KI-gestützte Leitlinienoptimierung: Neues Tool erleichtert klinische Studien

Ein neues KI-gestütztes System zur Optimierung von Einschlusskriterien für klinische Studien wurde auf arXiv veröffentlicht. Das Tool nutzt interpretierbare semantische Achsen – wie Demografie, Laborparameter und Verhaltensfaktoren – um die Erstellung von Eligibility Criteria (EC) zu steuern. Dadurch können Ärzt*innen die Kriterien präziser anpassen, ohne jedes einzelne Merkmal explizit angeben zu müssen.

Die Entwickler haben ein „guided generation“-Framework entwickelt, das die Balance zwischen Spezifität und Benutzerfreundlichkeit herstellt. Im Gegensatz zu bestehenden Ansätzen, die entweder sehr strukturierte Eingaben erfordern oder nur mit minimalen Informationen arbeiten, bietet dieses System einen Mittelweg. Es ermöglicht die gezielte Steuerung der Kriterienerstellung, während gleichzeitig die Komplexität für die Anwender*innen reduziert wird.

Zur Bewertung der generierten Kriterien wurde ein wiederverwendbares, rubric-basiertes Evaluationsframework eingeführt. Dieses prüft die Kriterien anhand klinisch relevanter Dimensionen. In automatisierten Tests sowie in Befragungen von Fachärzt*innen zeigte sich, dass die geführte Generierung die Qualität der Kriterien deutlich verbessert und die Akzeptanz bei den Anwender*innen steigert.

Das Ergebnis ist ein praktisches, interpretierbares Tool, das die Arbeit von Ärzt*innen bei der Planung von klinischen Studien erleichtert und die Effizienz des Trial-Designs nachhaltig erhöht.