大模型
dev.to ·
@Abhishek Khanra
TrialMatch：当生命攸关时，精度为何重要
作者因朋友亲属确诊晚期非小细胞肺癌、一线铂类化疗失效，被建议自行在 ClinicalTrials.gov 上寻找实验性靶向试验，从而体会到该注册库的检索难度：超过 45 万项研究使用法律化临床语言撰写，每份方案包含数十条资格标准、排除条款和洗脱期，分散在长达 40 页的 PDF 附件中。作者尝试用 ChatGPT 和 Gemini 处理患者病理摘要，并由此构建 TrialMatch，强调在医疗场景中匹配精度的重要性。
AI推荐理由 以真实肺癌患者寻找临床试验为背景，指出 ClinicalTrials.gov 超 45 万项研究、资格标准分散在长 PDF 中导致检索困难，并尝试用 AI 提升匹配精度，属于 AI 在医疗信息检索中的落地应用。但正文为参赛作品自述，缺少匹配准确率、召回率等可验证指标，效果尚待证实。
64
正文
当前仅保存了标题或简介；并非所有来源都提供正文，可通过下方原文链接查看。