גיוס למחקרים קליניים
80% מהמחקרים הקליניים מפספסים את לוחות הזמנים לגיוס. צוואר הבקבוק אינו היצע המטופלים, אלא דיוק ההתאמה. בינה מלאכותית גנרית קוראת מילים. מערכות מבוססות אונטולוגיה מנמקות על מושגים רפואיים, מנתחות סעיפי חריגה ומפיקות שובלי ביקורת שעומדים בבחינה רגולטורית.
800K$ ליום
אובדן מכירות לכל יום של עיכוב במחקר
Tufts CSDD, 2024
80%
מהמחקרים מפספסים את לוחות הזמנים לגיוס
קונצנזוס בענף, 2025
1,200$
עלות ממוצעת לכל כישלון בסינון
Antidote.me, 2025
אנו בונים מערכות התאמה מותאמות אישית שמנמקות על זכאות באמצעות גרפי אונטולוגיה של SNOMED-CT ולוגיקה דטרמיניסטית. עבור נותני חסות בפארמה, ארגוני CRO ומרכזים רפואיים אקדמיים שמנהלים מחקרים מורכבים שבהם שיעורי כישלון הסינון ועיכובי הגיוס נמדדים במיליונים.
הענף בילה את חמש השנים האחרונות בהחלפת חיפוש מילות מפתח ב-LLM. זה תיקן את המקרים הקלים. זה לא תיקן את המקרים שבאמת חשובים.
מחקר נוגד קרישה בשלב III מחריג מטופלים שעברו "צנתור לבבי." תיק רפואי אלקטרוני (EHR) של מטופל מכיל הערה המתארת "החדרת צנתר ורידי מרכזי" שבוצעה ביחידה לטיפול נמרץ לצורך גישה למתן תרופה דרך הווריד.
מה שבינה מלאכותית גנרית עושה:
רואה "צנתר" + "ורידי" + קרבה למונחים קרדיווסקולריים. ציון דמיון הווקטור גבוה. המטופל מסומן כ לא זכאי. מטופל זכאי אבד.
מה שהתאמה מבוססת אונטולוגיה עושה:
ממפה את שניהם למזהי מושג של SNOMED-CT. צנתור לבבי (SCTID: 41976001) נמצא תחת "פרוצדורה בלב." צנתור ורידי מרכזי (SCTID: 392230005) נמצא תחת "צנתור של וריד." ענפים שונים. המטופל זכאי.
זה אינו מקרה קצה. זה מייצג מחלקה שלמה של שגיאות שבהן פרוצדורות, מצבים או תרופות חולקים אוצר מילים אך שונים מבחינה רפואית. הערכות שפורסמו מאשרות שמודלי בינה מלאכותית עושים בדיוק את הטעות הזו של "צנתור לבבי שווה דקירה ורידית מרכזית" (Fierce Biotech, 2025). הכפל במאות קריטריונים על פני עשרות מחקרים, ותקבל דליפת זכאות שיטתית שאף כמות של הנדסת פרומפטים לא מתקנת.
עיוורון אונטולוגי
מודלי LLM מעבדים טקסט לפי קרבת טוקנים, לא לפי היררכיה רפואית. "אנגיוגרפיה כלילית" ו-"אנגיוגרפיה היקפית" מקבלים ציון דומה כי הם חולקים את המילה "אנגיוגרפיה." SNOMED-CT יודע שהאחת היא פרוצדורה לבבית והשנייה היא פרוצדורה של גישה כלי-דמית.
שבריריות סעיפי החריגה
"החרג מטופלים עם יתר לחץ דם אלא אם מאוזן היטב על תרופה יציבה במשך 3+ חודשים." מודלי LLM רואים "יתר לחץ דם" ואז או מחריגים (מאבדים מטופל זכאי) או כוללים (מפספסים את הבדיקה הזמנית). פרוטוקולים כוללים כיום בממוצע 27+ קריטריונים, רבים מהם עם תנאים מקוננים (IQVIA, 2026).
פלט לא דטרמיניסטי
הרץ את אותו מטופל דרך מתאם מבוסס-LLM פעמיים עם חלונות הקשר מעט שונים. ייתכן שתקבל תוצאות שונות. מחקרים קליניים מחייבים שובלי ביקורת ניתנים לשחזור ב-100%. רגולטורים צריכים לדעת בדיוק מדוע כל מטופל נכלל או הוחרג.
העלה את זה בפגישת הערכת הספקים הבאה שלך. לכל פלטפורמה יש חוזקות. השאלה היא אילו פערים חשובים למורכבות הפרוטוקול שלך.
| פלטפורמה | מה הם באמת עושים | גישה לנתונים | היכן זה נשבר |
|---|---|---|---|
| Tempus (כולל Deep 6 AI) | סוכן Patient Query מבוסס-LLM קורא הערות לא מובנות, מנקד מול קריטריונים. דיוק של 94% בשאילתות שהוערכו. 750+ אתרי ספקים לאחר רכישת Deep 6. | נתונים גנומיים + קליניים קנייניים. אתרי רשת Tempus. | התאמה הסתברותית ללא עיגון אונטולוגי. מוגבל לרשת Tempus לצורך גישה לנתונים. אין שובל נימוק פורמלי לביקורת רגולטורית. |
| IQVIA (IQVIA.ai) | פלטפורמת בינה מלאכותית אג'נטית מאוחדת (מרץ 2026) עם NVIDIA. מערכי הנתונים הגדולים ביותר בתחום הבריאות בעולם. מקצה לקצה מהיתכנות ועד גיוס. | 250M+ רשומות מטופלים. קשרי פארמה המשתרעים על פני עשורים. | התאמה רחבה אך גנרית. גישת פלטפורמה-תחילה עשויה שלא להתמודד עם הניואנסים הספציפיים של הפרוטוקול שלך. דרישות אינטגרציה כבדות עבור זרימות עבודה מותאמות אישית. |
| Medidata (Dassault) | AI Study Build עבור Rave EDC. מובילת CTMS. 500+ מחקרים נתמכי בינה מלאכותית. צינור EDC-להתאמה חזק. | נתוני מחקר מפלטפורמת Rave. גישה ישירה מוגבלת ל-EHR. | ההתאמה היא תכונה בתוך CTMS גדול יותר, לא המוקד המרכזי. מגבלות ה-API של Rave דוחפות את רוב הצוותים ל-ETL באצווה במקום התאמה בזמן אמת. |
| TriNetX | רשת נתונים מהעולם האמיתי להיתכנות וזיהוי קוהורטות. 250M+ רשומות מטופלים על פני מערכות בריאות. | מודל רשת מבוזרת. מיקוד בנתונים מובנים. | חזקה להיתכנות, חלשה יותר בניתוח הערות לא מובנות. נדרשת חברות ברשת לצורך גישה לנתונים. |
| ConcertAI (ACT) | פלטפורמת בינה מלאכותית אג'נטית שהושקה בפברואר 2026. טוענת להפחתת לוח זמנים של 10-20 חודשים. נתונים מהעולם האמיתי ממוקדי אונקולוגיה. | מערכי נתונים אונקולוגיים קנייניים. מערכת אקולוגית סמוכה ל-Roche. | פלטפורמה חדשה, רקורד ייצור מוגבל. ממוקדת אונקולוגיה; פחות עומק בתחומים תרפויטיים אחרים. |
| Big 4 / משלבי מערכות גדולים | מיישמים ומשלבים פלטפורמות. מגדירים את Medidata, Veeva, Oracle Clinical One. ניהול פרויקטים וניהול שינויים. | נתוני לקוח דרך ההתקשרות. | הם מיישמים פלטפורמות, לא בונים אינטליגנציה. אין הנדסת אונטולוגיה או יכולת התאמה מותאמת אישית. ההתקשרויות נעות בין 500K$-5M$+ עם לוחות זמנים של 6-12 חודשים עבור האינטגרציה בלבד. |
| בנייה פנימית | צוות אינפורמטיקה קלינית בונה כללי התאמה או מכוונן מודלים מול פרוטוקולים ספציפיים. | גישה מלאה ל-EHR. אין חששות לשיתוף נתונים. | אנשי אינפורמטיקה קלינית נדירים ויקרים. תחזוקת אונטולוגיה (SNOMED מתעדכן פעמיים בשנה, MedDRA רבעונית) מחייבת כוח אדם ייעודי. רוב הבניות הפנימיות נתקעות בהתאמת מילות מפתח עם מעט NLP. |
כל פלטפורמה לעיל משתמשת בצורה כלשהי של התאמת NLP או LLM. אף אחת אינה מיישמת באופן פומבי הנמקה נוירו-סימבולית עם גרפי אונטולוגיה של SNOMED-CT להערכת זכאות דטרמיניסטית. הפער הזה הוא המקום שבו שוכן הדיוק הקליני.
כל יכולת מתייחסת למצב כשל ספציפי במערכות ההתאמה הנוכחיות. אלה אינן תכונות מוצר. אלה רכיבים בנויים בהתאמה אישית, מותאמים לתיק הפרוטוקולים שלך, לסביבת ה-EHR ולדרישות הרגולטוריות שלך.
אנו בונים מערכות התאמה שבהן החלטת הזכאות מחושבת, לא נחזית. שכבת חילוץ ה-LLM ממירה הערות קליניות למזהי מושג של SNOMED-CT באמצעות פענוח מוגבל שכופה פלט SCTID. גרף הידע (Neo4j) מאחסן 350,000+ מושגים רפואיים עם היחסים ההיררכיים שלהם. המנמק הסימבולי מעריך זכאות על ידי מעבר בגרף: האם הפרוצדורה של המטופל היא תת-סוג של הפרוצדורה המוחרגת? התשובה דטרמיניסטית.
אנו פונים לפענוח מוגבל בסגנון SAKT כאשר ההערות הקליניות מבולגנות (הערות טיפול נמרץ, תמלולים בכתב יד) משום שכפיית המודל להפיק SCTID תקפים בזמן הייצור תופסת ישויות רפואיות מהוזות לפני שהן נכנסות לצינור ההנמקה. עבור נתוני EHR מובנים היטב (משאבי FHIR עם שדות מקודדים), אנו עוקפים את ה-LLM לחלוטין וממפים ישירות לאונטולוגיה.
פרוטוקולי מחקר אינם רשימות תיוג בוליאניות. הם הצהרות נורמטיביות עם חובות, היתרים ואיסורים שמקיימים אינטראקציה דרך סעיפי חריגה ואילוצים זמניים. אנו מנתחים פרוטוקולים ללוגיקה דאונטית פורמלית, ומפרקים את "החרג X אלא אם Y בתוך מסגרת זמן Z" לפעולות ניתנות לחישוב.
המנתח מטפל בלוגיקת אנסמבל זמני לחישובי משך ("ללא PCI בתוך 12 חודשים"), שרשראות אינטראקציה תרופתית באמצעות מעבר במסלולי אנזים CYP בגרף הידע ("כל תרופה המקיימת אינטראקציה עם CYP3A4"), ולוגיקה מותנית מקוננת שצינורות NLP סטנדרטיים משטחים לתשובות שגויות. כל קריטריון מנותח מפיק מפרט לוגיקה פורמלי שהמנמק מבצע מול פנוטיפים של מטופלים.
נתוני המטופלים נשארים בתוך חומת האש שלך. שכבת החילוץ הנוירונית פועלת כמודל שפה קליני שנפרס מקומית (מכוונן לפי דפוסי ההערות של המוסד שלך). גרף הידע והמנמק הסימבולי פועלים במקום (on-premise). מתאמי קלט של FHIR R4 מתחברים ל-Epic (דרך נקודות קצה של App Orchard), Oracle Health (ממשקי Millennium FHIR), או מערכות EHR מאושרות אחרות.
אנו מתכננים לעמידה ב-HIPAA BAA מהיום הראשון: רישום ביקורת על כל גישה לנתוני מטופל, בקרות גישה מינימליות-הכרחיות, הרשאות מבוססות תפקיד התואמות את פרוטוקולי ה-IRB שלך, ויכולות דה-זיהוי עבור כל נתון מצרפי שצריך לעבור בין מערכות. מידע בריאותי מוגן לעולם אינו נוגע ב-API חיצוני.
פלט התאמה שחי במערכת נפרדת הוא פלט התאמה שמתעלמים ממנו. אנו בונים מחברים שדוחפים התאמות מטופל-מחקר מדורגות ישירות ל-Medidata Rave, Veeva Vault CTMS, או Oracle Clinical One. רכזי האתר רואים תוצאות בכלים שהם כבר משתמשים בהם, ולא בלוח מחוונים נוסף לבדוק.
הפלט ממופה לפורמט תחום CDISC SDTM IE (הכללה/החרגה), כך שנתוני הגיוס מובנים להגשה רגולטורית מהיום הראשון. אין צורך בניקוי או התאמת נתונים במורד הזרם. הצינור גם מטפל בנרמול קודי מעבדה מקומיים (מיפוי LOINC) כדי ליישב טווחי ייחוס ספציפיים-לאתר מול ספים מוגדרי-פרוטוקול.
SNOMED-CT מספק את הבסיס. אנו בונים את העומק התרפויטי מעליו. עבור אונקולוגיה: רמות ביטוי PD-L1 ממופות לספי בדיקה ספציפיים (22C3 לעומת SP263 לעומת SP142), סיווגי וריאנט BRCA1/2 (פתוגני לעומת VUS לעומת שפיר לפי הנחיות ACMG), תת-סוגי מוטציית EGFR (מחיקת אקסון 19 לעומת L858R לעומת T790M), סטטוס שינוי סידור ALK, שלוב TNM עם מיפוי מהדורה 8 של AJCC, והיסטוריות משטר קודמות עם ייחוס קו-טיפול.
כל אונטולוגיה מאומתת מול 10-15 פרוטוקולים אמיתיים מתיק המחקרים שלך לפני העלייה לאוויר. אימות פירושו הרצת המערכת מול מחקרים שהושלמו שבהם תוצאות הגיוס ידועות ומדידת התאמה לסטנדרט הזהב האנושי. אנו מתחזקים אונטולוגיות ככל ש-SNOMED-CT מתעדכן פעמיים בשנה ו-MedDRA מתעדכן רבעונית, כך שמיפויי המושגים נשארים עדכניים.
צעד אחר צעד דרך הערכה של מטופל יחיד עבור מחקר אונקולוגי בשלב III. זהו התהליך שרץ עבור כל זוג מטופל-קריטריון.
ה-LLM הקליני שנפרס מקומית קורא את ההערות הלא-מובנות של המטופל. רופא כתב: "מטופל השלים 4 מחזורי קרבופלטין/פמטרקסד, עירוי אחרון 03/2025. PD-L1 TPS 45% (22C3). ECOG 1." המודל מחלץ ישויות באמצעות פענוח מוגבל שכופה פלטי SNOMED-CT ו-LOINC תקפים: MedicationAdministration: קרבופלטין (SCTID: 386905003), פמטרקסד (SCTID: 409342003). ממצא: PD-L1 45% (LOINC: 85146-3). ממצא: ECOG PS 1.
הישויות שחולצו ממופות לגרף הידע. "קרבופלטין" מתמפה לענף הסוכנים האנטי-ניאופלסטיים מבוססי-פלטינה. הגרף יודע שקרבופלטין הוא-א סוכן מאלקל, הוא-א תרכובת פלטינה, מקיים-אינטראקציה-עם CYP2C8. אם הפרוטוקול מחריג "טיפול פלטינה קודם," מעבר הגרף מאשר שקרבופלטין כשיר. אם הוא מחריג "אימונותרפיה קודמת," הגרף מאשר שקרבופלטין אינו כשיר. אין דו-משמעות.
קריטריון פרוטוקול: "אין טיפול סיסטמי קודם למחלה מתקדמת, אלא אם טיפול אדג'ובנטי/ניאו-אדג'ובנטי הושלם > 12 חודשים לפני הרנדומיזציה." המנתח מפרק: Prohibition(טיפול סיסטמי קודם) EXCEPT Permission(אדג'ובנטי OR ניאו-אדג'ובנטי) AND Temporal(תאריך_השלמה + 12 חודשים < תאריך_רנדומיזציה). המנמק בודק: קרבופלטין/פמטרקסד ניתן. האם היה אדג'ובנטי? הגרף בודק את שלב המחלה בעת הטיפול. האם המרווח היה מספיק? עירוי אחרון מרץ 2025, רנדומיזציה אפריל 2026 = 13 חודשים. תוצאה: זכאי (סעיף החריגה מתקיים, אילוץ זמני מתקיים).
המערכת מפיקה ציון מורכב. קריטריונים דטרמיניסטיים (התאמות אונטולוגיות, חישובים זמניים) מקבלים ביטחון בינארי. קריטריונים דו-משמעיים (ניסוח הערה לא ברור, נתונים חסרים) מקבלים ציון הסתברות עם הדו-משמעות הספציפית מסומנת. שובל ההנמקה עבור כל קריטריון מאוחסן: איזה SCTID הותאם, איזה מעבר בגרף בוצע, איזו פעולת לוגיקה הפיקה את התוצאה. שובל זה עובר ישירות לפורמט תחום CDISC SDTM IE ולתצוגת ה-CTMS של הרכז.
הבחנה מרכזית מבינה מלאכותית של פלטפורמות:
בשום שלב המערכת אינה שואלת LLM "האם המטופל הזה זכאי?" ה-LLM קורא טקסט. האונטולוגיה מפענחת משמעות. מנוע הלוגיקה מחשב זכאות. לכל שכבה יש תפקיד מוגדר ופלט ניתן לאימות. כאשר רכז רואה "זכאי" או "מוחרג," הוא יכול לעקוב בדיוק אחר הסיבה, עד למזהה המושג של SNOMED ויחס הגרף שקבעו את התוצאה.
שלושה שלבים, 14-20 שבועות בסך הכול. לכל שלב תוצר מוגדר ונקודת החלטה לפני ההמשך.
שלב 1: שבועות 1-4
נקודת החלטה: להמשיך לבנייה, להתאים את ההיקף, או לקבוע שפלטפורמה היא ההתאמה הטובה יותר. נאמר לך אם כך.
שלב 2: שבועות 5-16
שלב 3: שבועות 17-20
שוטף: SNOMED-CT מתעדכן פעמיים בשנה, MedDRA רבעונית. אנו מתחזקים או מוסרים עם תיעוד.
ענה על שש שאלות על תפעול הגיוס הנוכחי שלך. ההערכה מזהה היכן צינור ההתאמה שלך מדליף מטופלים זכאים ואילו שיפורים יניבו את ה-ROI הגבוה ביותר עבור המצב הספציפי שלך.
1. מהו שיעור כישלון הסינון הנוכחי שלך על פני מחקרים פעילים?
Tempus Patient Query וכלי ההתאמה של IQVIA משתמשים במודלי שפה גדולים כדי לקרוא הערות קליניות ולנקד רלוונטיות מול קריטריוני המחקר. זה עובד היטב לקריטריונים פשוטים אך נשבר בהבחנות אונטולוגיות. כאשר פרוטוקול מחריג "צנתור לבבי" ורשומת מטופל מזכירה "החדרת צנתר ורידי מרכזי," LLM הפועל על דמיון וקטורי רואה שתי פרוצדורות צנתר המערבות את המערכת הקרדיווסקולרית ומסמן התאמה. מערכת מעוגנת ב-SNOMED-CT מזהה שאלה יושבות על ענפים שונים לחלוטין בהיררכיית הפרוצדורות (SCTID 41976001 לעומת 392230005) וקובעת נכון שהמטופל זכאי.
ההבדל המעשי מופיע בשיעורי כישלון הסינון. התאמה מבוססת-LLM משיגה בדרך כלל דיוק של 85-94% על קריטריונים מובנים היטב, אך יורדת ל-70-80% על פרוטוקולים עם הבחנות אונטולוגיות מורכבות, לוגיקה זמנית או סעיפי חריגה. התאמה מבוססת אונטולוגיה שומרת על דיוק של 95%+ על פני כל סוגי הקריטריונים משום שהחלטת הזכאות מחושבת על ידי מנמק סימבולי, ולא נחזית על ידי מודל שפה.
