładnie, czego użyto i do czego.
Krótka lista kontrolna przed dodaniem AI do protokołu
- Nazwij zadanie i decyzję człowieka, którą wspiera.
- Określ źródła danych, podstawę zgody i miejsce przetwarzania danych.
- Podaj plan walidacji, w miarę możliwości z danymi zewnętrznymi.
- Zdefiniuj postępowanie, gdy model się myli lub jest niedostępny.
- Od pierwszego dnia wybierz wytyczne raportowania, których będziesz przestrzegać.
Ta nota jest podsumowaniem eksperckim. Pełną bazę dowodową zawierają źródła poniżej.
Materiały w sekcji Wiedza są eksperckimi podsumowaniami dla profesjonalistów. Nie stanowią porady medycznej i nie zastępują cytowanych źródeł.