AI nástroj pro onkologii: k pacientovi najde klinické studie, do kterých může vstoupit, a ke studii pacienty, které lze zařadit.
Problém:
- Koordinátoři studií a onkologové ručně porovnávají dlouhé seznamy kritérií s volným textem českých zpráv.
- Vhodného pacienta proto najdou pozdě, nebo ho vyřadí kritérium, které v dokumentaci celou dobu bylo.
Jak to funguje:
- Onkologické studie v Česku a jejich kritéria stahujeme z ClinicalTrials.gov. Do IRIS je ukládáme ve formátu FHIR: studii jako ResearchStudy, kritéria jako Group uvnitř ní.
- Model převede kritéria na samostatná česká pravidla, každé s doslovnými citacemi z registru.
- Číselné limity a časová okna jsou strukturovaná pole a počítá je kód.
- Pravidla, která z dokumentace ověřit nejde, jdou rovnou na ruční posouzení.
- Ze záznamu pacienta model připraví profil: diagnóza, stadium, biomarkery, léčba, výkonnostní stav, komorbidity, léky a laboratoř, vše s datem a odkazem na zdroj. Klasifikační system one model pak čte jen tento profil.
- Jádro nástroje: o každém pravidle rozhoduje zvlášť model Jev. Dostane profil a pravidlo jako otázku a vrátí jen pravděpodobnost dvou odpovědí, ano a ne. Když profil nic neříká, dá oběma stejnou váhu. Kód z čísla určí výsledek: „ano“, „ne“, jinak „neznámo“, tedy chybí data.
- Každou jistou odpověď musí podložit důkaz, jinak je „neznámo“. Kód ověří, že citace stojí doslova v dokumentu.
- Koordinátor vidí matici pacientů a kritérií, časovou osu a detail páru.
- Hledat jde oběma směry: ke studii kandidáty a k pacientovi studie.
- Na každé stránce je AI asistent. Uživatel hůlkou označí studii, kritérium, pacienta nebo verdikt a asistent vysvětlí, co vidí a jak spolu údaje souvisí.
Bezpečnost:
- Chybějící údaj pacienta znamená „neznámo“ a úkol pro koordinátora.
- Vyloučený pacient zůstává vidět i s kritériem, které rozhodlo.
- Ukazujeme počty splněných, nesplněných a neznámých kritérií.
Nasazení a data:
- Aplikace v Next.js je nasazená na Vercelu.
- Backend evaluace běží jako funkce na Vercelu, jedno volání na jeden pár pacient a studie.
- Pomocná databáze Supabase drží stav screeningu, profily pacientů a historii změn.
- Databáze z výzvy InterSystems, IRIS for Health s FHIR R4, je nasazená v Azure. Nahráli jsme do ní vzorová data, která jsme od organizátorů dostali.
- Modely voláme přes OpenRouter se zero-data-retention.
- Do logů jdou jen identifikátory a výsledky.
Co jsme stihli:
- Nasazený celý postup od registru po revizi koordinátorem s auditní stopou.
Přístup k ukázce
- E-mail: demo@rakathon.cz
- Heslo: Winners
- Měli už předtím
- Jen rešerši a dokumentaci v Markdownu: rozbor zadání, návrh architektury, bezpečnostní pravidla a návrhy obrazovek. Všechno ostatní vzniklo během hackathonu.
- Využití AI
- - Jev 1.14 od TypeSafe: rozhodovací model. Čte jen redukovaný profil pacienta a pravidlo jako otázku a vrací pouze pravděpodobnost „ano“ a „ne“. Z ní kód určí ano, ne, nebo „neznámo“ (chybí data). Každé pravidlo posoudí zvlášť. Je rychlý a levný, důkaz k odpovědi hledá další model.
- Claude Haiku 5.5: kritéria na pravidla, profil pacienta pro Jev, důkazy v dokumentaci, hledané výrazy pro studie.
- GPT 6.1 Sol: asistent na stránce, který vysvětlí, co uživatel vidí a jak spolu údaje souvisí.
- Data: pseudonymizované záznamy pacientů v IRIS a kritéria studií z ClinicalTrials.gov.
- Jak hlídáme omyly: citace musí stát doslova v uvedeném dokumentu, limity a data počítá kód.
- Neověřitelná kritéria jdou rovnou na ruční posouzení.
- Každý verdikt je návrh AI, rozhoduje člověk a změna se ukládá s důvodem. - Dopad
- - Koordinátor kontroluje hotové návrhy s citací a doplňuje to, co je „neznámo“.
- Víc pacientů se dostane k nové léčbě a studie rychleji naberou.
- Nemocnice s FHIR serverem může nástroj napojit přímo na vlastní data. - Komu pomůže
- Pacienti a jejich blízcí, Lékaři a sestry, Nemocnice a poskytovatelé péče, Zdravotní pojišťovny, Výzkum
- Technologie InterSystems
- Ano — Pacientská data čteme přes FHIR R4 API z IRIS for Health v Azure, kam jsme nahráli vzorová data od organizátorů. Studie z ClinicalTrials.gov ukládáme jako ResearchStudy, kritéria jako Group uvnitř ní a původní odpověď registru jako Binary. Záznamy pacientů aplikace jen čte. Záznamy studií i ukládá.
- Tým
- Compass Crew — Martin Skala, Michal Dobeš
- Výzva
- AI Trial Matching · Praha