NetraMark Holdings Inc. gibt die Markteinführung von NetraGPT bekannt. Durch neu entwickelte Algorithmen baut NetraGPT auf den leistungsstarken Hypothesen auf, die durch das firmeneigene, nach Good Clinical Practice (GCP) validierte KI/ML-System NetraAI generiert werden. Die Stärke des NetraAI-Systems liegt in seiner Fähigkeit, spezielle Kombinationen von Variablen zu erkennen, die Patienten-Subpopulationen in Bezug auf das Ansprechen auf ein Medikament oder ein Placebo und auf unerwünschte Wirkungen definieren, was alles wichtige Aspekte für klinische Studien sind. NetraGPT revolutioniert nun die Leistungsfähigkeit von NetraAI, indem der NetraAI-Output in generative vortrainierte (GPT) Modelle eingespeist wird, die Large Language Model (LLM) APIs verwenden. Derzeit werden LLMs mit einer riesigen Datenmenge trainiert, wobei ChatGPT4 mit etwa 300 Milliarden Wörtern an Daten, einschließlich medizinischer Literatur, trainiert wurde. Diese Innovation versetzt NetraMark in die einzigartige Lage, nicht nur auf den von NetraAI abgeleiteten Hypothesen und Subpopulationsdefinitionen aufzubauen, sondern jetzt auch potenziell weitere Erkenntnisse zu gewinnen, die die Leistungsfähigkeit von LLMs nutzen und die Ergebnisberichte in Minuten statt Wochen liefern. Dies bietet NetraMark die einmalige Gelegenheit, die Ergebnisse von NetraAI nahtlos zu integrieren und den Kunden schnell und effizient aussagekräftige Erkenntnisse über Patientenpopulationen zu vermitteln. NetraGPT nimmt Informationen über bestimmte Patientenuntergruppen aus klinischen Studien auf, die von NetraAI ermittelt wurden. Konkret bedeutet dies, dass die Sammlung von biologischen oder anderen Variablen, die für die entdeckten Teilpopulationen von Interesse statistisch signifikant sind, auf der Grundlage der abhängigen Variable, z. B. Arzneimittelansprechen, Placeboansprechen, Nichtansprechen auf Placebo, unerwünschte Ereignisse usw., eingespeist wird. Die resultierende Ausgabe des NetraGPT-Moduls ist ein detaillierter, für den Menschen lesbarer Bericht, der die Leistungsfähigkeit von LLMs und den riesigen Korpus der medizinischen Literatur nutzt:
Ausgabeberichte, die sich innerhalb von Sekunden zusammensetzen und innerhalb von Minuten abgeschlossen sind, verbesserte Erklärbarkeit der einflussreichen Variablen, die den entdeckten Subpopulationen zugrunde liegen, zusätzliche Erkenntnisse, die Zusammenhänge zwischen den Variablen, der Reaktion und dem Krankheitszustand aufzeigen, Referenzen aus relevanter und aktueller Literatur, vor allem aber ist der Prozess transparent in Bezug auf die Variablen, die die spezifischen Patientensubpopulationen antreiben, die durch statistische Überprüfung eindeutig identifiziert und validiert werden können. Dieses Maß an Transparenz ist für Sponsoren von entscheidender Bedeutung, insbesondere bei der Zusammenarbeit mit LLMs, da es menschlichen Experten und Studienteilnehmern ermöglicht, Teile des Prozesses der Hypothesengenerierung durch künstliche Intelligenz (KI) und den von LLMs erstellten Bericht zu überprüfen, um die Richtigkeit der generierten Erkenntnisse und Empfehlungen zu gewährleisten.