Laden Sie das E-Book hier herunter.

Teil 1. AI klinischen Studien: Eine fortschreitende Revolution

Die Pharmaindustrie durchläuft derzeit einen tiefgreifenden Wandel, der von AI vorangetrieben wird und den Pharmaunternehmen das Potenzial bietet, durch effizientere, data klinische Studien Millionen einzusparen. Während die traditionelle Entwicklung mit steigenden Kosten konfrontiert ist (Erooms Gesetz), AI den Prozess und verkürzt die durchschnittliche Studiendauer erheblich. Generative AI optimiert AI das Studiendesign, die Patientenrekrutierung und data .

Zu den wichtigsten Neuerungen zählen:

  • Vorhersagemodelle für den Erfolg von Studien.
  • Verbesserte Patientenrekrutierung mithilfe von Algorithmen, die auf Diversität ausgerichtet sind.
  • Echtzeit data im Rahmen dezentraler klinischer Studien (DCTs).

„Wir haben eine deutliche Verkürzung der durchschnittlichen Dauer von der Einleitung bis zum Abschluss klinischer Studien festgestellt, die von 8,6 Jahren im Jahr 2019 auf 4,8 Jahre im Jahr 2022 gesunken ist.“

Luca Mollo, Vizepräsident und Medizinischer Direktor für Frankreich bei Pfizer

Teil 2. Auswirkungen in der Praxis: Wegweisende Anwendungsfälle entlang der gesamten Wertschöpfungskette klinischer Studien

Das eigentliche kurzfristige Potenzial der AI darin, Prozesse so zu revolutionieren, dass schnellere, effizientere und data klinische Studien ermöglicht werden, die die Entwicklung neuer Therapien erheblich beschleunigen können.

Um Anwendungsfälle abzubilden, Artefact die Wertschöpfungskette klinischer Studien in drei Schlüsselphasen Artefact , um einen klaren und fokussierten Rahmen zu schaffen.

Anwendungsfall Nr. 1: Gestaltung klinischer Studien

AI die Studienplanung, indem AI Ergebnisse vorhersagt und die Eignungskriterien für Patienten optimiert. Tools wie die AI Optimierung klinischer Studien, die algorithmische Vorhersage des Studienerfolgs und TrialGPT verbessern die Entscheidungsfindung durch die Analyse historischer data.

Auswirkungen: Data Studienkonzeption, schnellere Erstellung von Studienprotokollen, höhere Patientenzufriedenheit.

„Wir sind fest davon überzeugt, dass AI die Forschung und klinische Entwicklung grundlegend verändern wird, und haben daher 18 Forschungs- und Entwicklungsthemen mit zahlreichen vielversprechenden AI priorisiert, die von der Identifizierung von Zielmolekülen bis hin zur Studienkonzeption reichen. Diese Überzeugung wird es uns ermöglichen, die beiden größten Herausforderungen im Prozess der Arzneimittelinnovation anzugehen: die Erfolgswahrscheinlichkeit und die Zeit bis zur Markteinführung.“

Brice Miranda, Group Chief Data bei Servier

Anwendungsfall Nr. 2: Patientenrekrutierung und -aufnahme

AI Ineffizienzen bei der Rekrutierung, wobei Plattformen wie inato den Zugang zu Studien erweitern und die Vielfalt sowie das Engagement der Patienten fördern. Vorhersagealgorithmen ermitteln ideale Standorte für unterrepräsentierte Bevölkerungsgruppen.

Auswirkung: Die Rekrutierungszeit hat sich halbiert; der Anteil nicht-weißer Teilnehmer stieg auf 67 % (von 15 %).

„70 % der klinischen Studien konzentrieren sich auf nur 5 % der großen Krankenhäuser, während 90 % der potenziellen Standorte nicht ausreichend genutzt werden.“

Kourosh Davarpanah, Mitbegründer und CEO von inato

Anwendungsfall Nr. 3: Ausführung und Verwaltung

AI Analysen automatisieren data , decken verborgene Muster auf und erstellen erste Zusammenfassungen, die den Prozess der Schlussfolgerungserstellung optimieren. Fortschrittliche Tools verwalten data dezentralen Studien und bündeln Erkenntnisse, um die Schlussfolgerungen zu beschleunigen. Die Verarbeitung natürlicher Sprache (NLP) automatisiert die Berichterstellung und verkürzt die Bearbeitungszeiten um über 50 %.

Auswirkungen: Schnellere behördliche Genehmigungen, geringere Kosten, bessere Entscheidungsfindung.

