用于将受试者与临床试验进行匹配的系统和方法与流程

摘要: 本公开涉及一种用于将受试者与来自多个临床试验的一个或多个合适临床试验进行匹配,同时管理对敏感信息(更具体地,该受试者的医疗信息)的访问的系统和方法。背景技术:1...
用于将受试者与临床试验进行匹配的系统和方法与流程

本公开涉及一种用于将受试者与来自多个临床试验的一个或多个合适临床试验进行匹配,同时管理对敏感信息(更具体地,该受试者的医疗信息)的访问的系统和方法。

背景技术:

1、可以收集医疗信息(包括基因组数据、人口统计信息、社会和行为健康决定因素、分子/临床水平下的表型信息)以进行患者护理。该信息的主要作用是告知向个体患者提供的护理和治疗。

2、患者信息还可以用于确定具体患者对其中可能缺乏既定治疗方法的临床试验的适合性。遗憾的是,患者信息通常分散在会诊笔记、病理报告、生物标志物结果、成像摘要和治疗史中;并且对该信息的访问可能受到患者保密性考虑的限制。

3、其中开发新的治疗方法至关重要的一个特定应用在肿瘤转诊研究中;其中资格取决于对分子生物标志物、肿瘤组织学、疾病分期、既往治疗暴露、治疗耐药性和表现状态的整合审查,而不仅仅依赖于诊断。考虑到分散的信息、保密性问题等,为此类情况确定适当的临床试验是有问题的,使得难以匹配患者和临床试验。

4、在许多情况下,经适当同意,可以进而提供此类信息的去标识化形式以进行生物医学研究。此类信息对于开发新的治疗方法是特别重要的,包括通过利用可能在不同管辖区中的多个数据储库中的群体的数据分析。

5、已经采取了许多不同方法来提供对从患者收集的通常去标识化的信息的访问。此类方法的范围为向第三方提供无任何限制的访问(例如,一千个基因组数据库);仅向经认证的研究人员提供访问权限(例如,十万个基因组数据库)。此外,在对数据隐私越来越敏感的时代;增强的立法(如gdpr(欧盟)、hipaa(美国))增加了对用户和处理此类信息的各方的义务。

6、遗憾的是,即使对信息的访问受到安全性和访问协议的限制;但恶意第三方很有可能访问个体信息;并重新识别特定患者。应当理解,这种风险将意味着损害该个体的隐私。在一项研究中,研究人员能够通过预测包括眼睛和肤色在内的视觉性状从全基因组序列数据集中重新识别个体;而在另一项研究中,一千个基因组受试者的某些参与者能够通过从y染色体上的短串联重复序列推断姓氏而被重新识别;其与其它人口统计数据相结合,与识别的公共资源相联系。

7、尽管可以实施限制第三方对该信息的访问的各种方法,包括对个体数据的去标识化、基于技术的安全性控制(例如,加密、访问控制等)、数据变换、仅以聚合形式提供数据、数据混淆或合成数据生成的各种方法;但从所提供的医疗信息中重新识别个体的潜在个体风险可能导致患者拒绝同意将其数据用于研究目的。

8、因此,识别一个或多个临床试验的潜在合格患者通常需要重复手动审查异构文档并直接与协议标准进行比较。此过程可能较慢,难以标准化,并且依赖于当地对患者记录和有效试验组合的熟悉程度。

9、因此,需要一种用于处理此类信息的改进的系统和方法,该系统和方法至少解决或改善此类信息或提供可用选择。

技术实现思路

1、本公开的特征和优点将在随后的描述中阐述并且部分地将根据描述而变得明显,或者可以通过实践本文所公开的原理进行了解。本公开的特征和优点可以借助于所附权利要求中特别指出的仪器和组合来实现和获得。

2、根据本公开的第一方面,提供了一种用于将受试者与来自多个临床试验的一个或多个合适临床试验进行匹配的系统。

3、该系统可以包含接收模块,该接收模块被配置成接收以下各项:(i)该受试者的患者简档,其中该患者简档包含多个不同参数;以及(ii)多个临床试验,该多个临床试验包含具有多个不同条件的临床试验标准;

