CN116957519A - 一种基于ai的临床试验受试者招募方法、装置及服务器 - Google Patents
一种基于ai的临床试验受试者招募方法、装置及服务器 Download PDFInfo
- Publication number
- CN116957519A CN116957519A CN202311203401.2A CN202311203401A CN116957519A CN 116957519 A CN116957519 A CN 116957519A CN 202311203401 A CN202311203401 A CN 202311203401A CN 116957519 A CN116957519 A CN 116957519A
- Authority
- CN
- China
- Prior art keywords
- information
- applicant
- test
- physical condition
- condition information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007115 recruitment Effects 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000012360 testing method Methods 0.000 claims abstract description 206
- 238000012790 confirmation Methods 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims description 18
- 230000003993 interaction Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012552 review Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 description 37
- 230000008569 process Effects 0.000 description 31
- 230000006870 function Effects 0.000 description 8
- 229940079593 drug Drugs 0.000 description 7
- 239000003814 drug Substances 0.000 description 7
- 238000012550 audit Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 6
- 238000012216 screening Methods 0.000 description 5
- 208000030808 Clear cell renal carcinoma Diseases 0.000 description 4
- 206010073251 clear cell renal cell carcinoma Diseases 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 108091008605 VEGF receptors Proteins 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 3
- 108091032955 Bacterial small RNA Proteins 0.000 description 2
- 229940045513 CTLA4 antagonist Drugs 0.000 description 2
- 102100039498 Cytotoxic T-lymphocyte protein 4 Human genes 0.000 description 2
- 206010013654 Drug abuse Diseases 0.000 description 2
- 208000031226 Hyperlipidaemia Diseases 0.000 description 2
- 108010028554 LDL Cholesterol Proteins 0.000 description 2
- 102000013530 TOR Serine-Threonine Kinases Human genes 0.000 description 2
- 108010065917 TOR Serine-Threonine Kinases Proteins 0.000 description 2
- 108010073929 Vascular Endothelial Growth Factor A Proteins 0.000 description 2
- 102000009484 Vascular Endothelial Growth Factor Receptors Human genes 0.000 description 2
- 102000005789 Vascular Endothelial Growth Factors Human genes 0.000 description 2
- 108010019530 Vascular Endothelial Growth Factors Proteins 0.000 description 2
- -1 acitinib Chemical compound 0.000 description 2
- 238000007681 bariatric surgery Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 230000007368 endocrine function Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 235000020937 fasting conditions Nutrition 0.000 description 2
- 230000003394 haemopoietic effect Effects 0.000 description 2
- 230000004217 heart function Effects 0.000 description 2
- 230000003907 kidney function Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 239000003446 ligand Substances 0.000 description 2
- 230000003908 liver function Effects 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 208000011117 substance-related disease Diseases 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- 229940124676 vascular endothelial growth factor receptor Drugs 0.000 description 2
- 102000010565 Apoptosis Regulatory Proteins Human genes 0.000 description 1
- 108010063104 Apoptosis Regulatory Proteins Proteins 0.000 description 1
- MLDQJTXFUGDVEO-UHFFFAOYSA-N BAY-43-9006 Chemical compound C1=NC(C(=O)NC)=CC(OC=2C=CC(NC(=O)NC=3C=C(C(Cl)=CC=3)C(F)(F)F)=CC=2)=C1 MLDQJTXFUGDVEO-UHFFFAOYSA-N 0.000 description 1
