透過 NLP 擷取的全新臨床事實資料均附有可信度評分，並以人手標註的記錄作驗證，同時連結至同一批病人經去識別化處理的結構化電子健康紀錄數據

麻省劍橋2026年11月11日 美通社 －－ 隨著人工智能（AI）令從臨床記錄擷取資訊變得前所未有地容易，研究人員面對的更大難題是：這些數據是否足夠可靠，可用於產生真實世界證據。全球領先的聯邦式醫療數據網絡 TriNetX® 今日宣佈推出 NLP－extracted Facts from Clinical Notes 功能，運用自然語言處理（NLP）從臨床記錄擷取事實資料，現已於 TriNetX LIVE™ 平台及可下載數據集中提供。這項功能讓研究人員取得可直接用於分析的數據，資料擷取自逾 8 億份臨床記錄及報告，相關記錄及報告的總數預計於 2026 年底增至約 10 億份。

臨床記錄載有疾病分期、體能狀態及生物標記檢測結果等詳細資料，可補充結構化紀錄的內容，但要可靠地擷取這些資料並不容易。TriNetX 結合 AI 與深厚的臨床及資訊學專業知識，以大量經標註的黃金標準臨床記錄進行訓練，建立有人員參與監督的處理流程。與僅止於資料擷取的方法不同，TriNetX 會以人手標註的臨床記錄測試每項處理流程，為每項擷取的事實資料附上可信度評分，並將源自臨床記錄的數據，連結至同一批病人經去識別化處理的結構化電子健康紀錄（EHR）數據，讓研究人員擴大研究群組，並界定更細緻且具臨床意義的表型。

每項事實資料均有三重保障：

人員監督。臨床專家會審核並修正 AI 標註的內容，再利用修正後的資料重新訓練模型。各模組以人手標註的臨床記錄驗證時，精確率必須達到 0.90 或以上。

臨床印證。擷取的事實資料會按預期的臨床模式進行驗證，而非僅以模型指標衡量。例如，根據擷取的 Eastern Cooperative Oncology Group（ECOG）體能狀態資料繪製的存活曲線顯示，評分達 2 分或以上的病人，存活情況較差。

持續監察。隨著更多醫療機構參與臨床記錄計劃，以及引入新的記錄類型，TriNetX 會持續監察模型表現，並因應出現的差異改良模型。

初步結果顯示，從臨床記錄擷取的事實資料，將吸煙狀況資料的涵蓋率由 22％ 提升至 67％；在一項肺癌群組研究中，可納入的病人人數達到僅使用結構化數據時的 6 倍；並為 292,000 名腫瘤科病人找出原本未記錄於結構化欄位的 ECOG 及 Karnofsky 體能狀態資料。

「讓 AI 讀取病歷並不難。TriNetX 的獨特之處在於我們的做法：結合嚴謹的科學方法與專業人員的知識，透過全球聯邦式網絡運作，讓數據始終留在產生數據的機構內。」TriNetX 行政總裁 August Calhoun 表示。「這意味著，隨著 AI 融入日常研究，臨床記錄能為建立經得起嚴格檢驗的證據提供依據。」

「沒有任何系統能以既準確又有意義的方式，擷取臨床記錄中的每一項細節。這是臨床語言本身特性所帶來的限制。」TriNetX 首席醫療資訊官 Matvey Palchuk（MD、MS、FAMIA）表示。「這正是驗證如此重要的原因。我們的目標，是擷取可靠的事實資料，用於產生證據。」

NLP－extracted Facts from Clinical Notes 目前涵蓋個人生活史（吸煙及飲酒狀況）、心臟科、呼吸科、一般腫瘤學及生物標記、肝病等範疇，現已向 TriNetX 網絡成員開放。詳情請瀏覽 trinetx.comdataclinical－notes。

TriNetX, LLC 簡介

TriNetX® 是「促進人類健康的全球真實數據引擎」（The Global Truth Engine for Better Human Health®）。TriNetX 憑藉覆蓋 20 多個國家、連繫逾 14,200 個臨床據點的安全網絡，提供可信賴、經得起全球最嚴格科學審查的證據。透過結合全球數據、對誠信的堅定承諾，以及 AI 與人類智慧的獨特融合，TriNetX 加快科研發現，推動全球健康成效持續改善。請瀏覽 trinetx.com，或在 LinkedIn 關注 TriNetX，以了解更多資訊。

傳媒聯絡
TriNetX
Karen Tunks
電郵：Karen.Tunks＠TriNetX.com