ProCARE: automazione degli studi nel mondo reale mediante contratti di evidenza fondati sui profili

Abstract degli autori

Gli studi nel mondo reale (RWS) analizzano dati sanitari raccolti abitualmente, come le cartelle cliniche elettroniche e le richieste di rimborso assicurativo, per stimare gli effetti dei trattamenti, monitorare la sicurezza e individuare fattori di rischio al di fuori degli studi randomizzati. Automatizzare gli RWS con agenti basati su modelli linguistici di grandi dimensioni è interessante, ma fragile: la validità delle analisi dipende dalla semantica clinica specifica di ciascun dataset, comprese le date indice, le finestre di follow-up, le unità a livello di paziente o di evento e la delimitazione degli esiti, spesso implicite nei dati osservazionali. Ne derivano disallineamenti tra schemi, errori temporali, incoerenze nella granularità dell’analisi e affermazioni cliniche prive di riscontro. Presentiamo ProCARE, un framework fondato sui profili che riformula l’automazione degli RWS come compilazione vincolata. ProCARE converte profili di dati eterogenei in Evidence Contracts, che specificano le variabili disponibili, gli attributi temporali, le distribuzioni e i limiti delle evidenze, e compila gli obiettivi degli studi in RWS-IR, una rappresentazione intermedia a tipizzazione forte per variabili, relazioni temporali, unità di analisi e compiti statistici. Una validazione deterministica e correzioni mirate verificano e rivedono quindi i flussi di lavoro generati nelle fasi di mappatura degli schemi, costruzione delle coorti, derivazione delle variabili, analisi e interpretazione. Su 36 compiti di benchmark basati su cartelle cliniche elettroniche, ProCARE supera validi sistemi di riferimento basati su agenti con modelli linguistici di grandi dimensioni per eseguibilità del codice, coerenza semantica e tracciabilità delle conclusioni; le diagnosi automatiche delle violazioni mostrano una concordanza da moderata a sostanziale con la valutazione in cieco da parte di esperti.