|
以下是全文內(nèi)容。 我們不能簡單地接受新藥測試仍將繼續(xù)是一個緩慢而昂貴的過程。人工智能有可能顛覆目前的臨床試驗方法（從患者招募到依從性監(jiān)測和數(shù)據(jù)收集），現(xiàn)在是抓住這些機會的時候了。 將藥物推向市場是一個漫長而繁重的過程。研究估計，臨床試驗過程（新藥在獲得批準(zhǔn)之前對患者進(jìn)行測試）平均持續(xù)九年，平均花費 13 億美元。 Covid-19 大流行引發(fā)了新技術(shù)的采用，這些技術(shù)可以大大提高傳統(tǒng)臨床試驗過程的效率和成本。 醫(yī)療保健行業(yè)在人工智能應(yīng)用方面處于領(lǐng)先地位，正在試驗從機器學(xué)習(xí)輔助診斷到從電子健康記錄中提取信息的各種應(yīng)用。 現(xiàn)在是改變的時候了 患者通常只有在現(xiàn)有的治療形式已經(jīng)失敗時才參加藥物試驗。此外，并非所有確診患者都有資格參加試驗，因為僅確定資格可能是一項艱巨的任務(wù)。即便對于那些符合條件的人來說，參與試驗通常是昂貴且耗時的。 目前的試驗還缺乏開發(fā)針對較小眾且通常異質(zhì)的患者群體的復(fù)雜新療法所需的分析能力、靈活性和速度。此外，次優(yōu)的患者選擇、招募和保留，以及有效管理和監(jiān)測患者的困難，導(dǎo)致高試驗失敗率并增加研發(fā)成本。 使用支持AI的數(shù)字健康技術(shù)和患者支持平臺可以徹底改變臨床試驗，并在整個研究期間和研究終止后更成功地吸引和留住患者。 總之，應(yīng)用人工智能可以減少臨床試驗周期，同時提高生產(chǎn)力和臨床開發(fā)結(jié)果的成本。人工智能算法與有效的數(shù)字基礎(chǔ)設(shè)施相結(jié)合，可以使連續(xù)的臨床試驗數(shù)據(jù)流得到清理、聚合、編碼、存儲和管理。 AI有可能在四個關(guān)鍵領(lǐng)域改變臨床試驗 生物制藥公司正在采用一系列策略來創(chuàng)新試驗設(shè)計。越來越多的科學(xué)和研究數(shù)據(jù)，例如當(dāng)前和過去的臨床試驗、患者支持計劃和上市后監(jiān)測，為試驗設(shè)計注入了活力。人工智能技術(shù)在收集、組織和分析臨床試驗產(chǎn)生的越來越多的數(shù)據(jù)（包括失敗的數(shù)據(jù)）方面具有無與倫比的潛力，可以提取有意義的信息模式來幫助設(shè)計。 患者富集、招募和登記 將正確的試驗與正確的患者相匹配對于臨床研究團隊和患者來說都是一個耗時且具有挑戰(zhàn)性的過程。事實上，今天只有 3% 的癌癥患者參加了臨床試驗。通過對多個數(shù)據(jù)源（包括電子健康記錄 (EHR)、醫(yī)學(xué)成像和“組學(xué)”數(shù)據(jù)）的挖掘、分析和解釋，人工智能支持的數(shù)字化轉(zhuǎn)型可以改善患者選擇并提高臨床試驗的有效性。 AI 解決方案應(yīng)用自然語言處理 (NLP) 從患者記錄中提取臨床數(shù)據(jù)，例如癥狀、診斷和治療。它的軟件甚至可以識別出 EHR 數(shù)據(jù)中未明確提及的患者，從而提高患者與臨床試驗之間的匹配率。 患者監(jiān)測、藥物依從性和保留 不依從是另一個挑戰(zhàn)，可能對患者的健康產(chǎn)生不利影響，如果研究必須招募新患者會產(chǎn)生成本，并干擾研究結(jié)果的準(zhǔn)確性。通常，治療效果需要 80% 或更高的依從率。然而，在美國，多達(dá) 50% 的處方藥被錯誤服用。 人工智能算法可以通過自動化數(shù)據(jù)捕獲、數(shù)字化標(biāo)準(zhǔn)臨床評估以及跨系統(tǒng)共享數(shù)據(jù)來幫助監(jiān)測和管理患者。人工智能算法與可穿戴技術(shù)相結(jié)合，可以實現(xiàn)對患者的持續(xù)監(jiān)測和對治療安全性和有效性的實時洞察，同時預(yù)測退出風(fēng)險，從而提高參與度和保留率。 一些初創(chuàng)公司正在提供藥物管理的視覺確認(rèn)。例如，一些平臺使用交互式醫(yī)療助理 (IMA) 根據(jù)視覺數(shù)據(jù)收集來識別有不依從風(fēng)險的患者。患者使用手機拍攝自己吞下藥丸的視頻，讓平臺確認(rèn)正確的人服用了正確的藥丸。 放眼未來 醫(yī)療保健和生命科學(xué)行業(yè)正處于由可互操作數(shù)據(jù)、開放和安全平臺、消費者驅(qū)動的醫(yī)療以及我們管理健康方式的根本轉(zhuǎn)變所驅(qū)動的大規(guī)模顛覆的邊緣。 大型科技公司和初創(chuàng)公司正在共同為未來更快、更有效的臨床試驗奠定基礎(chǔ)。最終目標(biāo)是通過在整個臨床試驗過程中采用人工智能來推動創(chuàng)新和更好的醫(yī)療保健。 |
|
|
