Entfesseln Sie die Kraft von AI in klinischen Studien: Wichtige Einblicke von PFIZER und ARTEFACT - AI for Health Summit

Die Diskussion drehte sich um die transformative Rolle von AI in klinischen Studien, unterstützt durch Erkenntnisse von Pfizer und Artefact, die in ihrem gemeinsamen Whitepaper hervorgehoben wurden. Es wurden konkrete Anwendungsfälle, ein Ökosystem-Mapping und die Herausforderungen bei der Skalierung von AI Innovationen vorgestellt.

Artefact hat eine wachsende Nachfrage nach AI in der Forschung und Entwicklung festgestellt, die auf das Potenzial zurückzuführen ist, die Dauer klinischer Studien um bis zu 50 % zu verkürzen, die Entwicklung innovativer Therapien zu beschleunigen und die Wettbewerbsfähigkeit von Pharmaunternehmen zu sichern. Die im White Paper untersuchten Anwendungsfälle werden bereits umgesetzt oder in die mittelfristigen Strategien der Beteiligten integriert.

Pfizer nutzt AI , um Datensätze zu analysieren, Wirkstoffziele zu identifizieren, die Wirksamkeit vorherzusagen und die Entwicklung zu optimieren. Während der COVID-19-Pandemie beispielsweise konnte Pfizer mit Hilfe von AI das Molekülscreening von 3 Millionen auf 600 reduzieren und so die Entwicklung eines oralen antiviralen Medikaments von vier Jahren auf vier Monate beschleunigen. Darüber hinaus ermöglichte AI neue Methoden wie dezentralisierte klinische Studien und Fernüberwachung und trug dazu bei, die durchschnittlichen Entwicklungszeiten für Medikamente von 8,6 Jahren im Jahr 2019 auf 4,8 Jahre im Jahr 2022 zu verkürzen.

Das Whitepaper unterteilt die Wertschöpfungskette klinischer Studien in drei Phasen: Planung, Patientenrekrutierung und Durchführung. Für die Studienplanung extrahieren große Sprachmodelle (LLMs) die Sicherheits- und Wirksamkeitsdaten data aus früheren Studien und rationalisieren so die Studienprotokolle. Die Patientenrekrutierung profitiert von AI Modellen, die demografische Daten und die Krankengeschichte analysieren, um Abbruchquoten vorherzusagen und die Kontinuität der Studie zu gewährleisten. Die Durchführung und Verwaltung wird durch die AI-gesteuerte data Verarbeitung verbessert, wodurch die Zeit für die Erstellung von Berichten und die Einreichung bei den Zulassungsbehörden verkürzt wird.

AI automatisiert arbeitsintensive Aufgaben wie das Bereinigen, Verarbeiten und Analysieren klinischer Daten data und deckt Muster und Zusammenhänge auf, die bei herkömmlichen Methoden möglicherweise übersehen werden. Während der Entwicklung des Impfstoffs COVID-19 ermöglichte AI Pfizer, die Zulassungsunterlagen reports in 48 Tagen zu erstellen, verglichen mit 100 Tagen bei herkömmlichen Verfahren. Dieser beschleunigte Zeitplan ermöglichte eine schnellere Markteinführung und einen besseren Zugang für Patienten.

Die größte Herausforderung besteht in der Schaffung solider data Grundlagen, einschließlich der Rahmenbedingungen für Governance und Compliance. Diese Grundlagen werden zwar zunächst als kostspielig und langsam empfunden, sind aber entscheidend für die langfristige Skalierbarkeit und die effektive Bereitstellung von AI-gesteuerten Anwendungsfällen.

AI revolutioniert die klinischen Studien, indem es die Fristen verkürzt, die Effizienz erhöht und die Ergebnisse für die Patienten verbessert. Der Erfolg hängt jedoch von der Bewältigung der Herausforderungen der data und der Förderung der Zusammenarbeit im gesamten Gesundheitssystem ab.