- 206010053567 Coagulopathies Diseases 0.000 description 1
- 101710112752 Cytotoxin Proteins 0.000 description 1
- 206010061819 Disease recurrence Diseases 0.000 description 1
- HKVAMNSJSFKALM-GKUWKFKPSA-N Everolimus Chemical compound C1C[C@@H](OCCO)[C@H](OC)C[C@@H]1C[C@@H](C)[C@H]1OC(=O)[C@@H]2CCCCN2C(=O)C(=O)[C@](O)(O2)[C@H](C)CC[C@H]2C[C@H](OC)/C(C)=C/C=C/C=C/[C@@H](C)C[C@@H](C)C(=O)[C@H](OC)[C@H](O)/C(C)=C/[C@@H](C)C(=O)C1 HKVAMNSJSFKALM-GKUWKFKPSA-N 0.000 description 1
- 101000889276 Homo sapiens Cytotoxic T-lymphocyte protein 4 Proteins 0.000 description 1
- 208000008839 Kidney Neoplasms Diseases 0.000 description 1
- 239000002147 L01XE04 - Sunitinib Substances 0.000 description 1
- 239000005511 L01XE05 - Sorafenib Substances 0.000 description 1
- 108091007744 Programmed cell death receptors Proteins 0.000 description 1
- 206010038389 Renal cancer Diseases 0.000 description 1
- 208000006265 Renal cell carcinoma Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000009098 adjuvant therapy Methods 0.000 description 1
- 238000003782 apoptosis assay Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229960000397 bevacizumab Drugs 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 230000023555 blood coagulation Effects 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 230000035602 clotting Effects 0.000 description 1
- 231100000599 cytotoxic agent Toxicity 0.000 description 1
- 239000002619 cytotoxin Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 238000007877 drug screening Methods 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000002124 endocrine Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 229960005167 everolimus Drugs 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 201000010982 kidney cancer Diseases 0.000 description 1
- 229960003784 lenvatinib Drugs 0.000 description 1
- WOSKHXYHFSIKNG-UHFFFAOYSA-N lenvatinib Chemical compound C=12C=C(C(N)=O)C(OC)=CC2=NC=CC=1OC(C=C1Cl)=CC=C1NC(=O)NC1CC1 WOSKHXYHFSIKNG-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009099 neoadjuvant therapy Methods 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 201000011330 nonpapillary renal cell carcinoma Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000005522 programmed cell death Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 229960003787 sorafenib Drugs 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 229960001796 sunitinib Drugs 0.000 description 1
- WINHZLLDWRZWRT-ATVHPVEESA-N sunitinib Chemical compound CCN(CC)CCNC(=O)C1=C(C)NC(\C=C/2C3=CC(F)=CC=C3NC\2=O)=C1C WINHZLLDWRZWRT-ATVHPVEESA-N 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000002485 urinary effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Abstract
本发明实施例提供了一种基于AI的临床试验受试者招募方法、装置及服务器，应用于计算机技术领域，应用于服务器，上述方法包括：获取申请者的电子病历中包含的身体情况信息，身体情况信息中不包括申请者的姓名、身份证明信息、联系方式信息；获取临床试验的试验条件，试验条件中包含每一项身体情况信息的取值要求；选择每一项身体情况信息均符合试验条件规定的取值要求的申请者，作为候选者；在接收到临床试验招募端从候选者中确认的受试者的确认信息后，向目标客户端发送针对受试者的试验匹配成功信息，目标客户端为：提供受试者的身体情况信息的客户端。应用本发明实施例提供的方案能够大幅提高临床试验受试者招募的效率。
Description
技术领域
本发明涉及计算机技术领域，特别是涉及一种基于AI（ArtificialIntelligence，人工智能）的临床试验受试者招募方法、装置及服务器。
背景技术
在进行医疗或药物、器械等临床试验的过程中，医疗资源提供者需要招募受试者进行医疗或药物、器械等临床试验。当前受试者招募依靠线下招募，由工作人员在线下收集申请者信息，与医疗资源提供者的招募需求匹配后，从申请者中确定需要招募的受试者，从而进行临床试验。
但此过程中，工作人员需要进行申请者信息收集、匹配等工作，工作过程繁琐，需要消耗大量的人力资源，临床试验受试者招募的效率较低。
发明内容
本发明实施例的目的在于提供一种基于AI的临床试验受试者招募方法、装置及服务器，以提高临床试验受试者招募的效率。具体技术方案如下：
第一方面，本发明实施例提供了一种基于AI的临床试验受试者招募方法，应用于服务器，所述方法包括：
获取申请者的电子病历中包含的身体情况信息，其中，所述身体情况信息中不包括申请者的姓名、身份证明信息、联系方式信息；
获取临床试验的试验条件，其中，试验条件中包含每一项身体情况信息的取值要求；
选择每一项身体情况信息均符合所述试验条件规定的取值要求的申请者，作为候选者；
