По данным
Taconic Biosciences, только 12 % кандидатов в лекарственные препараты, выходящих на стадию клинических испытаний, получают одобрение регулирующих органов. Клинические испытания, самый длительный и дорогостоящий этап в процессе создания лекарства, включают в себя несколько стадий тестирования на людях, и в каждой такой стадии участвуют сотни или тысячи человек.
Традиционный линейный процесс рандомизированных контролируемых испытаний (RCT) не менялся десятилетиями. Он не обладает гибкостью, скоростью и аналитической мощью, необходимыми для успешной работы модели точной медицины. Компаниям трудно найти нужных участников, не говоря уже о том, чтобы привлечь и удержать их, а затем эффективно ими управлять. Неэффективность этого процесса в значительной мере способствует росту затрат на открытие и разработку лекарств, а также низким показателям одобрения. Это также мешает новаторству.
Фармацевтические компании могут использовать прогностические модели ИИ на всех этапах клинических испытаний лекарственных препаратов, начиная с дизайна исследования и заканчивая анализом данных для выполнения следующих задач:
- Поиск подходящих пациентов путем анализа общедоступных данных.
- Оценка эффективности участвующего в испытании учреждения в реальном времени.
- Автоматизация обмена данными между платформами.
- Предоставление данных для итоговых отчетов.
Сочетание алгоритмов с эффективной технической инфраструктурой обеспечивает эффективную очистку, обобщение, хранение и администрирование непрерывного потока клинических данных. Это позволяет исследователям лучше оценить безопасность и эффективность препарата без необходимости вручную собирать и анализировать огромные массивы информации, полученной в ходе испытаний.
