Менее 1 из 10 взрослых онкологических пациентов участвуют в терапевтических клинических исследованиях, причём основную роль в низком уровне участия играют структурные и критериальные барьеры, а не отказ самих пациентов. Предварительный скрининг — этап сопоставления медицинской документации каждого пациента с критериями включения/исключения открытых исследований — трудоёмкий процесс, применяется неравномерно и ограничивает масштаб отбора.

Исследователи из онкологического центра, входящего в программу NCI Comprehensive Cancer Center, внедрили централизованную модель предварительного отбора с использованием платформы PRISM — системы искусственного интеллекта, которая анализирует предстоящие визиты из электронной медицинской карты (ЭМК) и автоматически сопоставляет полную документацию каждого пациента со всеми критериями активных клинических исследований. Платформа возвращает совпадения на уровне отдельных критериев с указанием источников (записи врачей, факсы, патоморфология). Команда из 6 специалистов по пре-скринингу классифицировала пары пациент–исследование как «Хорошее совпадение (рекомендовано)», «Список наблюдения» или «Не подходит». Каждое новое поступление данных в ЭМК автоматически запускало повторный скрининг.

За период с 1 декабря 2025 г. по 10 июня 2026 г. платформа обработала 67 374 предстоящих онкологических визита среди 27 046 уникальных пациентов; месячный объём вырос в 2,4 раза. К маю 75% оценок были автоматическими повторными скринингами, инициированными новыми данными в карте (против 20% в декабре). Ручная экспертная оценка потребовалась лишь для 12,2% уникальных пациентов.

Из 1879 окончательных решений (исключая 659 случаев, остающихся на рассмотрении) 874 (47%) оказались действенными: 499 рекомендаций для врачей и координаторов исследований и 375 добавлений в список наблюдения. В 71% отклонений был указан конкретный критерий несоответствия. Пять специалистов выполнили 93% всех оценок. Команда сообщила о 70% экономии времени на одну карту и возможности охватить 50 пациентов в день на одного специалиста (против 16 при ручном скрининге).

Централизация ИИ-ассистированного пре-скрининга обеспечила практически полный охват предстоящих онкологических визитов малой командой, превратив скрининг из распределённого ресурсоёмкого процесса в непрерывно действующую систему с автоматическим повторным анализом по мере накопления данных. Модель демонстрирует масштабируемый подход с низкими кадровыми затратами для снижения структурных барьеров доступа к клиническим исследованиям в онкологии.