在接收到临床试验招募端从候选者中确认的受试者的确认信息后，向目标客户端发送针对所述受试者的试验匹配成功信息，所述目标客户端为：提供所述受试者的身体情况信息的客户端。
本发明的一个实施例中，所述申请者的电子病历是个人用户端上传的单一申请者的电子病历，或集团用户端批量上传的电子病历。
本发明的一个实施例中，在所述电子病历为病历图像的情况下，所述获取申请者的电子病历中包含的身体情况信息，包括：
从病历图像中识别除申请者的姓名、身份证明信息、联系方式信息之外的身体情况信息。
本发明的一个实施例中，所述获取临床试验的试验条件，包括：
接收临床试验招募端上传的记载试验条件的试验文件，所述试验文件为：图像格式或文档格式；
从所述试验文件中提取试验条件。
本发明的一个实施例中，所述选择每一项身体情况信息均符合所述试验条件规定的取值要求的申请者，作为候选者，包括：
确定每一项身体情况信息均符合所述试验条件规定的取值要求的申请者；
选择电子病历上传时刻最先的第一预设最大数量个所确定的申请者，作为候选者。
本发明的一个实施例中，所述选择每一项身体情况信息均符合所述试验条件规定的取值要求的申请者，作为候选者，包括：
确定每一项身体情况信息均符合所述试验条件规定的取值要求的申请者；
选择互动数量最大的第二预设最大数量个所确定的申请者，作为候选者，其中，所述互动数量包括以下信息中的至少一种：身体情况信息的浏览量、转发量、点击量。
本发明的一个实施例中，所述在接收到临床试验招募端从候选者中确认的受试者的确认信息后，向目标客户端发送针对所述受试者的试验匹配成功信息，包括：
向临床试验招募端发送所述候选者的身体情况信息，以使得所述临床试验招募端对候选者的身体情况信息进行审核；
在接收到临床试验招募端从通过审核的候选者中确认的受试者的确认信息后，向通过审核的受试者对应的目标客户端发送针对所述受试者的试验匹配成功信息。
本发明的一个实施例中，所述方法还包括：
向个人客户端发送临床试验介绍信息，以使得所述个人客户端向申请者展示所述临床试验介绍信息，其中，所述临床试验介绍信息为文字形式、图像形式或视频形式。
第二方面，本发明实施例提供了一种基于AI的临床试验受试者招募装置，所述装置包括：
信息获取模块，用于获取申请者的电子病历中包含的身体情况信息，其中，所述身体情况信息中不包括申请者的姓名、身份证明信息、联系方式信息；
条件获取模块，用于获取临床试验的试验条件，其中，试验条件中包含每一项身体情况信息的取值要求；
申请者选择模块，用于选择每一项身体情况信息均符合所述试验条件规定的取值要求的申请者，作为候选者；
匹配信息发送模块，用于在接收到临床试验招募端从候选者中确认的受试者的确认信息后，向目标客户端发送针对所述受试者的试验匹配成功信息，所述目标客户端为：提供所述受试者的身体情况信息的客户端。
本发明的一个实施例中，所述申请者的电子病历是个人用户端上传的单一申请者的电子病历，或集团用户端批量上传的电子病历。
本发明的一个实施例中，在所述电子病历为病历图像的情况下，所述信息获取模块，具体用于：
从病历图像中识别除申请者的姓名、身份证明信息、联系方式信息之外的身体情况信息。
本发明的一个实施例中，所述条件获取模块，具体用于：
接收临床试验招募端上传的记载试验条件的试验文件，所述试验文件为：图像格式或文档格式；
从所述试验文件中提取试验条件。
本发明的一个实施例中，所述申请者选择模块，具体用于：
确定每一项身体情况信息均符合所述试验条件规定的取值要求的申请者；
选择电子病历上传时刻最先的第一预设最大数量个所确定的申请者，作为候选者。
本发明的一个实施例中，所述申请者选择模块，具体用于：
确定每一项身体情况信息均符合所述试验条件规定的取值要求的申请者；
选择互动数量最大的第二预设最大数量个所确定的申请者，作为候选者，其中，所述互动数量包括以下信息中的至少一种：身体情况信息的浏览量、转发量、点击量。
本发明的一个实施例中，所述匹配信息发送模块，具体用于：
向临床试验招募端发送所述候选者的身体情况信息，以使得所述临床试验招募端对候选者的身体情况信息进行审核；
在接收到临床试验招募端从通过审核的候选者中确认的受试者的确认信息后，向通过审核的受试者对应的目标客户端发送针对所述受试者的试验匹配成功信息。
本发明的一个实施例中，所述装置还包括：
介绍信息发送模块，用于向个人客户端发送临床试验介绍信息，以使得所述个人客户端向申请者展示所述临床试验介绍信息，其中，所述临床试验介绍信息为文字形式、图像形式或视频形式。
第三方面，本发明实施例提供了一种服务器，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面任一的方法步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一所的方法步骤。
第五方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面任一所述的方法步骤。
本发明实施例有益效果：
本发明实施例提供的方案中，服务器获取申请者的电子病历中的身体情况信息以及临床试验的试验条件之后，能够对身体情况信息与试验条件进行匹配，从而获取每一项身体情况信息均属于试验条件规定的取值范围内的候选者，也就是候选者是完全符合临床试验的试验条件的申请者。在接收到临床试验招募端从通过审核的候选者中确认的受试者的确认信息后，向受试者的目标客户端发送试验匹配成功信息以通知受试者参与临床试验。
由以上可见，临床试验受试者招募的过程在服务器中执行，服务器获取身体情况信息与试验条件之后即可完成临床试验受试者招募，此过程中不需要消耗工作人员大量的人力资源，可以提高临床试验受试者招募的效率。此外，通过本发明实施例提供的方案在招募受试者的过程中，不会获取申请者的姓名以及身份证明信息，也就是本发明实施例提供的方案能够保护申请者的隐私信息，且符合临床试验的医学伦理。再者，通过本发明实施例提供的方案采用人工智能的方式匹配到的候选者是完全符合试验条件的受试者，因此临床试验招募端从候选者确认的受试者能够完全满足临床试验的要求，在此基础上使用本方案采用人工智能的方式能够大幅度地缩短临床试验的招募时间，进而大幅降低临床试验条件提供端的研发成本。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的第一种基于AI的临床试验受试者招募方法的流程示意图；
图2为本发明实施例提供的第二种基于AI的临床试验受试者招募方法的流程示意图；
图3为本发明实施例提供的第三种基于AI的临床试验受试者招募方法的流程示意图；
图4为本发明实施例提供的第四种基于AI的临床试验受试者招募方法的流程示意图；
图5为本发明实施例提供的第五种基于AI的临床试验受试者招募方法的流程示意图；
图6为本发明实施例提供的一种基于AI的临床试验受试者招募装置的结构示意图；
图7为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员基于本发明所获得的所有其他实施例，都属于本发明保护的范围。
由于相关技术中进行临床试验受试者招募需要消耗较多的人力资源，临床试验受试者招募的效率较低，为了解决上述问题，本发明实施例提供了一种基于AI的临床试验受试者招募方法、装置及服务器。
参见图1，为本发明实施例提供的第一种基于AI的临床试验受试者招募方法的流程示意图，应用于服务器，上述方法包括：
S101：获取申请者的电子病历中包含的身体情况信息。
其中，上述身体情况信息中不包括申请者的姓名、身份证明信息、联系方式信息。
另外，上述申请者可以是患有临床试验所针对的疾病的患者，也可以是早期研发过程中医疗、药物、器械等临床试验需要的未患有疾病的健康申请者。
上述身份证明信息可以是身份证号、护照号、医保账号等，上述联系方式信息可以是申请者的电话号码、邮箱、地址等信息。
具体的，上述申请者的电子病历是个人用户端上传的单一申请者的电子病历，或集团用户端批量上传的电子病历。
其中，上述个人用户端可以是个人用户使用的软件端、小程序端、网页端、公众号端等。
上述集团用户端可以是医院、研究机构使用的软件端、小程序端、网页端、公众号端等。
本发明的一个实施例中，在获得申请者的身体情况信息后，可以为每一申请者分配申请者标识，作为服务器中区分不同申请者的唯一标识，不同申请者的申请者标识不同。
