临床试验 eligibility criteria 没人看得懂：为什么 AI 试验搜索可读性就是患者可及性
2026 年，AI 正在被用于让临床试验 eligibility criteria 变得对患者可理解。ASCO 2026 突破性研究发现，"符合条件的患者和护理者在阅读临床试验信息时，更倾向于阅读经过大语言模型优化的版本，而非 ClinicalTrials.gov 上提供的原始标准描述。" Clinical Leader 指出，当患者问"这适合我这样的人吗？"时，他们"不是在复述入选标准，而是在评估个人相关性"——需要"结构化的平实语言框架来表达适合性。"
Nature Communications 发表了 TrialGPT，"一个使用大语言模型进行零样本患者与试验匹配的端到端框架"，它"首先进行大规模筛选以检索候选试验，然后预测标准级别的患者资格，最后生成试验级别的评分。" Nature Communications 还发表了关于"人机协作以提高肿瘤学试验 eligibility criteria 预筛准确性和效率"的研究。JMIR 发表了一个"大规模结构化和可视化临床试验 eligibility criteria"的框架。PMC 指出，"像 ClinicalTrials.gov 这样的注册平台通常呈现复杂的医学术语，普通公众难以理解。"
但 ASCO 的发现是关键信号：患者更喜欢 AI 简化的试验信息，而非标准 ClinicalTrials.gov 描述。 这种偏好存在是因为标准描述不可读。而不可读的 eligibility criteria 意味着患者无法确定自己是否符合可能挽救生命的试验的条件。
临床试验 eligibility criteria 可读性问题
1. 患者-facing 试验描述中的医学术语
临床试验 eligibility criteria 使用医学术语："入选：组织学确认的非小细胞肺癌（NSCLC），IIIB 或 IV 期，ECOG 体能状态 0-1，根据 RECIST 1.1 可测量病灶，器官功能充分（ANC >= 1.5 x 10^9/L，血小板 >= 100 x 10^9/L，肌酐 <= 1.5x ULN）。排除：晚期疾病既往全身治疗，活动性 CNS 转移，未控制的自身免疫性疾病，妊娠。" 患者需要知道的是："你可能符合条件如果：你患有肺癌（特定类型，3B 或 4 期），你可以自理（ECOG 0-1），你的肿瘤可以在扫描中测量，你的血细胞计数和肾功能充足。你不符合条件如果：你已经接受过晚期癌症的化疗，你有脑转移（除非已治疗），你有未控制的自身免疫性疾病，或者你怀孕了。" 医学版本是给研究者的。平实版本是给正在搜索可能挽救生命的试验的患者。
2. ClinicalTrials.gov 的可读性差距
PMC 直接指出了问题：ClinicalTrials.gov "通常呈现复杂的医学术语，普通公众难以理解。" ClinicalTrials.gov 是临床试验的主要公共注册平台——患者在寻找实验性治疗时搜索的数据库。当这个数据库上的 eligibility criteria 处于大学阅读水平并充满医学术语时，寻找希望的患者无法理解自己是否符合条件。
3. 个人相关性差距
Clinical Leader 的洞察很关键：患者问"这适合我这样的人吗？"他们不是在检查入选标准——他们在评估试验是否与自己的情况相关。当试验描述使用医学术语时，患者无法回答个人相关性问题。他们需要一个平实语言的摘要："这个试验面向 4 期肺癌且尚未接受化疗的患者。如果你符合，请咨询你的医生。"
4. 入组差距
不可读的 eligibility criteria 的最终后果是入组不足。Nature Communications 指出"患者招募对临床试验来说是一项挑战"——TrialGPT 正是为解决这个问题而开发的。但招募挑战部分是可读性挑战：患者无法入组他们看不懂的试验。如果 eligibility criteria 使用术语，患者不知道自己符合条件，不会询问医生，也不会入组——错失可能挽救生命的实验性治疗。
为什么 AI 生成的试验描述难以阅读
1. 医学方案内容作为训练数据
AI 试验工具在临床试验方案、医学数据库和 ClinicalTrials.gov 条目上训练——所有这些都以高阅读水平的医学语言编写。生成的描述再现了这种语域。
2. 科学准确性优先于患者理解
