Оценка соответствия критериям включения — критический этап, ограничивающий скорость набора в онкологические исследования. Ручной просмотр электронных медицинских карт (ЭМК) трудоёмок и может пропускать подходящих пациентов. Авторы проспективно оценили ИИ-дополненный рабочий процесс для отбора пациентов в EA8191/INDICATE (NCT04423211) — национальное исследование III фазы при раке предстательной железы, с двумя заранее определёнными конечными точками: эффективность скрининга и разнообразие пациентов.

В проспективном когортном исследовании деидентифицированные ЭМК пациентов с неметастатическим раком простаты и предстоящими визитами к онкоурологу обрабатывались с использованием Human+AI workflow. Нейросимволическая NLP-платформа, сочетающая статистические языковые модели со структурированной логикой по критериям включения, классифицировала пациентов как наиболее вероятно подходящих (most likely) или наименее вероятно подходящих (least likely; объединённые somewhat-likely и unlikely). Затем координаторы клинических исследований (CRC) классифицировали пациентов как подходящих, ожидающих решения или неподходящих. Выход скрининга (screening yield) — доля предварительно отобранных пациентов, подтверждённых как подходящие или ожидающие; разнообразие оценивалось по самостоятельно указанным расе и этнической принадлежности.

Из 148 пациентов, прошедших предварительный отбор, 131 (88,5%) были классифицированы как most likely и 17 (11,5%) как least likely подходящие. Проверка CRC подтвердила 29 (19,6%) пациентов как подходящих или ожидающих, из которых 27 (93,1%) происходили из категории most likely. В исследовательском сравнении выход был численно выше в категории most likely, чем least likely (20,6% vs 11,8%). Категория most likely была более расово разнообразной, включая чернокожих или афроамериканцев (23/131, 17,6%) и латиноамериканцев (3/131, 2,3%), против 1/17 (5,9%) и 0/17 в категории least likely.

По мнению авторов, это первое проспективное когортное исследование нейросимволического ИИ-скрининга, встроенного в действующее онкологическое исследование III фазы. ИИ-приоритизация сконцентрировала подходящих пациентов в категории наивысшей вероятности и обогатила представленность недостаточно представленных групп. Ограничения включают одноцентровой дизайн с одной группой и малые подгруппы. Результаты поддерживают дальнейшее изучение ИИ-скрининга для улучшения и справедливого расширения набора в исследования.