上述申请者标识可以按照服务器接收到申请者信息的先后顺序，在上一申请者的标识的基础上累加预设步进生成，例如，上述预设步进为1，上一申请者的标识为0005，则该申请者的申请者标识为0006。
也可以对申请者信息进行编码，得到不同申请者不同的编码结果，作为申请者标识，例如，可以采用one-hot（独热）编码的方式进行编码。
或者，可以提取申请者的电子病历中的身份证明信息等能够唯一标识该申请者的信息，基于预设算法，将该信息转换为申请者标识，由于不同申请者的信息不同，因此计算得到的申请者标识不同，并且，由于同一申请者的身份证明信息大概率不会发生变化，因此可以保证不同时刻上传的同一申请者的身体证明信息在服务器中可以关联至同一申请者标识。需要说明的是，本发明实施例中获取身份证明信息仅用于计算申请者标识，从而以申请者标识区分不同的申请者，在服务器中仅存储有申请者标识，并不会存储申请者的身份证明信息，从而可以保护申请者的隐私。
上述申请者标识可以以数字、字符、字符串等多种形式进行标识，本发明实施例对此不进行限定。
再者，上述身体情况信息可以与临床试验的需要相匹配包括用户的年龄、性别、体重、身高、血液化验结果、尿液化验结果、CT（Computed Tomography，电子计算机断层扫描）检测结果、影像检测结果、病理检测结果、基因检测结果等。具体的，上述身体情况信息的类型与临床试验的具体需求相匹配。
例如，在对肾透明细胞癌的药物进行III期注册临床试验的情况下，所需的受试者为肾透明细胞癌的患者，所需的身体情况信息可以包括肿瘤病灶情况，造血功能信息、肾功能信息、肝功能信息、内分泌功能信息、凝血功能信息、心脏功能信息、历史用药信息、抗体信息、疾病复发信息等。
又例如，在I期健康志愿者的临床试验中评估研发治疗高脂血症的小RNA药物的安全性的情况下，所需的受试者为健康申请者，所需的身体情况信息可以包括体重指数、空腹情况下的甘油三酯指数、空腹情况下的低密度脂蛋白胆固醇指数、伴随疾病情况、ECG（心电图）检查结果、体格检查结果、实验室检查结果、减肥手术史情况、药物滥用史情况、尿液药物筛查结果。
另外，上述电子病历可以是文字形式的病历，可以在客户端提供电子病历的模板，模板中不包含用于填写姓名、身份证明信息、联系方式信息的字段，用户按照模板填写身体情况信息后，用户端将身体情况信息上报至服务器。由于模板中不包含用于填写姓名、身份证明信息、联系方式信息的字段，因此服务器获得的身体情况信息中也不包含申请者的姓名、身份证明信息、联系方式信息。
本发明的一个实施例中，上述电子病历也可以是直接从医院数据库中获取的满足预设电子病历格式的数据形式的电子病历，则可以直接从电子病历中识别除申请者的姓名、身份证明信息、联系方式信息之外的身体情况信息。
此外，上述服务器接收到的电子病历也可以是申请者的病历文档，上述病历文档可以是word格式、pdf格式等。服务器在接收到病历文档后对其进行文字与语义识别，从中提取除申请者的姓名、身份证明信息、联系方式信息之外的身体情况信息，提取身体情况信息后可以删除申请者的电子病历，从而保护申请者的个人隐私。具体的文字与语义识别方式可以参考相关技术，本实施例对此不进行限定。
此外，在上传病历文档时，客户端可以提示用户对病历图像中申请者的姓名、身份证明信息、联系方式信息进行删除，以防止个人隐私泄露。
本发明的另一个实施例中，上述电子病历为病历图像的情况下，可以通过以下步骤A获得申请者的身体情况信息。
步骤A：从病历图像中识别除申请者的姓名、身份证明信息、联系方式信息之外的身体情况信息。
具体的，可以采用相关技术中的图像内的文字识别算法识别病历图像中的身体情况信息，并且不识别病历图像中申请者的姓名、身份证明信息、联系方式信息，在完成识别后可以将病历图像删除，以保护申请者的个人隐私。
其中，在上传病历图像时，客户端客户启动客户端所在服务器的摄像头，以便用户拍摄病历图像，或者客户端可以从服务器中存储的图像内上传病历图像。
用户采用上传病历文档或病历图像的方式上传电子病历，可以节省用户手动输入电子病历中包含的身体情况信息所需的时间，并且也可以提高身体情况信息获取的准确度与可靠性。
另外，本发明的一个实施例中，客户端可以随时修改或更新身体情况信息，以使得服务器中记录的身体情况信息与申请者当前的身体情况相符，从而可以保证服务器中存储的身体情况信息的准确性，从而便于临床试验招募准确且快速地进行。
S102：获取临床试验的试验条件。
其中，试验条件中包含每一项身体情况信息的取值要求。
本发明的一个实施例中，上述试验条件可以是临床试验招募端上传的试验条件。
上述临床试验招募端可以是医院客户端、医学实验室客户端、医药企业客户端等。
具体的，临床试验招募需求方可以在临床试验招募端中分别填写每一项身体情况信息的取值要求，临床试验招募需求方填写完成后，临床试验招募端将完整的试验条件上传至服务器。上述临床试验招募需求方为医院、医学实验室、医药企业的工作人员。
其中，上述取值要求可以包括正向取值要求与反向取值要求，正向取值要求为受试者需要符合的取值要求，反向取值要求为受试者不能符合的取值要求。
例如，在对肾透明细胞癌的药物进行III期注册临床试验的情况下，试验条件包括：正向取值要求为：申请者的病理报告的结果为肾透明性胞型肾细胞癌；按照RECIST 1.1（实体瘤疗效评价标准1.1），至少有一个可测量的肿瘤病灶；重要器官功能良好（包括但不限于造血功能、肾功能、肝功能、内分泌功能、凝血功能、心脏功能等符合一定的标准）等。反向取值要求为：既往接受抗PD-1（Programmed cell Death protein 1，程序性死亡受体1）、PD-L1（Programmed cell Death 1 ligand 1，细胞程序性死亡-配体1）或CTLA-4（Cytotoxic T-Lymphocyte-Associated protein 4，细胞毒性T淋巴细胞相关蛋白4）抗体；既往转移后接受过靶向VEGF（Vascular Endothelial Growth Factor，血管内皮生长因子）、VEGFR（Vascular Endothelial Growth Factor Receptor，血管内皮细胞生长因子受体）或mTOR（mammalian Target Of Rapamycin，哺乳动物雷帕霉素靶蛋白）的药物治疗，包括但不限于舒尼替尼、阿昔替尼、索拉非尼、培唑帕尼、卡博替尼、仑伐替尼、贝伐单抗或依维莫司等；肾癌新辅助/辅助治疗期间或末次用药后12个月内进展或复发者等。
又例如，在I期健康志愿者的临床试验中评估研发治疗高脂血症的小RNA药物的安全性的情况下，试验条件包括：正向取值要求：体重指数（BMI，Body Mass Index)在18.0~32.0kg/m2范围内，且男性不低于52 Kg, 女性不低于46 Kg；空腹甘油三酯（TG，triglyceride）≥1.1 mmol/L且≤5.0 mmol/L；空腹低密度脂蛋白胆固醇（LDC-C）＞2.0mmol/L等； 反向取值要求为：有病史或临床证据显示，志愿者存在明显的伴随疾病（包括但不限于：心血管、呼吸、消化、泌尿、神经、血液、免疫、内分泌与代感染等），或体格检查、实验室检查、ECG（electrocardiogram，心电图）检查发现有任何临床意义的异常；筛选前1年内有减肥手术史；筛选前12个月内有药物滥用史，或筛选时尿液药物筛查阳性等。
本发明的另一个实施例中，可以通过以下步骤B-步骤C获取上述试验条件。
步骤B：接收临床试验招募端上传的记载试验条件的试验文件。
其中，上述试验文件为：图像格式或文档格式。上述文档格式可以是word格式、PDF格式等格式。
步骤C：从上述试验文件中提取试验条件。
本发明的一个实施例中，在上述试验文件是文档格式的情况下，服务器可以对试验文件进行文字与语义识别，从中解析出临床试验的试验条件，具体的文字与语义识别方式可以参考相关技术，本实施例对此不进行限定。
本发明的另一个实施例中，在上述试验文件是图像格式的情况下，服务器可以对试验文件进行图像识别，从中提取字符信息，再对字符信息进行文字与语义识别，从中解析出临床试验的试验条件。
临床试验招募用户通过临床试验招募端上传试验文件，由服务器对试验文件进行识别即可得到试验条件，可以节省临床试验招募用户依次填写各项身体情况信息的取值要求耗费的时间，同时能提高试验条件识别的精准度。
此外，本发明的一个实施例中，临床试验招募用户可以随时通过临床试验招募端修改试验条件。
