《基于大语言模型的端到端临床试验匹配》一文探讨了利用大型语言模型 (LLM) 来改善癌症患者临床试验匹配的效率和准确性。 目前，将癌症患者匹配到合适的临床试验是一个耗时且容易出错的过程，主要原因有三：第一，肿瘤治疗过程中产生的数据量巨大且结构复杂，包括住院记录、基因组数据和影像数据等，给医生带来了沉重的负担；第二，针对肿瘤的临床试验数量庞大且复杂，其资格标准通常包含非结构化的文本信息，需要复杂的逻辑组合才能判断患者是否符合条件；第三，为了避免患者病情恶化导致脱落，需要将患者纳入临床试验并开始治疗的时间缩到最短。 结果表明，该流程在从数万个试验中可靠地筛选相关试验以及将选定的候选试验与个体患者进行高精度匹配方面都表现出色。
2026-03-09
35页
2026-03-08
25页
2026-03-01
20页
2026-02-28
13页
2026-02-28
31页
400-9696-311 转1
400-9696-311 转2
400-9696-311 转3
400-9696-311 转4
川公网安备51019002008863号
本网站未发布麻醉药品、精神药品、医疗用毒性药品、放射性药品、戒毒药品和医疗机构制剂的产品信息
“坚决打赢禁毒人民战争”专栏 法律法规 | 美、墨、欧盟管制品种
友情链接: 摩熵医药 摩熵医药企业版 摩熵化学MolAid 晓材Matmole 摩熵医学MedXYZ 载体质粒 觅健肿瘤互助 动脉网 药物百科 中国医疗人才网 医药招商网
收藏
登录后参与评论
暂无评论