„Durch data schnelle Datenverarbeitung, die Automatisierung von Aufgaben und die Erstellung eines Vorentwurfs zur Einreichung bei den Aufsichtsbehörden wird die Zeit für die Erstellung von Berichten drastisch von 100 Tagen auf nur 48 Tage verkürzt.“

Luca Mollo, Vizepräsident und Medizinischer Direktor für Frankreich bei Pfizer

Teil 3. Innovation vorantreiben: Das wachsende Ökosystem AI klinischer Studien

Die Rolle der großen Technologieunternehmen bei der Förderung AI klinischer Studien

Start-ups und Technologiegiganten wie Google und IBM sind Vorreiter bei der Revolutionierung klinischer Studien durch AI Tools. Zu den bemerkenswerten Projekten zählen:

  • AlphaFold (Google DeepMind): Prognostiziert Proteinstrukturen und beschleunigt so die Arzneimittelentwicklung.
  • IBM Watson Health-Plattform: Erkennt Muster in klinischen data Patienten besser für klinische Studien zu finden.

„Wir entwickeln uns von einem reaktiven Gesundheitsökosystem hin zu einem proaktiven, fast schon vorausschauenden Ökosystem.“
Shweta Maniar, Global Director, Healthcare & Life Sciences bei Google

Wie Start-ups Innovationen in der klinischen Forschung vorantreiben

Neue Akteure gestalten die Branche mit modernsten Technologien und innovativen Ansätzen neu und gehen dabei langjährige Herausforderungen in Bereichen wie Studiendesign, Patientenrekrutierung, data und Studieneffizienz an. Zu den namhaften Neueinsteigern zählen:

  • Klineo: Hilft Patienten dabei, die für sie am besten geeignete klinische Studie zu finden.
  • AI : Bietet eine dezentrale Patientenüberwachung, um die Abbruchquote zu senken.
  • Unlearn.ai: Reduziert den Personalbedarf durch die Erstellung digitaler Zwillinge und beschleunigt die Markteinführung.

„Öffentliche Datenbanken wie ClinicalTrials.gov (in den USA) und CTIS (in Europa) enthalten riesige data sind data oft unstrukturiert und veraltet, was zu Verzögerungen bei der Suche nach relevanten Studien führt und somit die Patientenrekrutierung verlangsamt.“

Thomas Peyresblanques, Mitbegründer und CEO von Klineo

Teil 4. Zukünftige Herausforderungen: Hindernisse und Einschränkungen überwinden

Regulatorische Auflagen: Gewährleistung des Patientenschutzes bei gleichzeitiger Beschleunigung von Innovationen

Der Einsatz AIin klinischen Studien wird durch regulatorische Komplexitäten, Probleme data sowie ethische Bedenken hinsichtlich Voreingenommenheit und Transparenz behindert. Rahmenwerke wie das AI zielen jedoch darauf ab, sichere und qualitativ hochwertige Anwendungen zu gewährleisten.

„Die europäische Verordnung ist streng, stellt jedoch eine Barriere für den Markteintritt von Unternehmen dar, die die Vorschriften nicht einhalten.“

Charlotte Pouchy, Geschäftsführerin bei Deemea

Data , Interoperabilität und synthetische data: Bewältigung zentraler Herausforderungen

In Europa data länderübergreifend fragmentiert und uneinheitlich, was AI Analysen erschwert. Die mangelnde Standardisierung der nationalen IT-Systeme im Gesundheitswesen verschärft dieses Problem zusätzlich. Synthetische data eine vielversprechende Lösung, um diese Herausforderungen zu bewältigen und gleichzeitig den Datenschutz der Patienten zu gewährleisten.

Zu den weiteren Herausforderungen bei AI in klinischen Studien zählen Verzerrungen durch nicht repräsentative Datensätze, mangelnde Transparenz bei „Black-Box“-Algorithmen sowie erhöhte Cybersicherheitsrisiken. Um diese Probleme anzugehen, muss sichergestellt werden, dass Modelle auf unterschiedliche Bevölkerungsgruppen übertragbar sind, die Erklärbarkeit verbessert wird und ein Gleichgewicht zwischen data robusten data und der Notwendigkeit eines ausreichenden data unter strengen regulatorischen Rahmenbedingungen wie dem AI und der DSGVO hergestellt wird.

„Die Schwierigkeit, die Entscheidungen von AI zu verstehen und zu erklären, sowie mögliche Verzerrungen stellen eine erhebliche Hürde für deren Einsatz in klinischen Studien dar.“

Nathalie Beslay, Rechtsanwältin und Mitbegründerin sowie Geschäftsführerin von Naaia

Trotz dieser Hindernisse AI neue Maßstäbe in der klinischen Forschung: Sie verbessert nicht nur klinische Studien, sondern definiert sie neu und ebnet den Weg für eine schnellere, sicherere und patientenorientiertere Arzneimittelentwicklung, die das Potenzial birgt, die Behandlungsergebnisse für Patienten deutlich zu verbessern und die Gesundheitsversorgung voranzubringen.

Sehen Sie sich die Konferenz mit Luca Mollo, Vizepräsident und medizinischer Direktor für Frankreich (Dr. med.) bei Pfizer, sowie unseren Artefact Thomas Filaire, Partner, und Léa Giroulet, Senior Data , an, in der die wichtigsten Erkenntnisse aus diesem Bericht vorgestellt werden: