DOI: https://doi.org/10.1038/s44401-026-00068-1
PMID: https://pubmed.ncbi.nlm.nih.gov/41710561
تاريخ النشر: 2026-02-16
المؤلف: Yue Yu وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية
نظرة عامة
تسلط الأبحاث الضوء على إمكانيات الذكاء الاصطناعي (AI) في الرعاية الصحية، مع التأكيد على التحديات المرتبطة بتنفيذه في العالم الحقيقي. تم تقديم منصة مايو كلينيك (MCP) كحل يوفر بيانات غير محددة الهوية وقابلة للتوسع ومتعددة المؤسسات، بالإضافة إلى أدوات تحليلية مصممة لتسهيل هذه العملية.
من خلال أربعة مشاريع بحثية متميزة، تُظهر MCP قدراتها في تحديد المجموعات بكفاءة، وتطوير نماذج الذكاء الاصطناعي، وتوليد الأدلة من العالم الحقيقي. من خلال توفير وصول أوسع وتوحيد مقارنة بالسجلات الصحية الإلكترونية التقليدية (EHRs)، تُعتبر MCP موردًا مهمًا لتعزيز الأبحاث الانتقالية والطب الدقيق.
نقاش
تسلط قسم النقاش في ورقة البحث الضوء على المساهمات الكبيرة لمنصة الأبحاث السريرية متعددة المؤسسات (MCP) في تسهيل مشاريع البحث السريري من خلال أدواتها المتكاملة وبيئة البيانات الموحدة. تُظهر أربع دراسات سريرية تستخدم MCP فعاليتها في تحليل البيانات من العالم الحقيقي، بما في ذلك مشروع تحفيز تجربة عشوائية محكومة (RCT) طور خط أنابيب بحثي قابل لإعادة الاستخدام لتقييم فعالية العلاج، ودراسة تحقق تدعم الأدوية المضادة لارتفاع ضغط الدم في تقليل خطر الخرف. بالإضافة إلى ذلك، مكنت المنصة من إنشاء نماذج تنبؤية لتقدم ضعف الإدراك الخفيف (MCI) إلى مرض الزهايمر (AD) ولتوقع الأحداث القلبية الوعائية السلبية الكبرى (MACE) بعد زراعة الكبد، مما يبرز إمكانيات الذكاء الاصطناعي في الإعدادات السريرية.
يدعم هيكل MCP تحليل البيانات الهيكلية وغير الهيكلية، مما يوفر للباحثين مجموعة شاملة من الأدوات مثل أداة تصور المجموعات وأداة تصور المخطط، مما يعزز الوصول للمستخدمين ذوي الخبرات التقنية المتفاوتة. يسمح الشبكة الفيدرالية للبيانات في المنصة بدمج البيانات غير المحددة الهوية من مؤسسات متعددة، مما يعزز التعاون ويوسع فرص البحث. تهدف التطورات المستقبلية إلى دمج أوضاع بيانات إضافية، بما في ذلك الملاحظات السريرية غير الهيكلية وبيانات التصوير، لتعزيز قدرات المنصة بشكل أكبر. بشكل عام، تُعتبر MCP موردًا تحويليًا لتعزيز الأبحاث السريرية المدفوعة بالذكاء الاصطناعي وتحسين رعاية المرضى من خلال الرؤى المستندة إلى البيانات.
DOI: https://doi.org/10.1038/s44401-026-00068-1
PMID: https://pubmed.ncbi.nlm.nih.gov/41710561
Publication Date: 2026-02-16
Author(s): Yue Yu et al.
Primary Topic: Artificial Intelligence in Healthcare
Overview
The research highlights the potential of artificial intelligence (AI) in healthcare, emphasizing the challenges associated with its real-world implementation. The Mayo Clinic Platform (MCP) is introduced as a solution that offers scalable, multi-institutional, de-identified data along with analytical tools designed to facilitate this process.
Through four distinct research projects, the MCP demonstrates its capabilities in efficient cohort identification, AI model development, and the generation of real-world evidence. By providing broader accessibility and standardization compared to traditional institutional electronic health records (EHRs), MCP is positioned as a significant resource for advancing translational research and precision medicine.
Discussion
The discussion section of the research paper highlights the significant contributions of the Multi-institutional Clinical Platform (MCP) in facilitating clinical research projects through its integrated tools and standardized data environment. Four clinical studies utilizing MCP demonstrate its effectiveness in real-world data analysis, including a randomized controlled trial (RCT) stimulation project that developed a reusable research pipeline for evaluating treatment efficacy, and a validation study supporting antihypertensive medications in reducing dementia risk. Additionally, the platform enabled the creation of predictive models for Mild Cognitive Impairment (MCI) progression to Alzheimer’s Disease (AD) and for predicting major adverse cardiovascular events (MACE) post-liver transplantation, showcasing the potential of AI in clinical settings.
MCP’s architecture supports both structured and unstructured data analysis, providing researchers with a comprehensive suite of tools such as the Cohort Visualizer and Schema Visualizer, which enhance accessibility for users with varying technical expertise. The platform’s federated data network allows for the integration of de-identified data from multiple institutions, promoting collaboration and expanding research opportunities. Future developments aim to incorporate additional data modalities, including unstructured clinical notes and imaging data, to further enhance the platform’s capabilities. Overall, MCP is positioned as a transformative resource for advancing AI-driven clinical research and improving patient care through data-driven insights.