从历史上看,药品研究人员依赖方法如小组讨论、访谈和问卷调查为第一人称的patient-reported结果视图,症状,使用竞争产品和其他相关的数据点。这些方法提供有价值的数据,但成本高,资源密集型的,和社交媒体已经成为一个低成本替代,正日益被接受为一种著名的科研界的信息来源。社会职位代表一个巨大的和不断增长的现实世界的数据来源(RWD)能够提供关键洞察病人健康、成果和经验。
从社交媒体通过观察数据,研究人员可以生成的见解,解决更广泛的人群的患者,医疗保健专业人士和关键意见领袖时更加有效和节省成本。然而,持续一代的见解,社交平台包含构成人员的重大挑战分离相关信号的噪声。自然语言处理(NLP)正在成为一个普遍的方法来应对这一挑战的研究目的由于其能够自动提取和表面结构等来自内部和外部的非结构化数据源的数据社交媒体和移动平台。
解决现实世界的历史性挑战的证据
的制定21圣世纪治疗行为(治疗)承认现实的证据的重要性(RWE)监管机构。治疗法案旨在帮助加速拯救生命的临床病人最需要的创新和发展,以及构建在FDA正在进行的工作将病人的观点纳入药物的发展,生物制品和设备在监管机构的决策过程。这些工作包括哨兵系统世界上最大的多点分布式数据库致力于医疗产品安全、和国家评价体系,为健康科技公司创建生成证据在医疗设备的总产品生命周期。
有持续牵引RWD收养;然而,许多数据挑战仍然存在,包括结构、提取、整合、标准化和质量,以及病人隐私。此外,传统方法的证据一代与大型制药公司已被证明是昂贵的支出接近每年2000万1RWE代。NLP可以支持改进的证据一代通过快速、有效地提取关键的事实在这些非结构化数据来源和使用相关的推理和集中查询生成RWE RWD。这使得更多的成规智能决策、符合目标的21圣世纪治疗行为,同时支撑更好的资源效率和成本效益。
提取病人更全面的见解
收集病人的反馈帮助制药公司了解病人在药物发现和开发经验和上市后的环境。病人报告结果的值是3倍:帮助评估治疗是否达到他们的目的,提供洞察某些药物如何影响病人的生活质量,并确定适当的临床试验端点成规药物开发。
NLP可以从社交媒体优化数据更好地推进我们对疾病的理解,结合病人的声音,提高未来的临床研究试验的设计。敏捷文本挖掘为我们提供了工具和方法来更好地理解社交媒体内容的模糊的可能。例如,收集数据从特定疾病病人的社交平台,论坛和博客,病人相关网站可以提供一个好的衬底开发相关患者的临床指标。通过使用NLP,研究人员可以更好地评估以下改善未来临床试验的设计为特定的人群:
- 特定疾病的症状,这些病人的影响
- 等药物治疗模式切换、依从性或中止
- 患者信息,包括疾病的历史,人口,社会因素和生活方式
NLP的灵活性使得它很容易适应不同的数据集,以及优化提取科学和医疗保健的见解从社交媒体平台或病人的治疗模式选择博客。
临床创新改变未来
社交媒体代表了一个重要机会,研究人员利用未经过滤的经验和患者群体结果的关键。通过利用NLP,他们可以过滤掉无关的信息,观察这些讨论的语言语境生成质量RWE和结构信息。这种辨别的能力最重要的病人可能影响临床创新——从临床试验设计和结果的措施通过上市后研究。这个病人的扩展知识,研究人员现在可以改变我们的方式方法临床创新展望未来,与病人的经验作为焦点。
引用:
1。市场研究。给情报团队AI-powered优势。(2018年10月)。检索2022年1月5日https://www.reportlinker.com/p05723260/Pharmaceutical-and-Life-Sciences-Real-World-Evidence-Market-Landscape-and-Competitive-Insights.html
简·里德是主管Linguamatics(一个IQVIA公司)
