临床试验是为病人提供新治疗的关键工具，但研究表明，很难找到合适的受试者，这可能会破坏这些研究的有效性。国外某家医疗中心的研究人员设计并测试了一种新的计算机化解决方案，该解决方案使用人工智能(AI)有效地从电子健康记录中识别合格的受试者，从而使忙碌的临床工作人员能够将有限的时间集中在评估质量最高的受试候选人上。
这项研究发表在网上，研究表明，与人工筛选电子健康记录以确定研究对象相比，这个自动临床试验资格筛选器将患者筛查时间缩短了34%，并将患者注册人数提高了11.1%。该系统还使接受筛查的病人人数增加了14.7%，接近病人的人数提高了11.1%。
繁忙的急诊室通常是临床试验协调员寻找可能是优秀受试候选人的最佳地点。这个自动临床试验资格筛选器旨在简化常常被证明是低效的临床试验招聘流程，但并不总是能吸引到足够的合格受试者。
通过利用自然语言处理和机器学习技术，它能够快速分析不同类型的数据，并自动确定患者是否适合临床试验。
系统自然语言处理，当系统分析大量的语言数据时，计算机就可以理解和解释人类语言。机器学习允许计算机化系统自动地从经验中学习和发展，而不需要专门编程。这使得计算机程序能够独立地处理数据、提取信息和生成知识。
自动化系统从电子健康记录中提取结构化信息，如病人统计数据和临床评估。它还从临床记录中识别出非结构化信息，包括患者的临床状况、症状、治疗等。然后，提取的信息与资格要求相匹配，以确定受试者是否适合某一特定的临床试验。
根据研究人员的说法，该系统的机器学习组件还允许它从历史上的注册学习中学习，以改进其未来的建议。许多分析都是由精心设计的人工智能算法处理的，这些算法本质上是计算机通过执行一组指定操作来解决问题的过程或公式。
在此之前，该系统曾在2015年发布的一项回顾性研究中进行了成功的试点试验。在真实的临床环境中使用这项技术，涉及到数据科学家、应用程序开发人员、信息服务技术人员和最终用户临床工作人员之间的重大合作。