4、评价框架模块,该评价框架模块用于评价患者简档对该多个临床试验中的一个或多个临床试验的适合性,该评价框架模块包含至少两个评价智能体,其中每个智能体具有彼此不同的特定分析领域;并且每个评价智能体被配置成使用大语言模型;

5、每个评价智能体被配置成根据该智能体的该特定分析领域从该患者简档和该临床试验标准的条件中提取参数,并计算指示其间的匹配程度的评分;并且根据指示该评价智能体的该特定分析领域与该患者简档的匹配程度的评分,生成潜在的合适临床试验的排名列表。

6、该系统还可以包含共识模块,该共识模块被配置成通过以下方式解决由该至少两个评价智能体生成的针对所述患者简档的该排名试验列表之间的差异,以确定包含一个或多个合适临床试验的精炼列表:(a)如果该潜在的合适临床试验的排名列表中存在冲突评价,则使用加权投票模块,通过优先选择分析领域结果由更准确的评价智能体得出的试验,来确定针对该受试者的该合适临床试验的精炼列表;以及(b)如果指示潜在的合适临床试验的匹配程度的该评分相差预定相似性差异,则使用仲裁器模块,该仲裁器模块被配置成解决冲突评价,并且生成针对该受试者的该合适临床试验的精炼列表。

7、该系统中还可以设置反馈模块,该反馈模块被配置成输出针对该患者简档的该临床试验的精炼列表,并且接收指示该受试者对特定临床试验的适合性的数据。

8、任选地,该系统可以进一步包含精炼模块,该精炼模块被配置成在接收到指示该患者对特定临床试验的适合性的数据时,通过调整分配给特定患者参数的权重和特定于每个评价智能体的逻辑解析规则,基于该反馈数据动态地调整该至少两个评价智能体和该仲裁器模块的匹配指标。

9、任选地,由该仲裁器模块进行的重新排名是通过确定指示该多个临床试验中的至少一些临床试验对该受试者的适合性的自定义概率评分来进行的。

10、在生成该潜在的合适临床试验的该排名列表之前,可以通过预定强制性排除标准过滤该潜在的合适临床试验以排除不合适的临床试验,其中该预定强制性排除标准选自包含以下的组:分子生物标志物、主要诊断、性别和年龄。

11、每个评价智能体可以被配置成引用用于确定该评价评分的标准的支持性文本,并且在不存在支持性文本的情况下,该评价智能体被配置成从该评价评分中排除该数据,直至进行外部验证。

12、任选地,该评价智能体的该特定分析领域可以选自包含以下的组:分子分析领域;疾病评价领域;人口统计领域和实验室测试结果领域。

13、任选地,该仲裁器模块可以包含第一仲裁器模块和第二仲裁器模块,该第一仲裁器模块用于解决针对特定情境患者参数的冲突评价,该第二仲裁器模块包含大语言模型,该大语言模型被配置成解决针对特定非情境患者简档参数的冲突评价。

14、任选地,在该分子分析领域中,该评价框架模块可以被配置成将分子患者简档参数和分子临床试验条件进行比较,并且提供表示其间的匹配程度的指示性评分以及支持性推理;在该疾病评价领域中,该评价框架模块可以被配置成将疾病分期患者简档参数和该临床试验的对应疾病分期条件进行比较,并且提供表示其间的匹配程度的指示性评分以及支持性推理;并且在该人口统计领域中,该评价框架模块可以被配置成将来自该患者简档参数的患者人口统计参数和该临床试验的条件下的对应人口统计参数进行比较;并且提供表示其间的匹配程度的指示性评分以及支持性推理;并且在该实验室测试领域中,该评价框架模块可以被配置成将来自该患者简档参数的该患者实验室结果与该临床试验的对应实验室测试条件进行比较;并且提供表示其间的匹配程度的指示性评分以及支持性推理。