AI 试验工具优化科学准确性：正确的标准、正确的分期、正确的生物标志物。这产生了满足研究者但不满足凌晨 2 点在手机上搜索试验的患者的描述。
3. ASCO 偏好信号
ASCO 发现患者更喜欢 AI 简化的信息而非标准描述。这种偏好是市场信号：标准描述没有满足患者需求。AI 简化有效——但它需要一直到达患者的阅读水平。
4. ClinicalTrials.gov 差距
ClinicalTrials.gov 是主要的公共数据库，但其条目是为研究人员而非患者编写的。ClinicalTrials.gov 上的"平实语言"选项有限且不普遍可用。可读性差距是结构性的——该数据库为研究社区设计，而非患者社区。
修复方案：可读的临床试验 eligibility criteria
修复方案是让临床试验 eligibility criteria 对正在搜索试验的患者可读：
- AI 生成试验描述，包含所有 eligibility criteria
- 用 ELI5 AI 简化患者版本 — 以五年级阅读水平重写，四个级别并排展示
- 使用适当的级别：
- 成人级别用于完整方案（给研究者）
- 青少年级别用于患者-facing 试验摘要
- 5 岁级别用于关键问题：谁符合条件，试验测试什么，如何询问入组
- 将简化版本与 ClinicalTrials.gov 条目一起发布 — 让搜索试验的患者找到可读的描述
ELI5 AI 如何帮助临床试验团队
ELI5 AI 是一个免费、无需登录的文本简化工具，可接受任何临床试验 eligibility criteria 并以五年级阅读水平重写，四个级别并排展示：5 岁、10 岁、青少年和成人。
对于临床试验团队，工作流程是：
- AI 生成试验描述（使用 TrialGPT、NLP 工具或从方案手动起草）
- 将 eligibility criteria 粘贴到 ELI5 AI — 获得四个阅读级别的平实语言版本
- 使用适当级别：
- 成人级别用于完整方案（给研究团队）
- 青少年级别用于患者-facing 试验摘要（用于 ClinicalTrials.gov 和患者招募网站）
- 5 岁级别用于关键问题："这个试验面向 4 期肺癌且尚未接受化疗的患者。它测试一种帮助免疫系统对抗癌症的新药。如果你符合，请咨询你的医生或拨打 [号码]。"
- 将简化版本发布在试验的患者招募页面和 ClinicalTrials.gov 条目旁
临床试验团队现在应该做什么
- 审查你的试验 eligibility criteria 的可读性。 抽样 10 份最近的试验描述。非医学读者能理解谁符合条件吗？如果不能，患者正在错过他们可以入组的试验
- 先简化患者-facing 摘要。 使用 ELI5 AI 为每份试验描述生成平实语言版本。患者需要知道：谁符合条件，试验测试什么，如何询问
- 遵循 ASCO 证据。 ASCO 发现患者更喜欢 AI 简化的信息。使用 ELI5 AI 传递患者偏好的简化信息
- 遵循 Clinical Leader 原则。 患者问"这适合我这样的人吗？"用平实语言回答这个问题——而不是用入选标准
- 在招募页面发布简化标准。 ClinicalTrials.gov 条目可以为研究人员保留医学语言。患者招募页面应该使用平实语言
- 追踪入组与可读性的关系。 如果简化描述带来更多患者询问和更高入组率，可读性就是一个试验可及性指标
底线
临床试验 eligibility criteria 决定了患者能否获得可能挽救生命的实验性治疗。当标准在 ClinicalTrials.gov 上使用医学术语时，患者无法确定自己是否符合条件——并错过可能帮助他们的试验。ASCO 证据表明患者更喜欢 AI 简化的信息。偏好明确。需求明确。修复方案是可读性。
在 AI 试验描述中添加可读性层的临床试验团队将给患者提供找到并入组试验所需的信息。不这样做的团队将继续用医学术语发布 eligibility criteria——并看着患者因为看不懂描述而错过本可入组的试验。
患者无法阅读的临床试验 eligibility criteria 不会促成入组。它们阻碍入组。平实语言将其变为开启可能挽救生命治疗之门的标准。
试试看：将任何临床试验 eligibility criteria、试验描述或患者招募沟通内容粘贴到 ELI5 AI，获得患者可以理解并采取行动的平实语言版本——四个阅读级别，无需注册。