Generative AI for Health Technology Assessment: Opportunities, Challenges, and Policy Considerations

本文介绍了生成式人工智能（AI）和基础模型（包括大型语言模型）在健康技术评估（HTA）中的变革潜力。我们探讨了它们在四个关键领域的应用：证据综述、证据生成、临床试验和经济建模。具体来说：（1）证据综述：生成式AI有潜力通过提出搜索词、筛选摘要和准确提取数据等方式，协助自动化文献综述和荟萃分析；（2）证据生成：这些模型可以潜在地促进自动化处理和分析越来越多的现实世界数据（RWD），包括非结构化的临床笔记和影像，提高现实世界证据（RWE）生成的速度和质量；（3）临床试验：生成式AI可以用于优化试验设计、改善患者匹配和更高效地管理试验数据；（4）经济建模：生成式AI还可以帮助开发健康经济模型，从概念化到验证，从而简化整个HTA过程。尽管这些技术有很大的潜力，但它们仍然处于初级阶段，需要持续仔细评估它们在HTA中的应用。为确保它们的负责任使用和实施，这些工具的开发人员和用户都应熟悉它们当前的限制，包括与科学有效性、偏倚风险有关的问题，并考虑公平性和伦理影响。我们还调查了当前的政策环境，并提出了HTA机构在负责任地整合生成式AI到其工作流程中的建议，强调人类监督的重要性以及这些工具快速发展的本质。

论文探讨了基于生成式人工智能模型在医疗技术评估中的应用，旨在提高医疗决策的效率和质量。

生成式人工智能模型可应用于四个关键领域：证据综述、证据生成、临床试验和经济建模，以提高医疗决策的效率和质量。

论文介绍了生成式人工智能模型在医疗技术评估中的应用，包括文献综述、真实世界数据的分析、临床试验和经济建模等方面。同时，还提到了这些模型的局限性和需要关注的科学有效性、偏见风险、公平和伦理问题。

近期的相关研究包括：《基于自然语言处理的临床实体关系识别：方法和评估》、《基于深度学习的医疗图像分析：方法和应用》等。