Набор участников клинических испытаний всегда был сложной задачей. Это особенно сложно для методов лечения редких заболеваний, которые и без того малочисленны. Клинические испытания редких заболеваний малы по необходимости, но они еще меньше из-за невозможности привлечь. Многие из этих испытаний охватывают не более 100 участников.
Чтобы понять, насколько это мало для медицинского испытания, в клиническое испытание вакцины от COVID-19 Pfizer приняли участие 40 000 человек. Кроме того, 90% исследований редких заболеваний никогда не достигают своей цели по привлечению, и 81% пациентов, которые хотят участвовать, не считаются подходящими.
Кроме того, исследования редких заболеваний обычно занимают на 68% больше времени, чем другие исследования. Это число так велико только из-за времени, которое требуется для первоначального набора пациентов.
В результате борьбы с набором персонала во многих исследованиях редких заболеваний создается в 6 раз больше мест для проведения испытаний, чем в типичных исследованиях. Когда вы не знаете, где искать, вам нужно расширить область поиска. Конечно, это увеличивает финансовые затраты на внедрение пробной версии.
Новая обновленная система набора ИИ от Real Chemistry IPM.ai должна упростить набор для этих сложных тематических пулов.
Новый ИИ
Речь идет не только о поиске отдельных пациентов для этих испытаний. Это должно быть о поиске карманов пациентов. Это позволит исследователям эффективно размещать места проведения клинических испытаний там, где находятся люди.
К счастью, это можно сделать с помощью искусственного интеллекта, в частности, машинного обучения.
IPM.ai имеет доступ к множеству анонимных данных о здоровье. Сюда входит информация о том, к каким врачам обращаются пациенты и к каким медицинским учреждениям относятся эти врачи. Это позволяет исследовательской группе находить географические районы, в которых находятся пациенты, и в конечном итоге улучшать набор.
Например, когда IPM.ai работал с X4 Pharmaceuticals, они объединили свои данные вместе, наложив генетический маркер синдрома WHIM на свою географическую базу данных. Вместе они смогли найти, где находятся пациенты. Затем они использовали машинное обучение, чтобы найти общие черты и закономерности. В конечном счете, технология искусственного интеллекта способна предсказать вероятность того, что у каждого человека в Соединенных Штатах будет диагностирован Синдром WHIM.
Вы можете узнать больше об этом ИИ здесь.