S103：选择每一项身体情况信息均符合上述试验条件规定的取值要求的申请者，作为候选者。
其中，上述取值要求可以以身体情况信息符合要求的取值区间表示。
本申请的一个实施例中，针对每一项身体情况信息，确定该项身体情况信息是否与试验条件规定的取值要求相匹配，若存在任何与取值要求不匹配的身体情况信息，或者存在试验条件中对取值要求进行了规定，但申请者的该项身体情况信息的取值为空，即未上传该项身体情况信息或该项身体情况信息的取值丢失的情况，则确定该申请者不是候选者。仅有在申请者的各项身体情况信息均符合试验条件规定的取值要求的情况下，才将该申请者确定为候选者。
S104：在接收到临床试验招募端从候选者中确认的受试者的确认信息后，向目标客户端发送针对上述受试者的试验匹配成功信息。
其中，上述目标客户端为：提供上述受试者的身体情况信息的客户端。
具体的，在受试者的身体情况信息是由申请者的个人用户端上传的情况下，将该个人用户端作为目标客户端，向个人用户段发送试验匹配成功信息，以通知申请者匹配成功，可以参与临床试验。
在受试者的身体情况信息是由集团用户端上传的情况下，将该集团用户端作为目标客户端，向集团用户端发送试验匹配成功信息，以通知集团用户该申请者匹配成功，由集团用户通知申请者可以参与临床试验。
另外，在确认候选者之后，临床试验招募端可以从候选者中选择最终进行试验的受试者，并向服务器发送确认信息。
由于本发明实施例在采集申请者的身体情况信息时，并未采集申请者的联系方式信息，因此可以通过目标客户端的私信功能、弹窗功能等，发送试验匹配成功信息，以在保障申请者个人隐私的情况下，能够通知申请者匹配成功。
由以上可见，临床试验受试者招募的过程在服务器中执行，服务器获取身体情况信息与试验条件自动匹配之后即可完成临床试验受试者招募，此过程中不需要消耗工作人员大量的人力资源，可以提高临床试验受试者招募的效率。此外，通过本发明实施例提供的方案在招募受试者的过程中，不会获取申请者的姓名以及身份证明信息，也就是本发明实施例提供的方案能够保护申请者的隐私信息，且符合临床试验的医学伦理。再者，通过本发明实施例提供的方案采用人工智能的方式匹配到的候选者是完全符合试验条件的受试者，因此临床试验招募端从候选者确认的受试者能够完全满足临床试验的要求，在此基础上使用本方案采用人工智能的方式能够大幅度地缩短临床试验的招募时间，进而大幅降低临床试验条件提供端的研发成本。
本发明的一个实施例中，每当接收到一个申请者的身体情况信息后，即可自动将该申请者的身体情况信息与当前服务器中正在进行受试者招募的各项临床试验进行匹配。
另外，本发明的另一个实施例中，可以在接收到大量的申请者的身体情况信息后，再分别对各项身体情况信息与当前服务器中正在进行受试者招募的各项临床试验进行匹配。
需要说明的是，只要该申请者与一项临床试验匹配成功，则该申请者就不再参与其他临床试验，直至该项临床试验的试验过程结束。
另外，未与任何临床试验匹配成功的申请者的身体情况信息可以存储于服务器中，由于服务器中记录的临床试验的试验条件可能会被修改或更新，或者服务器中会增加新的临床试验的试验条件，并且申请者的身体情况信息也存在修改和更新的可能性，因此可以周期性地对服务器中已存储的身体情况信息与临床试验的试验条件进行循环匹配。
此外，每一临床试验均存在招募人数的上限，若招募到的受试者的人数已达到招募人数的上限，则不再对该临床试验进行招募，除非该临床试验的招募人数上限被调整，或该临床试验的试验条件被调整，可再次针对该项临床试验进行受试者招募。
参见图2，为本发明实施例提供的第二种基于AI的临床试验受试者招募方法的流程示意图，与前述图1所示的实施例相比，上述步骤S103可以通过以下步骤S103A-S103B实现。
S103A：确定每一项身体情况信息均符合上述试验条件规定的取值要求的申请者。
具体的，确定申请者的方式可以参见上述步骤S103，在此不再赘述。
S103B：选择电子病历上传时刻最先的第一预设最大数量个所确定的申请者，作为候选者。
本发明的一个实施例中，服务器在接收到申请者的身体情况信息时，可以记录该申请者的电子病历的上传时刻，从而在确定出多个每一项身体情况信息均符合上述试验条件规定的取值要求的申请者的情况下，选择上传时刻最先的申请者作为候选者。
在存在多个上传时刻相同的申请者的情况下，可以从电子病历上传时刻相同的申请者中随机选择申请者，作为候选者。
由以上可见，在存在多个身体情况信息均符合试验条件规定的取值要求的申请者的情况下，可以基于先到先得的原则，选择电子病历上传时刻最先的第一预设最大数量个申请者，作为临床试验的候选者。
参见图3，为本发明实施例提供的第三种基于AI的临床试验受试者招募方法的流程示意图，与前述图1所示的实施例相比，上述步骤S103可以通过以下步骤S103C-S103D实现。
S103C：确定每一项身体情况信息均符合上述试验条件规定的取值要求的申请者。
具体的，确定申请者的方式可以参见上述步骤S103，在此不再赘述。
S103D：选择互动数量最大的第二预设最大数量个所确定的申请者，作为候选者。
其中，上述互动数量包括以下信息中的至少一种：身体情况信息的浏览量、转发量、点击量。
本发明的一个实施例中，服务器在接收到申请者的身体情况信息后，可以展示申请者的身体情况信息，由于身体情况信息中不包含申请者的姓名、身份证明信息与联系方式信息，因此展示申请者的身体情况信息不会泄露申请者的隐私信息。展示申请者的身体情况信息后，其他用户可以浏览、转发、点击该申请者的身体情况信息，在确定出多个每一项身体情况信息均符合上述试验条件规定的取值要求的申请者的情况下，由于互动数量大的申请者的身体情况信息更具有该项疾病的代表性，因此可以选择互动数量最大的申请者作为候选者。
在上述互动数量为电子病历的浏览量、转发量、点击量中的任意一项的情况下，则直接将浏览量、转发量、点击量中的任意一项作为互动数量。
在上述互动数量包括电子病历的浏览量、转发量与点击量中多项的情况下，可以计算多项数据的平均值、和值、加权和值、加权平均值等，作为上述互动数量。
由以上可见，在存在多个身体情况信息均符合试验条件规定的取值要求的申请者的情况下，可以选择互动数量最大的第二预设最大数量个申请者作为临床试验的候选者，使得所选择的候选者更具有代表性。
参见图4，为本发明实施例提供的第四种基于AI的临床试验受试者招募方法的流程示意图，与前述图1所示的实施例相比，上述步骤S104可以通过以下步骤S104A-S104B实现。
S104A：向临床试验招募端发送上述候选者的身体情况信息，以使得上述临床试验招募端对候选者的身体情况信息进行审核。
具体的，将上述候选者的身体情况信息发送至临床试验招募端之后，临床试验招募端可以展示上述候选者的身体情况信息，以使得临床试验招募需求方能够再次对上述候选者的身体情况信息进行审核，并在临床试验招募端中输入审核结果。
另外，临床试验招募端中也可以设置有审核条件，将身体情况信息中的每一项信息与审核条件进行匹配，得到审核结果。上述审核条件可以与服务器中的试验条件相同，则临床试验招募端再次进行审核可以防止服务端在选择候选者的过程中存在错误。上述审核条件也可以与服务器中的试验条件不同，例如，审核条件规定的身体情况信息的取值范围比试验条件规定的取值范围更小，则临床试验招募端再次进行审核可以对候选者进行更加细致的筛选。
在选择候选者之后可以从候选者中确定最终参与临床试验的受试者，并向服务器发送确认信息，从而使得服务器确定通过审核的受试者。
S104B：在接收到临床试验招募端从通过审核的候选者中确认的受试者的确认信息后，向通过审核的受试者对应的目标客户端发送针对上述受试者的试验匹配成功信息。
具体的，发送试验匹配成功信息的方式可以参见上述步骤S104，在此不再赘述。
由以上可见，本发明实施例提供的方案中，在向目标客户端发送试验匹配成功信息之前，还可以先向临床试验招募端发送候选者的身体情况信息，使得临床试验招募端能够对候选者进行二次审核，进一步提高最终从候选者中确定的受试者与临床试验之间的匹配程度。
参见图5，为本发明实施例提供的第五种基于AI的临床试验受试者招募方法的流程示意图，与前述图1所示的实施例相比，上述方法还包括以下步骤S105。
S105：向个人客户端发送临床试验介绍信息，以使得上述个人客户端向申请者展示上述临床试验介绍信息。
其中，上述临床试验介绍信息为文字形式、图像形式或视频形式，介绍信息中可引入对临床试验的获益的介绍。
