建立了无人驾驶的临床试验
人工智能(AI)已经成为一个越来越重要的现代生活的一部分。从自动化的任务持有的能力来预测未来趋势和事件,这一技术已经完全彻底改变了我们的生活方式,工作和与世界互动。在医疗保健行业的情况下,人工智能和机器学习(ML)已经改变了临床进展如何发生。
就像驾驶自动化的新浪潮,编排、数字工作流和数据转换成数字形式的集合使临床试验运行在自己的同时提供前所未有的病人个性化。由于健康数据的扩散和这些先进技术的发展,如今我们有能力建立无人驾驶的临床试验使医药组织的可能,医院,医疗团体和,最重要的是,病人。但这一现实是什么样子,这个行业的这是什么意思?让我们探索的来龙去脉AI在临床的发展。
成功的心脏临床研究:研究设计
成功的临床研究始于研究设计。强大协议成败的成功研究,设计不良的成本可能会给企业带来灾难性的后果,有效性和试验的成功的机会。AI和ML创建一个最佳和有效的设计,集本身从训练模型-不再需要手工设计使更快和更准确的设置而减少潜在的错误。此外,验证过程提供必要的输入为设计师在进行任何必要的调整研究准备上线。
毫升也可以评估不同的研究方案和结果来决定哪种方法最有利于监管机构、保险公司和病人。它可以帮助确定哪些国家和地点最好在这项研究中,如何有效地招募参与者以及如何启动研究——基于历史数据。
自动化临床开发生命周期
一旦建立了设计研究的是——重点转向试验管理方面的研究。从选址和病人招生质量监测和数据管理、人工智能和毫升可以减轻组织者的工作负载。
网站识别&病人招聘
在临床试验中一个持续的挑战是找到合适的临床试验站点,获得足够的患者符合入选标准和排除。随着研究变得更专业,招聘变得更加困难和重要的目标,导致更多的昂贵的研究,更长的时间和更高的失败的可能性。
AI和ML定位可以减少风险的潜力最好的招聘网站通过映射的患者群体,积极寻找网站,有一个高概率提供最多的研究正确的人之前网站选择。模型可以配置为检查登记等因素,安全、合规和数据质量,这取决于类型的试验和阴极射线示波器/赞助商的利益。
模型还可以教从过去的研究使用数据,允许它进行预测哪些网站是最成功的一个新项目。这允许赞助商少打开网站,加快招聘进程,减少参与者没有足够的机会。
药物警戒(PV)
在PV(科学和有关活动检测、评估,了解和预防不良反应或其他任何与毒品有关的问题),大量的结构化和非结构化数据必须集成和评审,以确保质量和监督。技术,如光学字符识别、自然语言处理和深层神经网络被用于格式化数据更有效率。
此外,人工智能和ML被用来自动化手动密集的过程,翻译和数字化等安全情况下处理和药物不良反应文献援助的风险评估和性能分析研究。工具还执行数据监听任务识别不良事件监测社交媒体和其他平台上的对话,允许项目导致改善患者安全的同时简化他们的工作。
临床监测
确保适当的进行研究,临床研究必须不断监视识别和减轻风险与患者安全,数据准确性和协议的依从性。大量的体力劳动是用来评估风险不同的网站和创建“行动项目”来解决这些风险。AI和ML减少压力通过自动分析风险环境和提供预测分析产生更多有用的临床监测的见解。此外,人工智能和毫升可以主动确定哪些网站可能面临招聘和性能问题,或患者不良事件的概率更高。
早期的信号检测
先进技术的结合促使算法可以利用医疗信息的设计,如症状和程序,为病人诊断之前。这些算法可以快速地浏览病人的信息,显示的实时行动,立即通知医生。这允许更有效的和积极的护理,早期疾病研究以及更好的整合。一个例子是阿尔茨海默病研究,从历史上看,诊断不直到疾病进展超出了初始阶段。
生命科学行业已经发展到更高水平的数据分析是成功所必需的,和我们如何处理这些数据已经成为成功的关键研究。
利用技术来改变临床研究
我们如何进行研究,加速药物发现和诊断和治疗病人已经完全彻底改变了。人工智能和ML使更准确和全面的决策,,,创造更有意义的和精确的结果。但是为了获得好处,我们必须利用技术,可以处理许多元素——从全球影响力和支持所有的高级安全监管需要可辩解的,值得信赖的无偏和正确使用人工智能。
此外,基础设施必须能够存储、数字化和使用所有内容的方式支持用户体验,从而导致不同的方法使用AI / ML -包括能够使用任何已知的内容来自许多不同来源(视频、文档、声音、设备等),分析并生成有用的见解和行为。最后,关键是了解技术训练,什么数据,在该系统中,以及它如何被团队监控和维护,以确保它仍然是可靠和公正的整个生命周期。
随着我们继续发展无人驾驶临床试验,加速护理的未来承诺和更精简的研究环境。让我们确保它是建立适当的,明确的指导和适当的验证。
关于作者:
人工智能主管Gary短IQVIA技术。他获得理学硕士学位,曾作为全球生物统计学领导多个化合物在临床试验中。25 +年的经验让他带来相同的质量水平和专业知识的人工智能领域,以确保质量的人工智能工具构建和验证的严格监管机构的预期。
