Plateformes d'examen des données cliniques en sciences de la vie (CDRP)

Mon dernier blog discutait de la façon dont l'IA aide à créer des systèmes informatisés. Ce prochain article de la série analyse les plates-formes d'analyse des données cliniques.

Bien que les fonctionnalités d'apprentissage automatique (ML) et de traitement du langage naturel (PNL) ne soient pas disponibles pour le moment sur les plates-formes d'analyse des données cliniques (CDRP) actuelles, nous savons qu'elles offrent des avantages considérables. l'examen des données cliniques et le processus de nettoyage.

Lors des essais cliniques, les données sont collectées à partir de systèmes de saisie de données électroniques et de laboratoires centraux et locaux. Ces données sont ensuite combinées et stockées dans un entrepôt de données. Les données sont transformées en un format dans lequel les gestionnaires de données sont familiers. Les gestionnaires de données examinent et nettoient ensuite les données.

Une fois nettoyées, les données sont transformées en modèles de données courants (par exemple, CDISC SDTM) et utilisées pour générer des documents de soumission à la FDA. . Les modèles d'apprentissage automatique peuvent être utilisés pour vérifier les modèles de données et, en cas d'irrégularités ou de données manquantes, les porter à l'attention des gestionnaires de données pour un examen plus approfondi.

Les données d'études précédentes sont disponibles pour les algorithmes et modèles de ML et peuvent être: appris de. Chaque essai clinique a certains jalons à atteindre et, pour chaque jalon, certains critères doivent être respectés et la documentation associée doit être générée. Les modèles ML peuvent être formés pour comprendre si un essai est prêt pour un certain jalon. S'il n'est pas prêt, il peut déterminer le goulot d'étranglement et peut prévoir le temps qu'il faudra pour atteindre le jalon selon les connaissances historiques.

Il peut générer la documentation nécessaire pour un jalon et l'envoyer à l'homme pour approbation avant. soumission à la FDA. Pour les futurs essais cliniques, les algorithmes peuvent répondre à des questions telles que «Combien de temps faut-il pour inscrire le nombre de sujets pour une étude d'oncologie?» Et «Combien de temps faudra-t-il pour atteindre un jalon basé sur l'essai protocol document? ”

Pour en savoir plus sur l’utilisation de l’intelligence artificielle – y compris l’apprentissage par la machine – par les fabricants de produits pharmaceutiques et de dispositifs médicaux pour améliorer le processus de nettoyage et de revue des données cliniques, vous pouvez télécharger le guide ici ou soumettre le formulaire ci-dessous.