TRIALSCOPE A Unifying Causal Framework for Scaling Real-World Evidence Generation with Biomedical Language Models

要約

現実世界のデータの急速なデジタル化は、医療提供を最適化し、生物医学的発見を加速する前例のない機会をもたらします。
しかし、実際には、そのようなデータは電子医療記録 (EMR) の臨床メモなどの非構造化形式で最も豊富に入手可能であり、一般に交絡因子に悩まされています。
この論文では、集団レベルの観察データから現実世界の証拠を抽出するための統一フレームワークである TRIALSCOPE を紹介します。
TRIALSCOPE は生物医学言語モデルを活用して臨床テキストを大規模に構造化し、ノイズ除去と補完に高度な確率モデリングを採用し、一般的な交絡因子と戦うために最先端の因果推論技術を組み込みます。
TRIALSCOPE は、臨床試験の仕様を一般的な表現として使用し、観察データを使用して臨床仮説を生成し推論するためのターンキー ソリューションを提供します。
米国の大規模な医療ネットワークからの 100 万人を超えるがん患者を含む大規模な現実世界のデータセットでの広範な実験と分析で、TRIALSCOPE が現実世界のデータの高品質な構造化を生成し、主要ながん臨床試験と同等の結果を生成できることを示しました。
。
TRIALSCOPE は、シリコン内臨床試験の設計と最適化を容易にするだけでなく、合成対照、実用的な治験、市販後調査を強化するために使用でき、また、精密な診断と治療におけるきめ細かい患者のような私の推論をサポートすることもできます。

要約(オリジナル)

The rapid digitization of real-world data offers an unprecedented opportunity for optimizing healthcare delivery and accelerating biomedical discovery. In practice, however, such data is most abundantly available in unstructured forms, such as clinical notes in electronic medical records (EMRs), and it is generally plagued by confounders. In this paper, we present TRIALSCOPE, a unifying framework for distilling real-world evidence from population-level observational data. TRIALSCOPE leverages biomedical language models to structure clinical text at scale, employs advanced probabilistic modeling for denoising and imputation, and incorporates state-of-the-art causal inference techniques to combat common confounders. Using clinical trial specification as generic representation, TRIALSCOPE provides a turn-key solution to generate and reason with clinical hypotheses using observational data. In extensive experiments and analyses on a large-scale real-world dataset with over one million cancer patients from a large US healthcare network, we show that TRIALSCOPE can produce high-quality structuring of real-world data and generates comparable results to marquee cancer trials. In addition to facilitating in-silicon clinical trial design and optimization, TRIALSCOPE may be used to empower synthetic controls, pragmatic trials, post-market surveillance, as well as support fine-grained patient-like-me reasoning in precision diagnosis and treatment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google