國際生醫新聞

1. 生成式 AI 可透過多種方式優化臨床試驗流程
2. 有效利用生成式 AI 的關鍵
3. AI 是輔助，人類需負責驗證輸出結果，並根據專業知識做出最終決策

生成式 AI，如 ChatGPT、Microsoft Copilot 等，正逐漸改變著各行各業，而臨床試驗領域也不例外。這些技術擁有提高效率、降低成本和加速藥物開發的巨大潛力，但也帶來了新的挑戰，需要謹慎應對。丹麥管理諮詢公司 Implement Consulting Group 的合夥人 Rune Bergendorff，分享了他對生成式 AI 對臨床試驗帶來的好處、風險等的見解，彙整如下：

生成式 AI 如何提升臨床試驗？

生成式 AI 可透過多種方式優化臨床試驗流程，包括：
1. 識別合適的患者群體：透過快速分析大量數據，幫助研究人員找到正在招募相同患者群體的其他試驗，進而提高招募效率。

2. 降低成本：透過將繁瑣的任務自動化，例如數據分析與風險識別，以節省大量時間及資源。

3. 提高成功率：幫助研究人員識別潛在風險並優化試驗設計，進而提高試驗成功率。

4. 加速藥物開發：透過提高效率與準確性，幫助研究人員更快地完成試驗、加速將新藥推向市場。

有效利用生成式 AI 的關鍵

為了充分發揮生成式 AI 的優勢，臨床試驗團隊需要克服一些挑戰：
1. 提出正確的問題：與生成式 AI 工具互動的關鍵是「提示工程」，即學習如何提出清晰、準確和有針對性的問題，以獲得最有用的答案。建立「包含經過驗證的提示詞庫」將可提高效率和可靠性。

2. 解決隱私和安全問題：處理敏感的臨床試驗數據時，必須使用公司/單位私有的生成式 AI，而不是公開可用的版本，才能確保數據安全和患者隱私。

3. 應對生成式 AI 的侷限性：生成式 AI 模型可能會產生與現實脫節的結果，例如輸出不存在的事件評論或帶有偏差的圖像。此外，它們也可能存在算法偏差，例如在生成「領導者圖像」時傾向於男性形象。

4. 倫理考量：在臨床試驗中使用生成式 AI 容易引發倫理問題，例如數據使用的道德性以及人類在決策過程中應扮演的角色。因此必須要意識到、並識別出這些問題，並制定相應的準則和規範。

人類與 AI 的協作

儘管生成式 AI 具有強大的功能，但它不應被視為人類專業知識的替代品；相反的，它應該被視為一種增強人類能力的工具，臨床試驗團隊確實可以利用這一強大的技術來加速藥物開發。然而，人類最終仍然需要負責驗證生成式 AI 生成的結果，並根據自身的專業知識做出最終決策。

延伸閱讀：《AI》輝達：從遊戲到生物科技，GPU 巨頭如何引領 AI 藥物研發革命？
延伸閱讀：《數位醫療》急診室擠滿人...，AI 判讀肺部超音波圖像，協助醫生識別出 COVID-19 患者及時治療

資料來源：BioSpace、NVIDIA