論文の概要: ClinicalTrialsHub: Bridging Registries and Literature for Comprehensive Clinical Trial Access
- arxiv url: http://arxiv.org/abs/2512.08193v1
- Date: Tue, 09 Dec 2025 02:52:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-10 22:28:07.791454
- Title: ClinicalTrialsHub: Bridging Registries and Literature for Comprehensive Clinical Trial Access
- Title（参考訳）: ClinicalTrialsHub: 総合的な臨床試験アクセスのためのブリッジングレジストリと文献
- Authors: Jiwoo Park, Ruoqi Liu, Avani Jagdale, Andrew Srisuwananukorn, Jing Zhao, Lang Li, Ping Zhang, Sachin Kumar,
- Abstract要約: ClinicalTrialsHubは対話型検索に焦点を当てたプラットフォームで、CeriorTrials.govのすべてのデータを集約する。
臨床治験データへのアクセス率は, 臨床Trials.govのみに頼らず, 83.8%向上した。
- 参考スコア（独自算出の注目度）: 11.885968650881312
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present ClinicalTrialsHub, an interactive search-focused platform that consolidates all data from ClinicalTrials.gov and augments it by automatically extracting and structuring trial-relevant information from PubMed research articles. Our system effectively increases access to structured clinical trial data by 83.8% compared to relying on ClinicalTrials.gov alone, with potential to make access easier for patients, clinicians, researchers, and policymakers, advancing evidence-based medicine. ClinicalTrialsHub uses large language models such as GPT-5.1 and Gemini-3-Pro to enhance accessibility. The platform automatically parses full-text research articles to extract structured trial information, translates user queries into structured database searches, and provides an attributed question-answering system that generates evidence-grounded answers linked to specific source sentences. We demonstrate its utility through a user study involving clinicians, clinical researchers, and PhD students of pharmaceutical sciences and nursing, and a systematic automatic evaluation of its information extraction and question answering capabilities.
- Abstract（参考訳）: ClinicalTrials.govのすべてのデータを統合し、PubMedの調査記事から自動でトライアル関連情報を抽出し、構造化することで強化する対話型検索プラットフォームであるCiticalTrialsHubを提案する。
当システムでは, 患者, 臨床医, 研究者, 政策立案者へのアクセスを容易にし, エビデンスベースの医療を進展させる可能性が高く, 臨床治験データへのアクセス率を83.8%向上させることができた。
ClinicalTrialsHubはGPT-5.1やGemini-3-Proのような大きな言語モデルを使用してアクセシビリティを向上させる。
プラットフォームは、構造化された試行情報を自動解析して抽出し、ユーザクエリを構造化されたデータベース検索に変換し、特定のソース文に関連付けられたエビデンス付き回答を生成する属性付き質問回答システムを提供する。
本稿では,臨床医,臨床研究者,薬学・看護学のPhD学生を対象とするユーザスタディと,情報抽出と質問応答能力の体系的自動評価を通じて,その実用性を実証する。
関連論文リスト
- From Questions to Clinical Recommendations: Large Language Models Driving Evidence-Based Clinical Decision Making [14.48848307485775]
Quickerは大規模言語モデル(LLM)を利用したエビデンスベースの臨床意思決定支援システムである。
本研究は,大規模言語モデル(LLM)を用いたエビデンスに基づく臨床意思決定支援システムQuickerを紹介する。
論文 参考訳（メタデータ） (2025-05-15T13:30:39Z) - Improving Clinical Note Generation from Complex Doctor-Patient Conversation [20.2157016701399]
大言語モデル(LLM)を用いた臨床ノート作成分野への3つの重要な貢献について述べる。
まず、CliniKnoteを紹介します。CliniKnoteは、1200の複雑な医師と患者との会話と、その全臨床ノートを組み合わせたデータセットです。
第2に,従来のSOAPcitepodder20soap(Subjective, Objective, Assessment, Plan)のメモを上位にキーワードセクションを追加することで,必須情報の迅速な識別を可能にするK-SOAPを提案する。
第3に、医師と患者との会話からK-SOAPノートを生成する自動パイプラインを開発し、様々な近代LCMをベンチマークする。
論文 参考訳（メタデータ） (2024-08-26T18:39:31Z) - TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [54.98321887435557]
本稿では, マルチモーダル入力特徴と臨床治験設計における8つの重要な予測課題を網羅した, 精巧にキュレートされた23個のAI対応データセットについて述べる。
データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。
このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文 参考訳（メタデータ） (2024-06-30T09:13:10Z) - Accelerating Clinical Evidence Synthesis with Large Language Models [28.002870749019035]
本稿では,人間とAIのコラボレーションを促進するための生成人工知能パイプラインであるTrialMindを紹介する。
TrialMindは、検索、スクリーニング、データ抽出タスクを横断的に拡張する。
人間の専門家は、GPT-4よりもTrialMindの出力を62.5%から100%のケースで好んだ。
論文 参考訳（メタデータ） (2024-06-25T17:41:52Z) - Large Language Models in the Clinic: A Comprehensive Benchmark [63.21278434331952]
診療所の大規模言語モデル(LLM)をよりよく理解するためのベンチマークであるClimateBenchを構築した。
まず、さまざまな臨床言語の生成、理解、推論タスクを含む11の既存のデータセットを収集します。
次に,現実の実践において複雑だが一般的である6つの新しいデータセットと臨床タスクを構築した。
ゼロショット設定と少数ショット設定の両方で、20個のLDMを広範囲に評価する。
論文 参考訳（メタデータ） (2024-04-25T15:51:06Z) - Development and validation of a natural language processing algorithm to
pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。
臨床文献のコーパスを12種類に分類した。
私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
論文 参考訳（メタデータ） (2023-03-23T17:17:46Z) - CREATe: Clinical Report Extraction and Annotation Technology [53.731999072534876]
臨床症例報告は、特定の臨床症例の特異な側面を記述した記述である。
これらのレポートを注釈付け、インデックス付け、あるいはキュレートするエンドツーエンドシステムを開発する試みはない。
本稿では,新たな計算資源プラットフォームを提案し,臨床事例レポートの内容の抽出,索引付け,照会を行う。
論文 参考訳（メタデータ） (2021-02-28T16:50:14Z) - Benchmarking Automated Clinical Language Simplification: Dataset,
Algorithm, and Evaluation [48.87254340298189]
我々はMedLaneという名の新しいデータセットを構築し、自動化された臨床言語簡易化手法の開発と評価を支援する。
我々は,人間のアノテーションの手順に従い,最先端のパフォーマンスを実現するDECLAREと呼ばれる新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-12-04T06:09:02Z) - Knowledge-guided Text Structuring in Clinical Trials [0.38073142980733]
本稿では,知識ベースを自動生成する知識誘導型テキスト構造化フレームワークを提案する。
実験結果から,本手法は全体の高精度化とリコールが可能であることが示唆された。
論文 参考訳（メタデータ） (2019-12-28T01:12:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。