В статье журнала "The Medical Futurist" авторы резюмируют три концепции, которые скоро станут известны всем, кто интересуется будущим клинических испытаний:
- Концепция искусственного пациента
- Использование синтетических данных
- Анализ в реальном времени
Искусственный пациент
Благодаря использованию все большего количества моделей машинного обучения ИИ требует огромных объемов данных для обучения. Но предоставление большого количества реальных данных о пациентах часто противоречит их правам на неприкосновенность частной жизни.
Решение – создание синтетического набора данных на основе информации о реальных людях, который напоминает реальный датасет во всех важных аспектах, но не включает ничего личного.
Искусственных пациентов можно использовать для разных целей, от медицинского образования до клинических испытаний. Однажды виртуальные пациенты могут стать инструментом для оценки эффективности перспективных лекарственных молекул или оптимизации использования существующих, для моделирования успеха будущих медицинских устройств или методов лечения. Как многие надеются, однажды искусственные пациенты смогут полностью заменить людей и животных в клинических испытаниях.
В качестве контрольной группы плацебо искусственные пациенты используются уже сейчас. Компания AppliedVR недавно провела испытание VR-лечения пациентов с хронической болью в спине. И вместо того, чтобы набирать пациентов в контрольную группу испытания, они решили обратиться к существующей базе данных пациентов с хронической болью, предоставленной компанией Komodo Health.
Авторы пишут, что это позволяет им взглянуть на все эти различные субпопуляции и недопредставленные группы пациентов, чтобы увидеть, имеют ли они разные результаты.
Синтетические данные
Синтетические данные – еще более дикая концепция, чем искусственный пациент, это ИИ для создания датасетов, имитирующих реальный мир. Они используются в двух случаях: либо реальных данных недостаточно, либо нежелательно использовать реальные (конфиденциальные) данные.
Синтетические данные полезны для подпитки любого алгоритма, которому требуются огромные объемы данных для обучения. Они могут заполнить недостающие данные, позволяя создавать полностью сфабрикованные наборы данных о пациентах, которые также полезны для обучения ИИ, как настоящие, сохраняя при этом данные пациентов защищенными.
Авторы пишут, что любой созданный набор данных будет в какой-то степени несовершенен и будет содержать искажения, о которых мы не знаем или не будет включать важные переменные.
А если мы позволим алгоритмам машинного обучения и глубокого обучения развиваться на этих синтетических, несовершенных наборах данных, велика вероятность, что они придут к выводам, более или менее ложным в реальном мире. Синтетические данные гораздо проще и дешевле получить, чем собирать огромные объемы беспорядочных реальных данных. Что произойдет, если на их основе будут приниматься решения, затрагивающие большие группы людей или целые общества?
Клинические испытания в режиме реального времени и децентрализованные клинические испытания
Использование электронных медицинских данных, записей, устройств для проведения клинических испытаний в режиме реального времени без присутствия пациентов на месте.
Испытания в режиме реального времени обеспечивают более быстрые результаты и возможность участников напрямую общаться с другими пациентами, делиться своим опытом.
Ряд компаний, занимающихся цифровым здравоохранением, разрабатывают инструменты для проведения децентрализованных испытаний. Одно из решений – новая домашняя система ЭКГ от Royal-Philips. Компания продвигает новую технологию как способ для участников клинических испытаний записывать данные ЭКГ, не выезжая в больницу и не требуя присутствия врача на дому. Данные участников испытаний могут передаваться в облако для анализа практически в режиме реального времени. Компания Swift Medical также запустила новую платформу цифровых изображений, предназначенную для поддержки децентрализованных клинических испытаний.
Внедрение таких передовых технологий в проведение клинических испытаний потребует от фармацевтических и биотехнологических компаний не только финансовых обязательств, но и понимания того, что технологии могут внести значительный вклад в сам процесс: удешевить лекарства, ускорить процесс и, что гораздо важнее, сделать более комфортной жизнь пациентов, участвующих в исследованиях.
Источник: "The Future Of Clinical Trials: Artificial Patients, Synthetic Data And Real-Time Analysis" https://medicalfuturist.com/the-future-of-clinical-trials-artificial-patients-synthetic-data-and-real-time-analysis%EF%BF%BC/