طوّر فريق بحثي من جامعة إلينوي في أوربانا-شامبين طريقة جديدة لتقييم جودة التجارب السريرية باستخدام تقنيات الذكاء الاصطناعي. ركزت الدراسة على تدريب نماذج معالجة اللغة الطبيعية للكشف الآلي عن مدى امتثال تقارير الأبحاث الطبية لمتطلبات معايير CONSORT، مما يوفر دعمًا تقنيًا لتحسين جودة تقارير التجارب السريرية.

تُعتبر التجارب السريرية العشوائية المضبوطة أساسًا لتقييم سلامة وفعالية العلاجات الجديدة. ومع ذلك، غالبًا ما تعاني المنشورات الطبية من نقص في تفاصيل التجارب، مما يؤثر على القدرة على تقييم جودة الأبحاث بدقة. استخدم فريق جامعة إلينوي نظام الحوسبة الفائقة Bridges-2 في Pittsburgh Supercomputing Center (PSC) (PSC) لتطوير أداة ذكاء اصطناعي قادرة على تحديد المعلومات المفقودة في تقارير التجارب السريرية.

استند الفريق إلى 83 توصية من بيان CONSORT 2010 وبيان SPIRIT 2013 لبناء مجموعة بيانات تدريب الذكاء الاصطناعي. جمعوا 200 مقالة عن التجارب السريرية نُشرت بين عامي 2011 و2022، واستخدموا وحدات معالجة الرسوميات في نظام Bridges-2 لتدريب نموذج شبكة عصبية Transformer. تعلمت أداة تقييم التجارب السريرية بالذكاء الاصطناعي التعرف على خصائص التقارير البحثية الممتثلة للمعايير من خلال تحليل أنماط النصوص.

في اختبارات النموذج، حقق أفضل برنامج معالجة لغة طبيعية درجة F₁ قدرها 0.742 على مستوى الجملة الواحدة، و0.865 على مستوى النص الكامل. نُشرت هذه النتائج الأولية في مجلة Scientific Data في فبراير 2025.

يخطط الفريق لتحسين أداة تقييم التجارب السريرية بالذكاء الاصطناعي من خلال زيادة كمية بيانات التدريب واستخدام تقنيات تقطير النماذج لتعزيز الأداء. الهدف النهائي هو تطوير أداة مفتوحة المصدر لاستخدامها من قبل الباحثين ودور النشر الأكاديمية، لتحسين تصميم وتنفيذ التجارب السريرية وجودة التقارير. من المتوقع أن تعزز هذه الطريقة القائمة على الكشف الآلي لمعايير CONSORT التطور الموحد في مجال الأبحاث الطبية.