ИИ может ускорять набор в КИ — и это уже показывают на реальных кейсах 🤖
Cleveland Clinic протестировала ИИ-систему для прескрининга пациентов в действующем исследовании фазы 3 по ATTR-CM — редкому сердечному заболеванию. За одну неделю система проанализировала 1 476 электронных медицинских карт 📄 и выделила 46 потенциальных кандидатов. После экспертной проверки врачами 30 пациентов были признаны подходящими для дальнейшего рассмотрения, при этом 29 из них не были выявлены стандартными методами набора.
По данным центра, с использованием такого подхода удалось включить 7 пациентов за 6 дней ⚡️, тогда как при традиционном процессе ранее было включено 10 пациентов за 90 дней ⏳.
Практическая ценность кейса в том, что ИИ использовался не как инструмент автономного отбора, а как средство ускорения первичного анализа медицинских данных 🤖. Финальная оценка соответствия критериям включения и невключения оставалась за врачами и исследовательской командой👩⚕️👨⚕️. Обоснования по критериям врачи оценили как интерпретируемые и корректные, а общая точность классификации составила 96,2% ✅
Для ClinScriptum такие кейсы особенно показательны, потому что они подтверждают главный практический принцип внедрения ИИ в КИ: технология даёт наибольший эффект там, где снижает рутинную нагрузку, делает логику решений проверяемой и сохраняет контроль за специалистом 🔎. Именно такой подход сегодня выглядит наиболее реалистичным для клинических исследований — не "замена эксперта", а усиление команды за счёт скорости, прозрачности и управляемости процесса.
Этот кейс показывает, что ИИ может стать рабочим инструментом для снижения рутинной нагрузки на центры и повышения эффективности набора пациентов в клинические исследования 🚀
Источники: Cleveland Clinic; Journal of Cardiac Failure.
2
1March 13, 2026 149
