ClinicalTrialsHub: Bridging Registries and Literature for Comprehensive Clinical Trial Access
本文介绍了 ClinicalTrialsHub 平台，该平台利用大语言模型自动从 PubMed 文献中提取并结构化临床试验信息，与 ClinicalTrials.gov 数据整合后使结构化数据可及性提升了 83.8%，并通过用户研究和自动评估验证了其在辅助患者、临床医生及研究人员获取循证医学证据方面的有效性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文介绍了一个名为 CLINICALTRIALSHUB（临床试验枢纽）的新工具。为了让你轻松理解，我们可以把它想象成一个**“超级医疗图书馆的超级管理员”**。
1. 现在的困境：两个互不相通的“孤岛”
想象一下，你想找关于某种疾病的治疗方案（比如“如何治疗某种癌症”）。目前，你面前有两座巨大的图书馆，但它们之间没有路：
- 图书馆 A（ClinicalTrials.gov）： 这里存放着官方登记的“实验记录”。就像是一个官方的登记簿，上面写着“我们要做什么实验”、“谁可以参加”、“实验分几个阶段”。这里的数据很规范，像表格一样整齐，但很多实验根本没在这里登记，或者登记了但没写结果。
- 图书馆 B（PubMed）： 这里存放着科学家写的论文。就像是一个巨大的故事集，里面详细记录了实验是怎么做的、结果是什么。但是，这些故事是用复杂的学术语言写的（自由文本），普通人很难快速从中提取出“谁可以参加”、“用了什么药”等关键信息。
问题在于： 医生、患者或研究人员如果想找全信息，必须同时跑这两座图书馆，手动把“登记簿”和“故事集”拼凑起来。这既费时又容易漏掉重要信息，就像在两个不同的迷宫里找同一把钥匙。
2. 解决方案：CLINICALTRIALSHUB（超级管理员）
这篇论文提出的 CLINICALTRIALSHUB，就是那个能把两座图书馆瞬间打通的**“超级管理员”**。它利用最新的人工智能（大语言模型，比如 GPT-5.1 和 Gemini-3-Pro）做了一件以前人类很难做到的事：
- 自动“翻译”故事： 它能阅读图书馆 B（PubMed）里成千上万篇复杂的论文，自动把里面的“故事”提取出来，整理成和图书馆 A（登记簿）一模一样的标准表格。
- 比喻： 就像它能把一本厚厚的、全是文字的小说，瞬间自动整理成一张清晰的 Excel 表格，告诉你“主角是谁”、“结局如何”、“用了什么道具”。
- 一键搜索： 你只需要像平时聊天一样输入问题（比如“我想找针对 60 岁以上老人的糖尿病新药”），它就能同时搜索这两座图书馆，把结果合并在一起，按相关性排好队给你。
- 智能问答： 当你点开某个实验的详情，你可以直接问它：“这个药副作用大吗？”它会立刻从原文中找出答案，并标出答案是在哪句话里找到的（就像老师批改作业时划出重点句子），让你放心，不会瞎编。
3. 它有多厉害？（数据说话）
论文里提到了一些惊人的数据：
- 信息量暴涨： 如果只用原来的官方登记库，你只能看到一部分实验。用了这个新工具，能看到的结构化实验数据增加了 83.8%！这意味着以前藏在论文里、没人能轻易找到的“宝藏”，现在都被挖出来了。
- 更准、更快： 研究人员测试了不同的 AI 模型，发现它们能非常准确地从论文里提取关键信息（准确率高达 90% 以上）。
- 用户好评： 他们找来了医生、药剂师、护士等 7 位专业人士试用。大家觉得这个工具非常好用，特别是**“自动整理信息”和“智能问答”**功能，大大节省了找资料的时间。
4. 为什么这很重要？
- 对患者： 以前可能因为信息不对称，错过了适合参加的新药试验。现在，只要输入症状，就能找到所有可能的机会。
- 对医生和科学家： 以前做研究综述（总结所有现有证据）可能需要几周甚至几个月去翻论文。现在，这个工具能帮他们快速理清头绪，加速新疗法的发现。
- 对政策制定者： 能更全面地看到医疗现状，从而制定更好的医疗政策。
总结
CLINICALTRIALSHUB 就像是一个拥有超级大脑的图书管理员。它不再让你自己在两个不同的迷宫里瞎转，而是把“官方登记簿”和“科学故事书”融合在一起，整理成一张清晰、 searchable（可搜索）、可问答的超级地图。
它的目标很简单：让寻找救命药和医疗证据的过程，变得像在网上搜索“附近最好的披萨店”一样简单、快速和透明。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。