第一作者：Ruishan Liu
通訊作者：James Zou，Ryan Copping
通訊單位：美國斯坦福大學，Genentech公司
臨床試驗的難點
臨床試驗是確定新療法是否安全有效的主要方法。試驗能否取得成功的關鍵在于符合條件的代表性樣本能否及時登記。除此之外，招募足夠多的人來對試驗結果得出具有統計學意義的結論可能是當前的一個難點問題。
研究內容——真實數據+人工智能用于腫瘤試驗
美國斯坦福大學James Zou教授和Genentech公司的Ryan Copping等人在開發了一種軟件工具，該工具提供了一種數據驅動的方式，通過學習真實世界的癌癥患者臨床數據來優化資格標準的包容性和安全性。
本文亮點：
1、使用Trial Pathfinder的計算框架，通過真實數據系統地評估了不同資格標準對癌癥試驗人群和結果的影響。
2、使用來自全國電子健康記錄數據庫的數據模擬了晚期非小細胞肺癌的完整試驗，該數據庫包含61,094名晚期非小細胞肺癌患者。
3、分析結果發現了許多通用標準，包括基于多個實驗室的排除標準，對試驗風險比的影響最小。當使用數據驅動的方法來擴大限制性標準時，合格患者的數量平均增加了一倍以上，總體生存的風險比平均降低了0.05。這表明許多不符合原始試驗標準的患者可能會從治療中受益。
4、通過對其他類型癌癥的分析結果和來自各種臨床試驗的患者安全性數據，進一步支持了該研究的結論。用于評估資格標準的人工智能數據驅動方法可以在幫助設計更具包容性的試驗的同時，保持對患者安全的保障。
主要研究內容
圖1Trial Pathfinder軟件的工作流程和應用
圖2 各個資格標準的影響
大多數試驗使用的資格標準將參與者限制在低風險人群中（健康或年輕人），然而將孕婦、老年人或除感興趣的情況外有其他疾病的人拒之門外。如此規則主要是為了從樣本中排除身體脆弱、免疫系統弱或對藥物毒性耐受性低的人。這些個體的這些特征可能會影響研究樣本的一致性，并產生一些令人困惑的數據。這種方法不但阻止了一些可能從試驗治療中獲益的人，而且可能導致參與者的不足，從而推遲或終止整個試驗。研究人員越來越認識到，臨床試驗的合格標準應該簡化和減少限制條件，并且能夠在臨床上更好地證明其合理性。然而，由于缺乏以證據為基礎的方法來制定這些決策，因此以臨床上有意義的方式使資格標準具有包容性是一項極大的挑戰。設置資格標準的常規方法很大程度上取決于對過去試驗的標準的重用或試驗設計者的任意決定。
近年來，電子健康記錄（EHR）的廣泛采用使人們的臨床數據可以更大的規模被獲得。近期的研究表明，使用EHR數據可以評估資格標準的修改如何擴大有參與能力的人群，從而提高臨床試驗的統計能力。然而，目前還缺乏一種軟件工具，能夠通過使用EHR數據模擬臨床試驗來系統評價合格標準。
美國斯坦福大學James Zou教授和Genentech公司的Ryan Copping等人通過開發了一個開源的人工智能(AI)工具來解決了這個問題，稱之為“試驗探路者”(Trial Pathfinder)。該工具可以使用EHR數據來比較接受或未接受特定藥物治療的患者的生存狀況。這樣的仿真試驗為我們提供了一種方式來了解如何通過評估治療的有效性以及試驗納入和參與者安全性之間的權衡來優化資格標準。
研究者使用Trial Pathfinder的計算框架，通過真實數據系統地評估了不同資格標準對癌癥試驗人群和結果的影響。使用來自全國電子健康記錄數據庫的數據模擬了晚期非小細胞肺癌的完整試驗，該數據庫包含61,094名晚期非小細胞肺癌患者。分析結果發現了許多通用標準，包括基于多個實驗室的排除標準，對試驗風險比的影響最小。當使用數據驅動的方法來擴大限制性標準時，合格患者的數量平均增加了一倍以上，總體生存的風險比平均降低了0.05。這表明許多不符合原始試驗標準的患者可能會從治療中受益。通過對其他類型癌癥的分析結果和來自各種臨床試驗的患者安全性數據，進一步支持了該研究的結論。用于評估資格標準的人工智能數據驅動方法可以在幫助設計更具包容性的試驗的同時，保持對患者安全的保障。
研究展望
這項研究可能會促進AI技術用于選擇最佳的臨床實驗參與者，從而進行除癌癥以外的其他疾病的臨床試驗。但是，要做到這一點，就需要克服EHR數據質量局限性方面的主要挑戰。
參考文獻
1、Liu, R., Rizzo, S., Whipple, S. et al. Evaluating eligibility criteria of oncology trials using real-world data and AI. Nature (2021).
DOI: 10.1038/s41586-021-03430-5
https://doi.org/10.1038/s41586-021-03430-5
2、Chunhua Weng, et al. AI uses patient data to optimize selection of eligibility criteria for clinical trials. Nature (2021)
DOI: 10.1038/d41586-021-00845-y
https://doi.org/10.1038/d41586-021-00845-y