15、任选地,如果该受试者被评价为不符合该临床试验的资格,则该评分被分配0值,并且如果该患者简档参数和该临床试验标准的该条件完全匹配,则该评分被分配1值,或者根据所评价的匹配程度分配介于这些值之间的数字。

16、大语言模型类型可以选自包含以下的组:推理大语言模型、多模态模型、传统大语言模型和智能体大语言模型。

17、指示患者简档对对应临床试验的适合性的数据可以选自包含以下的组:真实世界患者结局、来自临床医生的专家注释或模拟的历史试验数据。

18、该系统可以进一步包含去标识化模块,该去标识化模块被配置成通过零知识证明从患者简档中移除个人可识别信息。

19、任选地,该系统可以进一步包含非结构化数据处理模块,该非结构化数据处理模块用于将非结构化数据源转换为结构化文本格式,其中所述非结构化数据选自包含以下的组:分子谱、成像发现、光学字符识别ocr可读印刷文档和手写笔记,这些非结构化数据使用标准化本体进行转换以供至少两个智能体进一步处理。

20、任选地,该系统可以进一步包含用于生成界面的界面模块,该界面用于显示和修改由至少两个智能体提取的患者简档的患者简档参数,其中该界面模块被配置成在单独的窗口中显示该智能体的输出和该患者简档中的每一者,该单独的窗口具有可寻址链接,指向从中进行提取的下层患者简档。

21、该界面模块可以被配置成针对所选患者简档显示以下内容:概率评分,其指示由该共识模块针对多个潜在临床试验评价的相对匹配;由该评价智能体提取的该临床试验标准的条件;以及可寻址链接,指向从中进行该提取的临床试验信息。

22、根据本公开的第二方面,提供了一种用于将受试者与来自多个临床试验的一个或多个合适临床试验进行匹配的计算机实施的方法。

23、该方法包含(i)由计算机系统的一个或多个处理器并通过通信接口接收该受试者的患者简档和多个临床试验,该患者简档包含多个不同参数,该多个临床试验包含具有多个不同条件的临床试验标准;(ii)使用评价框架模块来评价患者简档对该多个临床试验中的一个或多个临床试验的适合性,其中评价框架包含在该一个或多个处理器上执行的至少两个评价智能体;其中每个评价智能体被配置成具有与其它评价智能体不同的特定分析领域,其中每个评价智能体被配置成使用大语言模型,并且其中每个评价智能体被配置成:根据该智能体的该特定分析领域从该患者简档和该临床试验标准的条件中提取参数,并计算指示其间的匹配程度的评分;并且根据指示该评价智能体的该特定分析领域与该患者简档的匹配程度的评分,生成潜在的合适临床试验的排名列表;(iii)由在该一个或多个处理器上执行的共识模块通过以下方式解决由该至少两个评价智能体生成的针对所述患者简档的排名试验列表之间的差异,以确定包含一个或多个合适临床试验的精炼列表:(a)如果该潜在的合适临床试验的排名列表中存在冲突评价,则使用加权投票模块,通过优先选择分析领域结果由更准确的评价智能体得出的试验,来确定针对该受试者的该合适临床试验的精炼列表,其中针对特定领域的该评价智能体的准确性存储在该计算机系统的存储器中;以及(b)如果指示潜在的合适临床试验的匹配程度的该评分相差预定相似性差异,则使用仲裁器模块来生成针对该受试者的该合适临床试验的精炼列表,该仲裁器模块被配置成解决冲突评价并存储在该计算机系统的该存储器中;(iv)通过用户界面或装置输出针对该患者简档的该临床试验的精炼列表,并接收指示该受试者对特定临床试验的适合性的数据。

24、任选地,该方法可以进一步包含在接收到指示该患者对特定临床试验的适合性的数据时,通过调整分配给特定患者参数的权重和特定于每个智能体的逻辑解析规则,基于该反馈数据动态地调整该至少两个评价智能体和该仲裁器模块的匹配指标。

