医疗研究人员和制药公司通过试验，来验证针对癌症和其他重症疾病新疗法的有效性。但是只有不到 10％ 的癌症患者参加了临床试验，由于试验参与者短缺，80% 的相关研究都不得不被推迟。
对于有兴趣参加试验的患者，却没有简便的方法来确定他们是否符合试验条件。AI 工具 Ancora 则旨在通过自然语言处理模型，将患者与潜在研究进行匹配，以改善试验匹配过程。
“这一切都是因为我朋友的父母被诊断出患有癌症三期，”Ancora 背后的瑞士（Switzerland）初创公司 Intrepida 的创始人兼首席执行官 Danielle Ralic 说。“我知道可以进行临床试验，但是当我试图帮助他们寻找合适的试验时，却十分困难。”
美国国立卫生研究院（U.S. National Institutes of Health）维护着数十万个临床试验数据库，其中，每项研究都列出了针对试验参与者的一系列详细文本要求。
尽管用户可以根据病情和基本人口统计数据进行分类，但仍然可能有数百项研究需要进行手动分类，即通过复杂的医学术语进行繁琐的筛选过程。
Intrepida 的定制自然语言处理模型可以完成这项艰巨的工作，为患者和医师解释这些繁重的文本标准，并在 NVIDIA GPU 上处理新的研究。Ancora 工具中列出的研究会每周更新一次，用户可以填写一份简单的、有针对性的问卷，以筛选出合适的临床试验，并收到新的潜在研究的提醒。
Ralic 说：“我们通过对 20 个问题进行评估，可以有效地帮助患者，将其试验清单从 250 个可能试验降低到 10 个。” 该平台还会向患者提供其他有效信息，以帮助患者决定是否进行试验。
Intrepida 所提供的工具目前可用于乳腺癌和肺癌患者。此外，该公司即将推出医生版本的工具，以帮助其为患者匹配合适的试验。Intrepida 还是 NVIDIA 初创加速计划（NVIDIA Inception）中的一员，该计划致力于为 AI 初创公司提供上市支持，其中包括 NVIDIA 深度学习学院（Deep Learning Institute）相关权益、营销支持和硬件购买优惠。
寻找完美的临床试验匹配
尽管患者了解临床试验的主要渠道为医生，但仅有不到 25% 的患者可以从医生那里得知临床试验也是一种选择。因为这些医生的时间和资源有限，无法跟踪现有的试验。
Intrepida 创始人 Danielle Ralic 在去年的生物物理学会年会上介绍了 AI 和药物发现
Ralic 回忆在巴塔哥尼亚（Patagonia）徒步旅行时，遇到了一名癌症四期幸存者，这使他感到惊讶，他发现该名男子参加了一项新的突破性药物临床试验。
“我问他，你是怎么知道新药临床试验的？他说，他是通过妻子朋友的亲戚了解到的， 但这不是正确的了解渠道，” Ralic 说。
对于医生和患者来说，能从专业渠道，更加及时地了解到临床试验可以挽救生命。这样还可以通过提高试验入选率，帮助制药公司加快新药研究周期，并将其投放市场。
作为 NVIDIA 初创加速计划的一员，Ralic 表示，她和 Intrepida 团队能够与其他 AI 初创公司，以及 NVIDIA 开发人员在 2018 年慕尼黑（Munich）举行的 GPU 大会上见面。
她说：“我们加入该计划是因为，作为一家已经在使用 NVIDIA GPU 的公司，我们希望开发更加复杂的自然语言模型。我们通过该计划从 NVIDIA 团队成员，和其他作为该计划成员的初创公司学到了很多东西。”
使用 NVIDIA GPU，Intrepida 可以将一个时期的训练时间从 20 分钟缩短到仅 12 秒。
数据多样化
在这个迄今为止一直由男性主导的行业里，一位女性初创公司的创始人 Ralic 说，数据更加多样化是改善整个医疗行业（尤其是临床试验）的关键。
“医疗领域涉及许多不同类型的人和知识。”她说。“没有多样化的数据为我们提供相应见解，我们将永远无法解决医疗行业所面临的问题。”
美国的临床试验参与者绝大多数为白人和男性，而试验中缺乏数据多样性会导致药物剂量的严重错误。
例如，2013 年，美国食品药品监督管理局（U.S. Food and Drug Administration）要求将几种助眠剂的剂量针对女性减少一半。由于女性的药物代谢方式不同，因此女性服用安眠药后，增加了其早晨发生车祸的风险。
Ralic 说：“如果我们的试验人群不够多样化，我们将无法了解到不同性别或种族的患者，对新药的反应是否会不同。如果我们从一开始就做对了，那么我们就可以根据不同类别的人，改善为患者开药的方式。”
