Clinic Match: Facilitando Ensaios Clínicos com Mineração de Texto
Resumo
Os ensaios clínicos são fundamentais para avançar o conhecimento científico, possibilitando avaliar a segurança e a eficácia de novos tratamentos em seres humanos de maneira ética, controlada e sistemática. Além de contribuir para o avanço da medicina, os ensaios proporcionam acesso a terapias potencialmente promissoras não disponíveis comercialmente, o que é particularmente importante para indivíduos com doenças graves ou condições sem opções de tratamento adequadas. No entanto, o recrutamento de participantes para ensaios clínicos pode enfrentar uma série de desafios entre os quais o mais comum consiste em encontrar e recrutar um número suficientemente grande de participantes que atendam aos critérios de elegibilidade do ensaio. Geralmente, o recrutamento depende de demoradas revisões manuais de registros médicos, enfrentando altas taxas de falha na triagem. Além disso, muitos casos, em especial na oncologia, dependem do momento correto para a entrada em um ensaio clínico. Para superar esses desafios, este estudo em andamento propõe desenvolver uma ferramenta para auxiliar o médico a encontrar ensaios abertos que sejam compatíveis com o caso específico que está sendo atendido. Essa abordagem busca analisar rapidamente os ensaios clínicos potencialmente compatíveis com o caso, permitindo futuramente testarmos a hipótese do impacto no recrutamento de voluntários para ensaios.
Referências
Ashery, R. S. and McAuliffe, W. E. (1992). Implementation issues and techniques in randomized trials of outpatient psychosocial treatments for drug abusers: Recruitment of subjects. The American Journal of Drug and Alcohol Abuse, 18(3):305––329.
Bossuyt, P. M., Reitsma, J. B., Linnet, K., and Moons, K. G. (2012). Beyond Diagnostic Accuracy: The Clinical Utility of Diagnostic Tests. Clinical Chemistry, 58(12):1636–1643.
Chondrogiannis, E., Andronikou, V., Tagaris, A., Karanastasis, E., Varvarigou, T., and Tsuji, M. (2017). A novel semantic representation for eligibility criteria in clinical trials. Journal of Biomedical Informatics, 69:10—-23.
Ellis, P. (2000). Attitudes towards and participation in randomised clinical trials in oncology: A review of the literature. Annals of Oncology, 11(8):939––946.
Hulley, S. B., Cummings, S. R., Browner, W. S., Grady, D. G., Hearst, N., and Newman, T. B. (2000). Designing clinical research. Lippincott Williams and Wilkins, Philadelphia, PA, 2 edition.
Jonnalagadda, S. R., Adupa, A. K., Garg, R. P., Corona-Cox, J., and Shah, S. J. (2017). Text mining of the electronic health record: An information extraction approach for automated identification and subphenotyping of hfpef patients for clinical trials. Journal of Cardiovascular Translational Research, 10(3):313—-321.
Patel, M. X., Doku, V., and Tennakoon, L. (2003). Challenges in recruitment of research participants. Advances in Psychiatric Treatment, 9(3):229—-238.
Pressler, T. R., Yen, P.-Y., Ding, J., Liu, J., Embi, P. J., and Payne, P. R. O. (2012). Computational challenges and human factors influencing the design and use of clinical research participant eligibility pre-screening tools. BMC Medical Informatics and Decision Making, 12(1).
Sen, A., Ryan, P. B., Goldstein, A., Chakrabarti, S., Wang, S., Koski, E., and Weng, C. (2016). Correlating eligibility criteria generalizability and adverse events using big data for patients and clinical trials. Annals of the New York Academy of Sciences, 1387(1):34––43.