具体的，不同的临床试验对应的临床试验介绍信息不同，临床试验介绍信息用于对临床试验进行介绍，临床试验介绍信息可以是专家，例如特定疾病领域的牵头主要研究者（Leading PI，Leading Principle Investigator）或该领域内的知名医药专家，编写的介绍文章、记录有临床试验过程以及介绍信息的图像、专家录制的介绍视频等。
由以上可见，个人客户端展示上述临床试验介绍信息之后，有助于申请者以及申请者家属能够更加客观地了解临床试验的过程，增加对本发明平台的信任，增加申请者或者申请者家属上报申请者信息的积极度，加快临床试验匹配的过程。
与前述基于AI的临床试验受试者招募方法相对应，本发明实施例还提供了一种基于AI的临床试验受试者招募装置。
参见图6，为本发明实施例提供的一种基于AI的临床试验受试者招募装置的结构示意图，所述装置包括：
信息获取模块601，用于获取申请者的电子病历中包含的身体情况信息，其中，所述身体情况信息中不包括申请者的姓名、身份证明信息、联系方式信息；
条件获取模块602，用于获取临床试验的试验条件，其中，试验条件中包含每一项身体情况信息的取值要求；
申请者选择模块603，用于选择每一项身体情况信息均符合所述试验条件规定的取值要求的申请者，作为候选者；
匹配信息发送模块604，用于在接收到临床试验招募端从候选者中确认的受试者的确认信息后，向目标客户端发送针对所述受试者的试验匹配成功信息，所述目标客户端为：提供所述受试者的身体情况信息的客户端。
由以上可见，临床试验受试者招募的过程在服务器中执行，服务器获取身体情况信息与试验条件之后即可完成临床试验受试者招募，此过程中不需要消耗工作人员大量的人力资源，可以提高临床试验受试者招募的效率。此外，通过本发明实施例提供的方案在招募受试者的过程中，不会获取申请者的姓名以及身份证明信息，也就是本发明实施例提供的方案能够保护申请者的隐私信息，且符合临床试验的医学伦理。再者，通过本发明实施例提供的方案采用人工智能的方式匹配到的候选者是完全符合试验条件的受试者，因此临床试验招募端从候选者确认的受试者能够完全满足临床试验的要求，在此基础上使用本方案采用人工智能的方式能够大幅度地缩短临床试验的招募时间，进而大幅降低临床试验条件提供端的研发成本。
本发明的一个实施例中，所述申请者的电子病历是个人用户端上传的单一申请者的电子病历，或集团用户端批量上传的电子病历。
本发明的一个实施例中，在所述电子病历为病历图像的情况下，所述信息获取模块601，具体用于：
从病历图像中识别除申请者的姓名、身份证明信息、联系方式信息之外的身体情况信息。
由以上可见，用户采用上传病历图像的方式上传电子病历，可以节省用户手动输入电子病历中包含的身体情况信息所需的时间，并且也可以提高身体情况信息获取的准确度与可靠性。
本发明的一个实施例中，所述条件获取模块602，具体用于：
接收临床试验招募端上传的记载试验条件的试验文件，所述试验文件为：图像格式或文档格式；
从所述试验文件中提取试验条件。
由以上可见，临床试验招募用户通过临床试验招募端上传试验文件，由服务器对试验文件进行识别即可得到试验条件，可以节省临床试验招募用户依次填写各项身体情况信息的取值要求耗费的时间，同时能提高试验条件识别的精准度。
本发明的一个实施例中，所述申请者选择模块603，具体用于：
确定每一项身体情况信息均符合所述试验条件规定的取值要求的申请者；
选择电子病历上传时刻最先的第一预设最大数量个所确定的申请者，作为候选者。
由以上可见，在存在多个身体情况信息均符合试验条件规定的取值要求的申请者的情况下，可以基于先到先得的原则，选择电子病历上传时刻最先的第一预设最大数量个申请者，作为临床试验的候选者。
本发明的一个实施例中，所述申请者选择模块603，具体用于：
确定每一项身体情况信息均符合所述试验条件规定的取值要求的申请者；
选择互动数量最大的第二预设最大数量个所确定的申请者，作为候选者，其中，所述互动数量包括以下信息中的至少一种：身体情况信息的浏览量、转发量、点击量。
由以上可见，在存在多个身体情况信息均符合试验条件规定的取值要求的申请者的情况下，可以选择互动数量最大的第二预设最大数量个申请者作为临床试验的候选者，使得所选择的候选者更具有代表性。
本发明的一个实施例中，所述匹配信息发送模块604，具体用于：
向临床试验招募端发送所述候选者的身体情况信息，以使得所述临床试验招募端对候选者的身体情况信息进行审核；
在接收到临床试验招募端从通过审核的候选者中确认的受试者的确认信息后，向通过审核的受试者对应的目标客户端发送针对所述受试者的试验匹配成功信息。
由以上可见，本发明实施例提供的方案中，在向目标客户端发送试验匹配成功信息之前，还可以先向临床试验招募端发送候选者的身体情况信息，使得临床试验招募端能够对候选者进行二次审核，进一步提高最终从候选者中确定的受试者与临床试验之间的匹配程度。
本发明的一个实施例中，所述装置还包括：
介绍信息发送模块，用于向个人客户端发送临床试验介绍信息，以使得所述个人客户端向申请者展示所述临床试验介绍信息，其中，所述临床试验介绍信息为文字形式、图像形式或视频形式。
由以上可见，个人客户端展示上述临床试验介绍信息之后，有助于申请者以及申请者家属能够更加客观地了解临床试验的过程，增加对本发明平台的信任，增加申请者或者申请者家属上报申请者信息的积极度，加快临床试验匹配的过程。
与前述基于AI的临床试验受试者招募方法相对应，本发明实施例还提供了一种服务器，如图7所示，包括处理器701、通信接口702、存储器703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完成相互间的通信，
存储器703，用于存放计算机程序；
处理器701，用于执行存储器703上所存放的程序时，实现任一所示的基于AI的临床试验受试者招募方法的步骤。
应用本发明实施例提供的服务器进行基于AI的临床试验受试者招募时，临床试验受试者招募的过程在服务器中执行，服务器获取身体情况信息与试验条件之后即可完成临床试验受试者招募，此过程中不需要消耗工作人员大量的人力资源，可以提高临床试验受试者招募的效率。此外，通过本发明实施例提供的方案在招募受试者的过程中，不会获取申请者的姓名以及身份证明信息，也就是本发明实施例提供的方案能够保护申请者的隐私信息，且符合临床试验的医学伦理。再者，通过本发明实施例提供的方案采用人工智能的方式匹配到的候选者是完全符合试验条件的受试者，因此临床试验招募端从候选者确认的受试者能够完全满足临床试验的要求，在此基础上使用本方案采用人工智能的方式能够大幅度地缩短临床试验的招募时间，进而大幅降低临床试验条件提供端的研发成本。
上述服务器提到的通信总线可以是外设部件互连标准（Peripheral ComponentInterconnect，PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，EISA）总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述服务器与其他设备之间的通信。
存储器可以包括随机存取存储器（Random Access Memory，RAM），也可以包括非易失性存储器（Non-Volatile Memory，NVM），例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一基于AI的临床试验受试者招募方法的步骤。
应用本发明实施例提供的计算机可读存储介质中存储的计算机程序进行基于AI的临床试验受试者招募时，临床试验受试者招募的过程在服务器中执行，服务器获取身体情况信息与试验条件之后即可完成临床试验受试者招募，此过程中不需要消耗工作人员大量的人力资源，可以提高临床试验受试者招募的效率。此外，通过本发明实施例提供的方案在招募受试者的过程中，不会获取申请者的姓名以及身份证明信息，也就是本发明实施例提供的方案能够保护申请者的隐私信息，且符合临床试验的医学伦理。再者，通过本发明实施例提供的方案采用人工智能的方式匹配到的候选者是完全符合试验条件的受试者，因此临床试验招募端从候选者确认的受试者能够完全满足临床试验的要求，在此基础上使用本方案采用人工智能的方式能够大幅度地缩短临床试验的招募时间，进而大幅降低临床试验条件提供端的研发成本。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一基于AI的临床试验受试者招募方法的步骤。