25、任选地,由该仲裁器模块进行的重新排名是通过确定指示该多个临床试验中的至少一些临床试验对该受试者的适合性的自定义概率评分来进行的。

26、任选地,在生成该潜在的合适临床试验的该排名列表之前,通过预定强制性排除标准过滤该潜在的合适临床试验以排除不合适的临床试验,其中该预定强制性排除标准选自包含以下的组:分子生物标志物、主要诊断、性别和年龄。

27、任选地,每个评价智能体被配置成引用用于确定该评价评分的标准的支持性文本,并且在不存在支持性文本的情况下,该评价智能体被配置成从该评价评分中排除该数据,直至进行外部验证。

28、任选地,该评价智能体的该特定分析领域选自包含以下的组:分子分析领域;疾病评价领域;人口统计领域和实验室测试结果领域。

29、任选地,该仲裁器模块包含第一仲裁器模块和第二仲裁器模块,该第一仲裁器模块被配置成解决针对特定情境患者参数的冲突评价,该第二仲裁器模块包含大语言模型,该大语言模型被配置成解决针对特定非情境患者参数的冲突评价。

30、任选地,在该分子分析领域中,该评价框架模块可以被配置成将分子患者参数和分子临床试验条件进行比较,并且提供表示其间的匹配程度的指示性评分以及支持性推理;在该疾病评价领域中,该评价框架模块可以被配置成将疾病分期患者参数和该临床试验的对应疾病分期条件进行比较,并且提供表示其间的匹配程度的指示性评分以及支持性推理;并且在该人口统计领域中,该评价框架模块可以被配置成将患者人口统计参数和该临床试验的条件下的对应人口统计参数进行比较;并且提供表示其间的匹配程度的指示性评分以及支持性推理;并且在该实验室测试领域中,该评价框架模块可以被配置成将该患者实验室结果与该临床试验的对应实验室测试条件进行比较;并且提供表示其间的匹配程度的指示性评分以及支持性推理。

31、任选地,如果该受试者被评价为不符合该临床试验的资格,则该评分被分配0值,并且如果该患者简档参数和该临床试验标准的该条件完全匹配,则该评分被分配1值,或者根据所评价的匹配程度分配介于这些值之间的数字。

32、任选地,大语言模型类型选自包含以下的组:推理大语言模型、多模态模型、传统大语言模型和智能体大语言模型。

33、任选地,指示患者简档对对应临床试验的适合性的数据选自包含以下的组:真实世界患者结局、来自临床医生的专家注释或模拟的历史试验数据。

34、任选地,该方法可以进一步包含通过零知识证明从患者简档中移除个人可识别信息。

35、任选地,该方法可以进一步包含将非结构化数据源转换为结构化文本格式,其中所述非结构化数据选自包含以下的组:分子谱、成像发现、光学字符识别可读印刷文档和手写笔记,这些非结构化数据使用标准化本体进行转换以供至少两个智能体进一步处理。

36、任选地,该方法可以进一步包含通过用户界面显示和修改由至少两个智能体提取的患者简档的患者简档参数,其中该用户界面被配置成在单独的窗口中显示该智能体的输出和该患者简档中的每一者,该单独的窗口具有可寻址链接,指向从中进行提取的下层患者简档。

37、任选地,该界面可以被配置成针对所选患者记录显示以下内容:概率评分,其指示针对多个潜在临床试验评价的相对匹配;由评价模块提取的该临床试验标准的条件;以及可寻址链接,指向从中进行该提取的临床试验信息。

38、根据本公开的第三方面,提供了一种用于将受试者与多个临床试验中的一个或多个合适临床试验进行匹配的非暂时性机器可读介质,该非暂时性机器可读介质存储指令,该指令在由计算系统的一个或多个处理器执行时使该一个或多个处理器执行包含如上文所述的方法的步骤的操作。