科学家设计了一种新的人工智能模型，可以模拟随机临床试验，以确定最有效预防心脏病患者中风的治疗方案。
该模型预先加载了从雇主、健康计划和医院提交的医疗保健索赔信息中收集的数百万患者的去识别化数据，这是一种类似于 ChatGPT 等生成式人工智能工具的基础模型策略。
通过在大量一般数据上对模型进行预训练，研究人员可以使用有关特定健康状况和治疗的信息(在本例中重点关注中风风险)对模型进行微调，以估计每种治疗的因果效应并确定根据患者的个体特征，哪种治疗效果最好。
俄亥俄州立大学的团队在《模式》杂志上报告称，他们的模型优于七个现有模型，并提出了与四项随机临床试验相同的治疗建议。
“现有的算法无法完成这项工作，”俄亥俄州立大学计算机科学与工程和生物医学信息学副教授、资深作者张平说。“从数量上来说，我们的方法比其他方法提高了 7% 到 8% 的性能。比较表明其他方法可以推断出类似的结果，但它们不能产生与随机临床试验完全相同的结果。我们的方法可以。”
取代黄金标准的临床研究并不是重点，但研究人员希望机器学习可以通过加快临床试验并支持患者护理的个性化来帮助节省时间和金钱。