Real-world validation of a multimodal LLM-powered pipeline for high-accuracy clinical trial patient matching
This pipeline demonstrates robust performance in clinical trial patient matching without requiring custom integration with site systems or trial-specific tailoring, thereby enabling scalable deployment across sites seeking to leverage AI for patient matching.
Authors
- Philippe Ravaud (ORCID: https://orcid.org/0000-0001-8264-9206)
- Quentin Bodinier (ORCID: https://orcid.org/0000-0002-2871-4799)
- Keyvan Davarpanah
- Anatole Callies (ORCID: https://orcid.org/0009-0008-0564-8179)
Institutions
- Inserm (FR)
- Université Paris Cité (FR)
- Sorbonne Université (FR)
- Institut National de Recherche pour l'Agriculture, l'Alimentation et l'Environnement (FR)
- Université Sorbonne Paris Nord (FR)
- Sorbonne Paris Cité (FR)
- Assistance Publique – Hôpitaux de Paris (FR)
- Laboratoire Procédés et Ingénierie en Mécanique et Matériaux (FR)
- Hôtel-Dieu de Paris (FR)
- Centre de Recherche Épidémiologie et Statistique (FR)
Publication Details
- Journal
- Communications Medicine
- Published
- 2025-11-22
- DOI
- https://doi.org/10.1038/s43856-025-01256-0
- Primary Topic
- Machine Learning in Healthcare
- Type
- article
- Field-Weighted Citation Impact
- 0.00