TrialSynth：合成顺序临床试验数据的生成
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了生成高保真度时间序列临床试验数据的难题，特别针对患者可用性与隐私限制的挑战。我们提出了TrialSynth，这是一种变分自编码器，利用霍克斯过程有效捕捉顺序临床试验数据的结构。实验结果表明，TrialSynth在生成顺序临床试验数据的准确性和实用性方面超越了现有方法，同时有效保护患者隐私。
利用TrialMind等基于LLMs的人工智能模型，设计了一种用于医学系统评价的生成型AI流水线。通过人类专家的监督，证明了TrialMind在文献综述过程中的显著提高，并在从超过2000万篇PubMed文章中搜索、筛选和提取结果的过程中表现出优异性能。与GPT-4相比，八位人类评估者更喜欢TrialMind，其有效率提升了临床研究的效率。