应用本发明实施例提供的计算机程序产品进行基于AI的临床试验受试者招募时，临床试验受试者招募的过程在服务器中执行，服务器获取身体情况信息与试验条件之后即可完成临床试验受试者招募，此过程中不需要消耗工作人员大量的人力资源，可以提高临床试验受试者招募的效率。此外，通过本发明实施例提供的方案在招募受试者的过程中，不会获取申请者的姓名以及身份证明信息，也就是本发明实施例提供的方案能够保护申请者的隐私信息，且符合临床试验的医学伦理。再者，通过本发明实施例提供的方案采用人工智能的方式匹配到的候选者是完全符合试验条件的受试者，因此临床试验招募端从候选者确认的受试者能够完全满足临床试验的要求，在此基础上使用本方案采用人工智能的方式能够大幅度地缩短临床试验的招募时间，进而大幅降低临床试验条件提供端的研发成本。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质（例如固态硬盘Solid State Disk (SSD)）等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、服务器、计算机可读存储介质、计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (11)
1.一种基于AI的临床试验受试者招募方法，其特征在于，应用于服务器，所述方法包括：
获取申请者的电子病历中包含的身体情况信息，其中，所述身体情况信息中不包括申请者的姓名、身份证明信息、联系方式信息；
获取临床试验的试验条件，其中，试验条件中包含每一项身体情况信息的取值要求；
选择每一项身体情况信息均符合所述试验条件规定的取值要求的申请者，作为候选者；
在接收到临床试验招募端从候选者中确认的受试者的确认信息后，向目标客户端发送针对所述受试者的试验匹配成功信息，所述目标客户端为：提供所述受试者的身体情况信息的客户端。
2.根据权利要求1所述的方法，其特征在于，所述申请者的电子病历是个人用户端上传的单一申请者的电子病历，或集团用户端批量上传的电子病历。
3.根据权利要求1所述的方法，其特征在于，在所述电子病历为病历图像的情况下，所述获取申请者的电子病历中包含的身体情况信息，包括：
从病历图像中识别除申请者的姓名、身份证明信息、联系方式信息之外的身体情况信息。
4.根据权利要求1所述的方法，其特征在于，所述获取临床试验的试验条件，包括：
接收临床试验招募端上传的记载试验条件的试验文件，所述试验文件为：图像格式或文档格式；
从所述试验文件中提取试验条件。
5.根据权利要求1所述的方法，其特征在于，所述选择每一项身体情况信息均符合所述试验条件规定的取值要求的申请者，作为候选者，包括：
确定每一项身体情况信息均符合所述试验条件规定的取值要求的申请者；
选择电子病历上传时刻最先的第一预设最大数量个所确定的申请者，作为候选者。
6.根据权利要求1所述的方法，其特征在于，所述选择每一项身体情况信息均符合所述试验条件规定的取值要求的申请者，作为候选者，包括：
确定每一项身体情况信息均符合所述试验条件规定的取值要求的申请者；
选择互动数量最大的第二预设最大数量个所确定的申请者，作为候选者，其中，所述互动数量包括以下信息中的至少一种：身体情况信息的浏览量、转发量、点击量。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述在接收到临床试验招募端从候选者中确认的受试者的确认信息后，向目标客户端发送针对所述受试者的试验匹配成功信息，包括：
向临床试验招募端发送所述候选者的身体情况信息，以使得所述临床试验招募端对候选者的身体情况信息进行审核；
在接收到临床试验招募端从通过审核的候选者中确认的受试者的确认信息后，向通过审核的受试者对应的目标客户端发送针对所述受试者的试验匹配成功信息。
8.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：
向个人客户端发送临床试验介绍信息，以使得所述个人客户端向申请者展示所述临床试验介绍信息，其中，所述临床试验介绍信息为文字形式、图像形式或视频形式。
9.一种基于AI的临床试验受试者招募装置，其特征在于，所述装置包括：
信息获取模块，用于获取申请者的电子病历中包含的身体情况信息，其中，所述身体情况信息中不包括申请者的姓名、身份证明信息、联系方式信息；
条件获取模块，用于获取临床试验的试验条件，其中，试验条件中包含每一项身体情况信息的取值要求；
申请者选择模块，用于选择每一项身体情况信息均符合所述试验条件规定的取值要求的申请者，作为候选者；
匹配信息发送模块，用于在接收到临床试验招募端从候选者中确认的受试者的确认信息后，向目标客户端发送针对所述受试者的试验匹配成功信息，所述目标客户端为：提供所述受试者的身体情况信息的客户端。
10.一种服务器，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-8任一的方法步骤。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8任一的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311203401.2A CN116957519A (zh) | 2023-09-19 | 2023-09-19 | 一种基于ai的临床试验受试者招募方法、装置及服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311203401.2A CN116957519A (zh) | 2023-09-19 | 2023-09-19 | 一种基于ai的临床试验受试者招募方法、装置及服务器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116957519A true CN116957519A (zh) | 2023-10-27 |
Family
ID=88462319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311203401.2A Pending CN116957519A (zh) | 2023-09-19 | 2023-09-19 | 一种基于ai的临床试验受试者招募方法、装置及服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116957519A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108986917A (zh) * | 2018-06-14 | 2018-12-11 | 杭州认知网络科技有限公司 | 临床试验匹配方法、装置及终端设备 |
| CN110223784A (zh) * | 2019-06-17 | 2019-09-10 | 无码科技（杭州）有限公司 | 临床试验患者匹配方法 |
| CN110415772A (zh) * | 2019-07-31 | 2019-11-05 | 曹茂华 | 临床试验患者招募与病例快速匹配系统 |
| CN112365941A (zh) * | 2020-10-16 | 2021-02-12 | 零氪科技（北京）有限公司 | 受试者招募的方法及系统 |
| CN112489774A (zh) * | 2020-11-30 | 2021-03-12 | 中国人民解放军陆军军医大学第二附属医院 | 一种临床试验受试者招募系统 |
| CN113626696A (zh) * | 2021-08-06 | 2021-11-09 | 湖南慧泽生物医药科技有限公司 | 临床招募项目推荐平台的项目推荐方法 |
| CN115878893A (zh) * | 2022-12-07 | 2023-03-31 | 浙江太美医疗科技股份有限公司 | 临床试验项目的推荐方法、装置、电子设备和存储介质 |
-
2023
