下記の文章は論文のアブストラクトをChatGPTに解釈させたものであり、正確性は保証しません。

• 論文タイプ：原著論文

• 掲載誌：medRxiv（査読前のプレプリント）

• 本研究の背景と関連研究：
  本研究の背景は、臨床試験における被験者のスクリーニングが労力と時間を要する作業であり、誤りも生じやすいという問題点があることです。大規模言語モデル（LLM）や関連技術の登場により、自然言語処理の能力においてパラダイムシフトが起こり、スクリーニングの品質と効率を向上させる有望な手法が提供されるようになりました。本研究では、Retrieval-Augmented Generation（RAG）プロセスを用いたGenerative Pretrained Transformer Version 4（GPT-4）を使用して、臨床試験の被験者の適格性基準を正確に特定し、報告することを目的としています。

• 本研究の目的とその重要性：
  本研究の目的は、GPT-4を使用して臨床試験の適格性基準を特定し、報告することです。従来の方法では、電子健康記録（EHR）の構造化データを使用して適格性基準の一部を特定することしかできませんでしたが、GPT-4を使用することで、より正確かつ効率的に適格性基準を特定できる可能性があります。この研究の重要性は、スクリーニングの品質と効率を向上させることで、臨床試験の実施を効果的に支援することにあります。

• 本研究で用いた材料やデータの詳細：
  本研究では、Co-Operative Program for Implementation of Optimal Therapy in Heart Failure（COPILOT-HF）試験のデータを使用しました。この試験は、症状のある心不全患者を募集することを目的としています。スクリーニングプロセスでは、電子健康記録（EHR）のクエリを使用して、潜在的に適格な患者のリストが作成されます。現在、EHRの構造化データは、6つの適格基準のうち5つと17の除外基準のうち5つを特定するためにのみ使用されています。研究スタッフは、訓練を受けていますが、ライセンスは持っておらず、手動でチャートレビューを行い、患者の適格性を判断し、適格基準と除外基準に関する評価を記録します。

• 本研究で何をどのように、どこまで明らかにした？
  本研究では、GPT-4を使用してCOPILOT-HF試験の適格性基準を特定し、報告することを明らかにしました。具体的には、GPT-4を用いてEHRのデータを処理し、適格性基準の特定と報告を行いました。従来の方法では特定できなかった適格性基準の特定に成功し、その結果を報告しました。

• 本研究の有効性はどのように検証した？
  本研究では、COPILOT-HF試験のデータを使用してGPT-4を評価しました。具体的には、GPT-4が適格性基準を正確に特定できるかどうかを検証しました。その結果、GPT-4は従来の方法よりも高い精度で適格性基準を特定できることが示されました。また、GPT-4を使用することでスクリーニングの効率も向上することが確認されました。

効果的なキーワードの提案：

• #GPT4

• #スクリーニング

• #臨床試験

• #デジタルヘルス