围绕一些既定术语开发一种通用语言可能会很有用。Magda 和我在这个 SCDM网络研讨会上讨论了这些术语以及相关用例。我将在未来的博客中进一步探讨这些术语。
五个关键术语
目前，用户遇到的大多数自动化都是通过经典的逻辑“if/then”规则算法实现的。这些算法由人类用编程语言编写，范围从简单规则到自动化流程的智能规则的优化组合。由于这些自动化是基于规则的，因此每次都会产生相同的结果。
明确的业务问题（通常涉及少于 100 条规则）可以通过基于规则的自动化最快、最可靠地解决。
临床研究行业非常遵守规则。我们执行严格的标准操作程序和工作说明框架，我们的系统设计严格遵循逻辑工作流程和状态。
机器人流程自动化（非人工智能）
机器人流程自动化 (RPA) 重复低批判性思维任务，从而节省时间。自动化软件或“机器人”通过点击按钮和将数据输入字段来模拟人类的行为，以高容量和高速度执行无错误任务。
RPA 能够记录人类在计算机上执行的任务，然后在无需人工干预的情况下执行相同的任务。它经过训练可以模拟特定的用户操作，但它不会使用数学建模进行“学习”，因此这不是 ML 的示例。令人困惑的是，RPA 流程有时与 AI 方法相结合以提高其实用性，这种组合称为“智能自动化”。
机器学习
机器学习 (ML) 使用数学模型从数据中开发算法，同时通过监督或非 美国赌博数据 监督过程改进这些模型。机器学习通常用于人类程序员开发类似算法成本过高的情况。例如，当寻求开发一种能够理解英语语境的计算机系统时，即聊天 GPT。
自然语言处理 (NLP) 和大型语言模型 (LLM)
大型语言模型 (LLM) 是最常见的自然语言处理 (NLP) 方法。NLP 是计算机理解文本和口语的“什么”能力，例如语音识别。同时，LLM 是经过训练以处理和生成文本的“如何”深度学习算法，例如数据审查计划的文档生成。在 CDM 领域，NLP/LLM 可用于支持数据管理员与其临床数据工作台系统之间的自然语言交互，从而减少在工作台内查询和操作数据所需的技术障碍。LLM 还可以用作自动文档生成过程的一部分，例如用于数据审查计划。