- 2023-09-19 CN CN202311203401.2A patent/CN116957519A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108986917A (zh) * | 2018-06-14 | 2018-12-11 | 杭州认知网络科技有限公司 | 临床试验匹配方法、装置及终端设备 |
| CN110223784A (zh) * | 2019-06-17 | 2019-09-10 | 无码科技（杭州）有限公司 | 临床试验患者匹配方法 |
| CN110415772A (zh) * | 2019-07-31 | 2019-11-05 | 曹茂华 | 临床试验患者招募与病例快速匹配系统 |
| CN112365941A (zh) * | 2020-10-16 | 2021-02-12 | 零氪科技（北京）有限公司 | 受试者招募的方法及系统 |
| CN112489774A (zh) * | 2020-11-30 | 2021-03-12 | 中国人民解放军陆军军医大学第二附属医院 | 一种临床试验受试者招募系统 |
| CN113626696A (zh) * | 2021-08-06 | 2021-11-09 | 湖南慧泽生物医药科技有限公司 | 临床招募项目推荐平台的项目推荐方法 |
| CN115878893A (zh) * | 2022-12-07 | 2023-03-31 | 浙江太美医疗科技股份有限公司 | 临床试验项目的推荐方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | The cost-effectiveness of digital health interventions on the management of cardiovascular diseases: systematic review | |
| JP6594501B2 (ja) | 被験患者に対して実行する医療手順において使用されるプロトコールを決定するためのプロトコール作成クライアント | |
| Gould et al. | Monitoring lung cancer screening use and outcomes at four cancer research network sites | |
| Barocas et al. | Using a population-based observational cohort study to address difficult comparative effectiveness research questions: the CEASAR study | |
| US20090271218A1 (en) | Patient-directed healthcare quality improvement system | |
| JP2005534082A (ja) | 治験のための患者データマイニング | |
| van Dijk et al. | Text-mining in electronic healthcare records can be used as efficient tool for screening and data collection in cardiovascular trials: a multicenter validation study | |
| WO2005078624A2 (en) | A method of recruiting patients for a clinical study | |
| CN110444262B (zh) | 一种中医诊疗数据收集系统 | |
| Otero Varela et al. | Evaluation of interventions to improve electronic health record documentation within the inpatient setting: a protocol for a systematic review | |
| WO2021211326A1 (en) | Systems and methods for access management and clustering of genomic, phenotype, and diagnostic data | |
| Ahmad et al. | Challenges to electronic clinical quality measurement using third-party platforms in primary care practices: the healthy hearts in the heartland experience | |
| Silver et al. | Implementing a population-based breast cancer risk assessment program | |
| Alayche et al. | Evaluating prospective study registration and result reporting of trials conducted in Canada from 2009 to 2019 | |
| Dambha-Miller et al. | Mortality from angiotensin-converting enzyme-inhibitors and angiotensin receptor blockers in people infected with COVID-19: a cohort study of 3.7 million people | |
| CN116957519A (zh) | 一种基于ai的临床试验受试者招募方法、装置及服务器 | |
| CN113424267A (zh) | 用于使用分散式计算平台按优先级来分析跨地理区域的健康数据的系统架构和方法 | |
| Walker et al. | Information on doctor and pharmacy shopping for opioids adds little to the identification of presumptive opioid abuse disorders in health insurance claims data | |
| Neergaard et al. | Asking terminally ill patients about their preferences concerning place of care and death | |
| JP2020106882A (ja) | 保険設計支援システム及び保険設計支援方法 | |
| US20220165415A1 (en) | Intelligent system and methods for automatically recommending patient-customized instructions | |
| Guo et al. | Comparison of the cohort selection performance of Australian Medicines Terminology to Anatomical Therapeutic Chemical mappings | |
| JP2008217426A (ja) | 症例登録システム | |
| Friedman et al. | Having a primary care provider is the strongest predictor of successful follow-up of participants in a clinical trial | |
| Kuiper et al. | A population‐based linked cohort of cancer and primary care data: a new source to study the management of cancer in primary care |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |