Il tuo strumento di abbinamento AI non distingue un catetere venoso centrale da un cateterismo cardiaco. E ti costa 800.000 $ al giorno.

In che modo l'abbinamento guidato da ontologie differisce da ciò che Tempus o IQVIA già offrono?

Tempus Patient Query e gli strumenti di abbinamento di IQVIA usano grandi modelli linguistici per leggere le note cliniche e valutarne la pertinenza rispetto ai criteri dello studio. Questo funziona bene per i criteri semplici ma fallisce sulle distinzioni ontologiche. Quando un protocollo esclude il "cateterismo cardiaco" e una cartella paziente menziona un "posizionamento di catetere venoso centrale," un LLM che opera sulla similarità vettoriale vede due procedure di cateterismo che coinvolgono il sistema cardiovascolare e segnala una corrispondenza. Un sistema fondato su SNOMED-CT riconosce che queste si trovano su rami completamente diversi della gerarchia delle procedure (SCTID 41976001 vs. 392230005) e dichiara correttamente il paziente idoneo.

La differenza pratica si manifesta nei tassi di fallimento dello screening. L'abbinamento basato su LLM raggiunge tipicamente un'accuratezza dell'85-94% su criteri ben strutturati, ma scende al 70-80% sui protocolli con distinzioni ontologiche complesse, logica temporale o clausole di eccezione. L'abbinamento guidato da ontologie mantiene un'accuratezza superiore al 95% su tutti i tipi di criterio perché la decisione sull'idoneità viene calcolata da un reasoner simbolico, non prevista da un modello linguistico.

L'altra differenza strutturale è l'auditabilità. Un LLM produce un punteggio di pertinenza. Il nostro sistema produce una traccia di ragionamento: il paziente ha SCTID X, il criterio richiede non-SCTID Y, X non-è-un-sottotipo-di Y secondo la gerarchia SNOMED, quindi idoneo. Quella traccia è ciò di cui i team di affari regolatori hanno bisogno per la documentazione di sottomissione alla FDA.

Questo può integrarsi con il nostro sistema EHR esistente senza inviare i dati dei pazienti ad API esterne?

Sì, e questo è un principio architetturale fondamentale, non un ripensamento. L'architettura neuro-symbolic separa il livello neurale (LLM per l'estrazione delle entità) dal livello simbolico (grafo di conoscenza e logic solver). Entrambi possono essere eseguiti interamente all'interno del vostro firewall.

Il livello di estrazione LLM viene distribuito come modello locale, tipicamente un modello clinico di linguaggio sottoposto a fine-tuning in esecuzione sulla vostra infrastruttura o su un'istanza di cloud privato sicuro. Non invia mai testo grezzo dei pazienti ad API esterne. Il grafo di conoscenza (Neo4j o equivalente) e l'ontologia SNOMED-CT risiedono on-premise. FHIR R4 è lo standard di input. Per gli ambienti Epic, sviluppiamo rispetto agli endpoint FHIR R4 disponibili tramite App Orchard, recuperando le risorse Patient, Condition, Procedure e MedicationAdministration. Per Oracle Health (Cerner), l'integrazione utilizza le loro API FHIR Millennium.

Il livello di estrazione elabora le note cliniche localmente, mappa le entità su SCTID e il reasoner simbolico valuta l'idoneità rispetto ai criteri del protocollo. Le informazioni sanitarie protette non lasciano mai il vostro ambiente sicuro. Progettiamo l'architettura per la conformità HIPAA BAA fin dal primo giorno, incluso il logging di audit, i controlli di accesso al minimo necessario e le capacità di de-identificazione per qualsiasi dato che deve effettivamente spostarsi tra i sistemi.

Per quali aree terapeutiche funziona e quanto tempo richiede la configurazione dell'ontologia?

L'architettura funziona per qualsiasi area terapeutica perché SNOMED-CT copre oltre 350.000 concetti medici. La variabile è la profondità dell'ontologia, ovvero quante mappature specifiche del dominio, sinonimi e relazioni gerarchiche sono preconfigurati per i vostri protocolli specifici.

L'oncologia è il punto di partenza della maggior parte dei nostri incarichi perché i criteri sono i più complessi: requisiti di biomarcatori (livelli di espressione PD-L1, stato di mutazione BRCA1/2, varianti EGFR), sistemi di stadiazione (TNM, AJCC 8ª edizione), storie di regimi precedenti con vincoli temporali e punteggi di performance status. Un'ontologia oncologica pronta per la produzione che copre i primi 50 biomarcatori, oltre 200 regimi di trattamento e i sistemi di stadiazione standard richiede 6-8 settimane per essere costruita e validata.

Cardiovascolare e SNC sono i successivi più comuni. L'ontologia cardiovascolare si concentra sulle gerarchie delle procedure (la distinzione del cateterismo cardiaco è solo una di decine), sulle catene di interazione tra farmaci tramite i percorsi degli enzimi CYP e sugli intervalli dei valori di laboratorio con aggiustamenti di riferimento specifici della sede. Il SNC aggiunge la gestione degli endpoint soggettivi e la mappatura dei punteggi di valutazione cognitiva.

Le malattie rare sono tecnicamente le più impegnative perché la copertura di SNOMED può essere scarsa per le condizioni ultra-rare. Integriamo con le mappature dell'ontologia Orphanet e costruiamo estensioni di concetto personalizzate che si reintegrano nel grafo. La configurazione per un'area terapeutica di malattie rare richiede 8-12 settimane. Ogni ontologia viene validata rispetto a criteri di protocollo reali del vostro portafoglio di studi prima di andare in produzione.

Come gestisce le complesse clausole "a meno che" ed "eccetto" nei moderni protocolli degli studi?

È qui che la logica deterministica supera più chiaramente i modelli linguistici probabilistici. L'NLP standard tratta i criteri di idoneità come testo da interpretare. Noi li trattiamo come logica formale da calcolare.

Prendete un criterio reale: "Escludere i pazienti con ipertensione, a meno che non sia ben controllata con terapia stabile da almeno 3 mesi." Un LLM vede la parola "ipertensione" e deve decidere dal contesto se escludere. Lo fa correttamente la maggior parte delle volte, ma "la maggior parte delle volte" significa perdere pazienti idonei in ogni studio.

Il nostro parser scompone questo in operatori deontici. Prohibition: ipertensione presente. Condizione di permission: ipertensione AND controllata (PA sotto 140/90 secondo la definizione del protocollo) AND terapia stabile (stesso regime antipertensivo) AND vincolo temporale (durata di 3+ mesi). Il sistema quindi interroga la storia farmacologica del paziente dal grafo di conoscenza, identifica l'antipertensivo, controlla la data di inizio della prescrizione, calcola il delta di durata rispetto alla data di screening e verifica le letture della pressione arteriosa entro la finestra di osservazione. Ogni passaggio produce un output verificabile.

La stessa logica gestisce catene come "nessuna chemioterapia precedente a meno che la terapia neoadiuvante non sia stata completata più di 6 mesi fa" controllando l'attributo dell'intento della terapia (neoadiuvante vs. adiuvante vs. palliativa), la data di fine e il delta temporale. Questi non sono casi limite. I dati IQVIA mostrano che i protocolli ora hanno in media oltre 27 criteri di idoneità, molti con condizionali annidati. Una singola clausola di eccezione gestita male per protocollo, su centinaia di pazienti sottoposti a screening, si traduce in decine di arruolamenti persi.

Come si presenta un tipico incarico e quanto costa rispetto alla licenza di una piattaforma?

Un tipico incarico si articola in tre fasi nell'arco di 14-20 settimane. La Fase 1 (3-4 settimane) è un audit delle operazioni di reclutamento: analizziamo i vostri attuali tassi di fallimento dello screening, mappiamo il vostro panorama di dati EHR, esaminiamo 10-15 protocolli rappresentativi del vostro portafoglio di studi e identifichiamo i tipi di criterio specifici che causano il maggior numero di falsi positivi e abbinamenti mancati. Questa fase fornisce un documento di architettura tecnica e un modello di ROI basato sui vostri dati effettivi.

La Fase 2 (8-12 settimane) è lo sviluppo: sviluppo dell'ontologia per la vostra area terapeutica prioritaria, fine-tuning dell'LLM sui pattern delle vostre note cliniche, costruzione del grafo di conoscenza, configurazione del reasoner simbolico e integrazione FHIR con il vostro ambiente EHR. La Fase 3 (3-4 settimane) è la validazione: test retrospettivo rispetto a studi completati in cui gli esiti dell'arruolamento sono noti, benchmark di accuratezza e integrazione del flusso di lavoro dei coordinatori.

Il costo dipende dallo scope. Uno sviluppo per una singola area terapeutica con un'integrazione EHR costa tipicamente da 180.000 $ a 350.000 $. I deployment multi-terapeutici o multi-sito scalano con l'ampiezza dell'ontologia e la complessità dell'integrazione. Per fare un confronto, le licenze delle piattaforme Tempus e IQVIA costano da 200.000 $ a oltre 500.000 $ all'anno con commissioni per paziente o per studio in aggiunta.

La differenza economica fondamentale è la proprietà. Una licenza di piattaforma è una spesa ricorrente con vincolo al fornitore. Uno sviluppo personalizzato è un asset che possedete, mantenete ed estendete. Per le organizzazioni che conducono oltre 20 studi all'anno, lo sviluppo personalizzato raggiunge tipicamente il punto di pareggio rispetto alla licenza di piattaforma entro 18 mesi, con l'ulteriore vantaggio di un'accuratezza di abbinamento calibrata sulla complessità specifica del vostro protocollo.

Questo richiede l'autorizzazione della FDA o rientra nell'esenzione CDS?

La guida aggiornata sul Clinical Decision Support della FDA del gennaio 2026 è il quadro di riferimento qui. La domanda chiave è se il sistema prende decisioni cliniche autonome o supporta il processo decisionale umano.

La nostra architettura è progettata per l'esenzione CDS ai sensi della Sezione 3060 del 21st Century Cures Act. Il sistema soddisfa tutti e quattro i criteri di esenzione: non è destinato ad acquisire, elaborare o analizzare immagini o segnali medici; mostra la base delle raccomandazioni (la traccia completa di ragionamento); è destinato a professionisti sanitari con capacità di revisione indipendente; e non sostituisce il giudizio clinico nel determinare l'idoneità.

In pratica, ciò significa che il sistema produce abbinamenti paziente-studio classificati con punteggi di confidenza e tracce di ragionamento. Un coordinatore di sito o un clinical research associate esamina ogni abbinamento prima di qualsiasi contatto con il paziente. Il sistema non arruola mai automaticamente.

Detto questo, l'interpretazione della FDA sull'ambito del CDS continua a evolversi. Se la vostra organizzazione prevede di usare l'output di abbinamento per escludere automaticamente i pazienti senza revisione umana, il sistema potrebbe sconfinare nel territorio dei dispositivi, richiedendo l'autorizzazione 510(k) o la classificazione De Novo. Raccomandiamo di coinvolgere il Digital Health Center of Excellence della FDA fin dalle prime fasi della progettazione. Costruiamo la documentazione normativa, inclusa la giustificazione dell'esenzione CDS, la dichiarazione dell'uso previsto e il report di valutazione clinica, come deliverable standard nella Fase 1.