臨床試驗資格標準無人睇得明：點解 AI 試驗搜尋可讀性就係病人可及性

作者 Team19 2026-07-31 閱讀時間 7 分鐘

2026 年，AI 正在被用嚟令臨床試驗資格標準變得對病人可理解。ASCO 2026 突破性研究發現，「符合條件嘅病人同照顧者喺閱讀臨床試驗資訊時，更傾向於閱讀經過大語言模型優化嘅版本，而唔係 ClinicalTrials.gov 上提供嘅原始標準描述。」Clinical Leader 指出，當病人問「呢個適合我呢類人嗎？」嘅時候，佢哋「唔係喺度複述入選標準，而係評估個人相關性」——需要「結構化嘅平實語言框架嚟表達適合性」。

Nature Communications 發表咗 TrialGPT，「一個使用大語言模型進行零樣本病人與試驗配對嘅端到端框架」，佢「首先進行大規模篩選以檢索候選試驗，然後預測標準級別嘅病人資格，最後生成試驗級別嘅評分。」Nature Communications 仲發表咗關於「人機協作以提高腫瘤學試驗資格標準預篩準確性同效率」嘅研究。JMIR 發表咗一個「大規模結構化同可視化臨床試驗資格標準」嘅框架。PMC 指出，「好似 ClinicalTrials.gov 呢啲註冊平台通常呈現複雜嘅醫學術語，一般公眾難以理解。」

但 ASCO 嘅發現係關鍵信號：病人更鍾意 AI 簡化嘅試驗資訊，而唔係標準 ClinicalTrials.gov 描述。 呢種偏好存在係因為標準描述唔可讀。而唔可讀嘅資格標準意味住病人無法確定自己是否符合可能挽救生命嘅試驗嘅條件。

臨床試驗資格標準可讀性問題

1. 病人面向試驗描述中嘅醫學術語

臨床試驗資格標準使用醫學術語：「入選：組織學確認嘅非小細胞肺癌（NSCLC），IIIB 或 IV 期，ECOG 體能狀態 0-1，根據 RECIST 1.1 可測量病灶，器官功能充足（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療，活動性 CNS 轉移，未控制嘅自身免疫性疾病，妊娠。」病人需要知道嘅係：「你可能符合條件如果：你患有肺癌（特定類型，3B 或 4 期），你可以自理（ECOG 0-1），你嘅腫瘤可以喺掃描中測量，你嘅血細胞計數同腎功能充足。你唔符合條件如果：你已經接受過晚期癌症嘅化療，你有腦轉移（除非已治療），你有未控制嘅自身免疫性疾病，或者你懷孕。」醫學版本係俾研究者嘅。平實版本係俾緊搜尋可能挽救生命嘅試驗嘅病人。

2. ClinicalTrials.gov 嘅可讀性差距

PMC 直接指出咗問題：ClinicalTrials.gov「通常呈現複雜嘅醫學術語，一般公眾難以理解。」ClinicalTrials.gov 係臨床試驗嘅主要公共註冊平台——病人搵實驗性治療時搜尋嘅資料庫。當呢個資料庫上嘅資格標準處於大學閱讀水平並充滿醫學術語時，搵希望嘅病人無法理解自己是否符合條件。

3. 個人相關性差距

Clinical Leader 嘅洞察好關鍵：病人問「呢個適合我呢類人嗎？」佢哋唔係喺度檢查入選標準——佢哋喺度評估試驗係咪同自己嘅情況相關。當試驗描述使用醫學術語時，病人無法回答個人相關性問題。佢哋需要一個平實語言嘅摘要：「呢個試驗面向 4 期肺癌且尚未接受化療嘅病人。如果你符合，請諮詢你嘅醫生。」

4. 入組差距

唔可讀嘅資格標準嘅最終後果係入組不足。Nature Communications 指出「病人招募對臨床試驗嚟講係一項挑戰」——TrialGPT 正係為解決呢個問題而開發嘅。但招募挑戰部分係可讀性挑戰：病人無法入組佢哋睇唔明嘅試驗。如果資格標準使用術語，病人唔知自己符合條件，唔會問醫生，亦都唔會入組——錯失可能挽救生命嘅實驗性治療。