ההבדל המבני האחר הוא יכולת הביקורת. LLM מפיק ציון רלוונטיות. המערכת שלנו מפיקה שובל הנמקה: למטופל יש SCTID X, הקריטריון דורש לא-SCTID Y, X אינו-תת-סוג-של Y לפי היררכיית SNOMED, ולכן זכאי. השובל הזה הוא מה שצוותי ענייני רגולציה צריכים לתיעוד הגשה ל-FDA.
כן, וזהו עיקרון ארכיטקטוני מרכזי, לא מחשבה שלאחר מעשה. הארכיטקטורה הנוירו-סימבולית מפרידה את השכבה הנוירונית (LLM לחילוץ ישויות) מהשכבה הסימבולית (גרף ידע ופותר לוגיקה). שתיהן יכולות לפעול לחלוטין בתוך חומת האש שלך.
שכבת חילוץ ה-LLM נפרסת כמודל מקומי, בדרך כלל מודל שפה קליני מכוונן הפועל על התשתית שלך או על מופע ענן פרטי מאובטח. היא לעולם אינה שולחת טקסט מטופל גולמי ל-API חיצוניים. גרף הידע (Neo4j או שווה ערך) ואונטולוגיית SNOMED-CT יושבים במקום (on-premise). FHIR R4 הוא תקן הקלט. עבור סביבות Epic, אנו בונים מול נקודות הקצה של FHIR R4 הזמינות דרך App Orchard, ומושכים משאבי Patient, Condition, Procedure ו-MedicationAdministration. עבור Oracle Health (Cerner), האינטגרציה משתמשת בממשקי Millennium FHIR שלהם.
שכבת החילוץ מעבדת הערות קליניות מקומית, ממפה ישויות ל-SCTID, והמנמק הסימבולי מעריך זכאות מול קריטריוני הפרוטוקול. מידע בריאותי מוגן לעולם אינו עוזב את הסביבה המאובטחת שלך. אנו מתכננים לעמידה ב-HIPAA BAA מהיום הראשון, כולל רישום ביקורת, בקרות גישה מינימליות-הכרחיות, ויכולות דה-זיהוי עבור כל נתון שאכן צריך לעבור בין מערכות.
הארכיטקטורה עובדת עבור כל תחום תרפויטי משום ש-SNOMED-CT מכסה 350,000+ מושגים רפואיים. המשתנה הוא עומק האונטולוגיה, כלומר כמה מיפויים, מילים נרדפות ויחסים היררכיים ספציפיים-לתחום מוגדרים מראש עבור הפרוטוקולים הספציפיים שלך.
אונקולוגיה היא המקום שבו אנו מתחילים את רוב ההתקשרויות משום שהקריטריונים הם המורכבים ביותר: דרישות סמן ביולוגי (רמות ביטוי PD-L1, סטטוס מוטציית BRCA1/2, וריאנטי EGFR), מערכות שלוב (TNM, מהדורה 8 של AJCC), היסטוריות משטר קודמות עם אילוצים זמניים, וציוני סטטוס תפקודי. אונטולוגיה אונקולוגית מוכנה-לייצור המכסה את 50 הסמנים הביולוגיים המובילים, 200+ משטרי טיפול ומערכות שלוב סטנדרטיות אורכת 6-8 שבועות לבנייה ואימות.
קרדיווסקולרי ו-CNS הם הבאים בשכיחותם. אונטולוגיה קרדיווסקולרית מתמקדת בהיררכיות פרוצדורות (הבחנת הצנתור הלבבי היא רק אחת מעשרות), שרשראות אינטראקציה תרופתית באמצעות מסלולי אנזים CYP, וטווחי ערכי מעבדה עם התאמות ייחוס ספציפיות-לאתר. CNS מוסיף טיפול בנקודות קצה סובייקטיביות ומיפוי ציוני הערכה קוגניטיבית.
