近期，恒达平台智能互聯計算研究所蘇前敏副教授指導研究生韓永中、阮競開在生物醫學信息學領域的重要期刊發表高水平論文兩篇。
研究生韓永中在“Journal of Biomedical Informatics”上發表中科院2區論文 Structural analysis and intelligent classification of clinicaltrial eligibility criteria based on deep learning and medical text mining，論文通過構建臨床試驗入組標準自動分類模型（CTEC-AC），實現了將臨床試驗入組標準結構化為可計算的解釋性分類。該模型以最新的2,500項臨床試驗為數據來源，從國際臨床試驗註冊網站獲取超過20,000條入組標準數據，結合ClinicalBERT與MetaMap技術對數據特征進行增強，最終生成可解釋的分層聚類結果，並經專家驗證形成標準化文本語料庫。研究成果揭示了臨床研究者設計入組標準的31種主要類別及其表達的共性，顯著提升了非結構化入組標準文本的自動分類能力，為臨床試驗的信息化與智能化作出了重要貢獻，同時為自動化受試者招募提供了有力支持。該成果為人工智能在醫學領域的應用拓展了新方向，為促進臨床試驗標準化與信息化提供了重要的技術支撐。
圖1CTEC-AC 模型結構
圖2 臨床試驗方案資格標準聚類明細
研究生阮競開在“International Journal of Medical Informatics”上發表中科院2區論文 CPRS: a clinical protocolrecommendation system based on LLMs。論文提出了一種基於大模型的臨床試驗方案推薦系統，結合GPT-4和知識圖譜來輔助臨床試驗方案推薦。利用知識圖譜作為輔助工具，識別出具有相似特征的有限臨床試驗項目集。通過實驗比較了GPT-4與SBERT系列中處理語義相似性的多個模型。結果表明，GPT-4能夠更好地根據相似性標準對臨床試驗方案進行排序，並向患者提供有針對性的推薦。因此，該功能滿足了項目與患者之間的匹配要求，並提高了臨床試驗方案推薦的自動化程度。
圖3 基於大模型的臨床試驗方案推薦模型流程圖
恒达平台蘇前敏副教授，博士畢業於中國科恒达研究生院，師從馬余剛院士，2010年在上海中醫藥大學進行博士後研究，題目為國際臨床試驗註冊平臺的數據挖掘研究。近幾年，蘇前敏副教授在臨床試驗信息學方面持續發力，積極探索生物信息交叉學科的應用研究。以上兩項成果，是人工智能在臨床試驗信息學上的交叉研究，該論文得到復旦大學中山醫院臨床研究院、上海中醫藥大學中醫藥臨床評價中心和龍華醫院感染科的大力支持。
[1]Yongzhong Han, Qianmin Su,LiangLiu, Ying Li, Jihan Huang.Structural analysis and intelligent classification ofclinical trial eligibility criteria based on deep learning and medical textmining[J],Journal of Biomedical informatics, 160(2024) 104753.
[2]JingKai Ruan, QianMin Su,ZiHang Chen,, JiHan Huang, Ying Li.CPRS:A Clinical Protocol RecommendationSystem based on LLMs[J], International Journal of medical Iformatics,Vol(195). 3,2025(105746).