點解 AI 生成嘅試驗描述難以閱讀

1. 醫學方案內容作為訓練數據

AI 試驗工具喺臨床試驗方案、醫學資料庫同 ClinicalTrials.gov 條目上訓練——所有呢啲都以高閱讀水平嘅醫學語言編寫。生成嘅描述再現咗呢種語域。

2. 科學準確性優先於病人理解

AI 試驗工具優化科學準確性：正確嘅標準、正確嘅分期、正確嘅生物標誌物。呢個產生咗滿足研究者但唔滿足凌晨 2 點喺手機上搜尋試驗嘅病人嘅描述。

3. ASCO 偏好信號

ASCO 發現病人更鍾意 AI 簡化嘅資訊而唔係標準描述。呢種偏好係市場信號：標準描述無滿足病人需求。AI 簡化有效——但需要一直去到病人嘅閱讀水平。

4. ClinicalTrials.gov 差距

ClinicalTrials.gov 係主要嘅公共資料庫，但其條目係為研究人員而唔係病人編寫嘅。ClinicalTrials.gov 上嘅「平實語言」選項有限且唔普遍可用。可讀性差距係結構性嘅——呢個資料庫為研究社區設計，而唔係病人社區。

修復方案：可讀嘅臨床試驗資格標準

修復方案係令臨床試驗資格標準對正在搜尋試驗嘅病人可讀：

AI 生成試驗描述，包含所有資格標準
用 ELI5 AI 簡化病人版本 — 以五年級閱讀水平重寫，四個級別並排展示
使用適當嘅級別：

成人級別用於完整方案（俾研究者）
青少年級別用於病人面向試驗摘要
5 歲級別用於關鍵問題：邊個符合條件，試驗測試咩，點樣詢問入組

將簡化版本同 ClinicalTrials.gov 條目一齊發布 — 等搜尋試驗嘅病人搵到可讀嘅描述

ELI5 AI 點樣幫助臨床試驗團隊

ELI5 AI 係一個免費、唔使登入嘅文字簡化工具，可以接受任何臨床試驗資格標準並以五年級閱讀水平重寫，四個級別並排展示：5 歲、10 歲、青少年同成人。

對於臨床試驗團隊，工作流程係：

AI 生成試驗描述（使用 TrialGPT、NLP 工具或從方案手動起草）
將資格標準貼入 ELI5 AI — 獲得四個閱讀級別嘅平實語言版本
使用適當級別：

成人級別用於完整方案（俾研究團隊）
青少年級別用於病人面向試驗摘要（用於 ClinicalTrials.gov 同病人招募網站）
5 歲級別用於關鍵問題：「呢個試驗面向 4 期肺癌且尚未接受化療嘅病人。佢測試一種幫助免疫系統對抗癌症嘅新藥。如果你符合，請諮詢你嘅醫生或致電 [號碼]。」

將簡化版本發布喺試驗嘅病人招募頁面同 ClinicalTrials.gov 條目旁

臨床試驗團隊而家應該做咩

審查你嘅試驗資格標準嘅可讀性。 抽樣 10 份最近嘅試驗描述。非醫學讀者能理解邊個符合條件嗎？如果唔能，病人正在錯過佢哋可以入組嘅試驗
先簡化病人面向摘要。 使用 ELI5 AI 為每份試驗描述生成平實語言版本。病人需要知道：邊個符合條件，試驗測試咩，點樣詢問
遵循 ASCO 證據。 ASCO 發現病人更鍾意 AI 簡化嘅資訊。使用 ELI5 AI 傳遞病人鍾意嘅簡化資訊
遵循 Clinical Leader 原則。 病人問「呢個適合我呢類人嗎？」用平實語言回答呢個問題——而唔係用入選標準
喺招募頁面發布簡化標準。 ClinicalTrials.gov 條目可以為研究人員保留醫學語言。病人招募頁面應該使用平實語言
追蹤入組同可讀性嘅關係。 如果簡化描述帶嚟更多病人查詢同更高入組率，可讀性就係一個試驗可及性指標

底線

臨床試驗資格標準決定咗病人能否獲得可能挽救生命嘅實驗性治療。當標準喺 ClinicalTrials.gov 上使用醫學術語時，病人無法確定自己是否符合條件——並錯過可能幫助佢哋嘅試驗。ASCO 證據表明病人更鍾意 AI 簡化嘅資訊。偏好明確。需求明確。修復方案係可讀性。

喺 AI 試驗描述中添加可讀性層嘅臨床試驗團隊將俾病人提供搵到並入組試驗所需嘅資訊。唔咁樣做嘅團隊將繼續用醫學術語發布資格標準——並睇住病人因為睇唔明描述而錯過本可入組嘅試驗。

病人無法閱讀嘅臨床試驗資格標準唔會促成入組。佢哋阻礙入組。平實語言將其變為開啟可能挽救生命治療之門嘅標準。

試吓：將任何臨床試驗資格標準、試驗描述或病人招募溝通內容貼入 ELI5 AI，獲得病人可以理解同採取行動嘅平實語言版本——四個閱讀級別，唔使登記。