מחלה נדירה היא טכנית המאתגרת ביותר משום שכיסוי SNOMED יכול להיות דליל למצבים נדירים-במיוחד. אנו משלימים עם מיפויי אונטולוגיית Orphanet ובונים הרחבות מושג מותאמות אישית שמוזנות בחזרה לגרף. ההקמה לתחום תרפויטי של מחלה נדירה אורכת 8-12 שבועות. כל אונטולוגיה מאומתת מול קריטריוני פרוטוקול אמיתיים מתיק המחקרים שלך לפני העלייה לאוויר.
כאן לוגיקה דטרמיניסטית עולה על מודלי שפה הסתברותיים בצורה הברורה ביותר. NLP סטנדרטי מתייחס לקריטריוני זכאות כטקסט שיש לפרש. אנו מתייחסים אליהם כלוגיקה פורמלית שיש לחשב.
קח קריטריון אמיתי: "החרג מטופלים עם יתר לחץ דם, אלא אם מאוזן היטב על תרופה יציבה במשך 3 חודשים לפחות." LLM רואה את המילה "יתר לחץ דם" וחייב להחליט מההקשר אם להחריג. הוא קולע בזה רוב הזמן, אך "רוב הזמן" משמעו אובדן מטופלים זכאים בכל מחקר.
המנתח שלנו מפרק את זה לאופרטורים דאונטיים. Prohibition: יתר לחץ דם קיים. תנאי Permission: יתר לחץ דם AND מאוזן (לחץ דם מתחת ל-140/90 לפי הגדרת הפרוטוקול) AND תרופה יציבה (אותו משטר נוגד יתר לחץ דם) AND אילוץ זמני (משך 3+ חודשים). המערכת אז שואלת את היסטוריית התרופות של המטופל מגרף הידע, מזהה את נוגד יתר לחץ הדם, בודקת את תאריך תחילת המרשם, מחשבת את הפרש המשך מול תאריך הסינון, ומאמתת קריאות לחץ דם בתוך חלון התצפית. כל שלב מפיק פלט ניתן לאימות.
אותה לוגיקה מטפלת בשרשראות כמו "אין כימותרפיה קודמת אלא אם טיפול ניאו-אדג'ובנטי הושלם לפני יותר מ-6 חודשים" על ידי בדיקת תכונת כוונת הטיפול (ניאו-אדג'ובנטי לעומת אדג'ובנטי לעומת פליאטיבי), תאריך הסיום והפרש הזמן. אלה אינם מקרי קצה. נתוני IQVIA מראים שפרוטוקולים כוללים כיום בממוצע 27+ קריטריוני זכאות, רבים מהם עם תנאים מקוננים. סעיף חריגה אחד שטופל בצורה שגויה לכל פרוטוקול, על פני מאות מטופלים שנסרקו, מצטבר לעשרות גיוסים שאבדו.
התקשרות אופיינית נמשכת שלושה שלבים על פני 14-20 שבועות. שלב 1 (3-4 שבועות) הוא ביקורת תפעול גיוס: אנו מנתחים את שיעורי כישלון הסינון הנוכחיים שלך, ממפים את נוף נתוני ה-EHR שלך, סוקרים 10-15 פרוטוקולים מייצגים מתיק המחקרים שלך, ומזהים את סוגי הקריטריונים הספציפיים שגורמים למרב התוצאות החיוביות השגויות וההתאמות שהוחמצו. שלב זה מספק מסמך ארכיטקטורה טכנית ומודל ROI מבוסס על הנתונים האמיתיים שלך.
שלב 2 (8-12 שבועות) הוא הבנייה: פיתוח אונטולוגיה עבור התחום התרפויטי בעדיפות שלך, כיוונון LLM על דפוסי ההערות הקליניות שלך, בניית גרף ידע, הגדרת מנמק סימבולי, ואינטגרציית FHIR עם סביבת ה-EHR שלך. שלב 3 (3-4 שבועות) הוא אימות: בדיקה רטרוספקטיבית מול מחקרים שהושלמו שבהם תוצאות הגיוס ידועות, השוואת דיוק, ואינטגרציית זרימת עבודה של הרכז.
העלות תלויה בהיקף. בנייה של תחום תרפויטי יחיד עם אינטגרציית EHR אחת נעה בדרך כלל בין 180K$-350K$. פריסות רב-תרפויטיות או רב-אתריות מתרחבות עם רוחב האונטולוגיה ומורכבות האינטגרציה. לשם השוואה, רישיונות פלטפורמת Tempus ו-IQVIA נעים בין 200K$-500K$+ בשנה עם תשלומים לכל מטופל או לכל מחקר מעבר לכך.
ההבדל הכלכלי המהותי הוא בעלות. רישיון פלטפורמה הוא הוצאה חוזרת עם נעילת ספק. בנייה מותאמת אישית היא נכס שאתה הבעלים שלו, מתחזק ומרחיב. עבור ארגונים שמנהלים 20+ מחקרים בשנה, הבנייה המותאמת אישית מגיעה בדרך כלל לנקודת איזון מול רישוי פלטפורמה בתוך 18 חודשים, עם היתרון הנוסף של דיוק התאמה המכוונן למורכבות הפרוטוקול הספציפית שלך.
הנחיית התמיכה בהחלטות קליניות (Clinical Decision Support) המעודכנת של ה-FDA מינואר 2026 היא המסגרת הרלוונטית כאן. השאלה המרכזית היא האם המערכת מקבלת החלטות קליניות אוטונומיות או תומכת בקבלת החלטות אנושית.
הארכיטקטורה שלנו מתוכננת עבור פטור ה-CDS תחת סעיף 3060 של חוק 21st Century Cures. המערכת עומדת בכל ארבעת קריטריוני הפטור: היא אינה מיועדת לרכוש, לעבד או לנתח תמונות או אותות רפואיים; היא מציגה את הבסיס להמלצות (שובל ההנמקה המלא); היא מיועדת לאנשי מקצוע רפואיים בעלי יכולת סקירה עצמאית; והיא אינה מחליפה שיקול דעת קליני בקבלת קביעות זכאות.
בפועל, פירוש הדבר שהמערכת מפיקה התאמות מטופל-מחקר מדורגות עם ציוני ביטחון ושובלי הנמקה. רכז אתר או עמית מחקר קליני סוקר כל התאמה לפני כל מגע עם המטופל. המערכת לעולם אינה רושמת אוטומטית.
עם זאת, פרשנות ה-FDA להיקף ה-CDS ממשיכה להשתנות. אם הארגון שלך מתכנן להשתמש בפלט ההתאמה כדי להחריג מטופלים אוטומטית ללא סקירה אנושית, המערכת עשויה לחצות לתחום ההתקנים המחייב אישור 510(k) או סיווג De Novo. אנו ממליצים לערב את מרכז המצוינות לבריאות דיגיטלית של ה-FDA מוקדם בשלב התכנון. אנו בונים את התיעוד הרגולטורי, כולל הצדקת פטור ה-CDS, הצהרת שימוש מיועד ודוח הערכה קלינית, כתוצר סטנדרטי בשלב 1.
המחקר שמאחורי דף הפתרון הזה. עבור הארכיטקטורה הטכנית המלאה, רציונל עיצוב האונטולוגיה וגישת האימות הקליני.
ניתוח טכני מלא של הארכיטקטורה הנוירו-סימבולית, אינטגרציית SNOMED-CT, מסגרת הלוגיקה הדאונטית ומימוש GraphRAG להתאמת מטופלים במחקרים קליניים.
שיעור כישלון סינון של 40% על פני 10 מחקרים פירושו בערך 480K$ בעלויות סינון מבוזבזות בשנה, לפני שסופרים את עיכובי הגיוס.
אנו מתחילים בביקורת תפעול גיוס של 3-4 שבועות. אתה מקבל מסמך ארכיטקטורה, מודל ROI הבנוי על נתוני כישלון הסינון האמיתיים שלך, ותשובה ברורה האם בנייה מותאמת אישית הגיונית עבור תיק המחקרים שלך.