Deel 1. AI klinische proeven: een voortdurende revolutie
De farmaceutische industrie ondergaat een ingrijpende transformatie onder impuls van AI, die farmaceutische bedrijven miljoenen kan besparen door efficiëntere, data klinische onderzoeken mogelijk te maken. Terwijl traditionele productontwikkeling te maken heeft met stijgende kosten (de wet van Eroom), AI het proces, waardoor de gemiddelde duur van een onderzoek aanzienlijk wordt verkort. Generatieve AI zorgt voor een AI optimalisatie van de opzet van onderzoeken, de werving van patiënten en data .
De belangrijkste innovaties zijn onder meer:
- Voorspellende modellen voor het welslagen van klinische proeven.
- Verbeterde werving van patiënten met behulp van algoritmen die gericht zijn op diversiteit.
- Realtime data via gedecentraliseerde klinische studies (DCT’s).
“We hebben een aanzienlijke verkorting geconstateerd van de gemiddelde tijd tussen de start en de afronding van klinische proeven: deze is gedaald van 8,6 jaar in 2019 naar 4,8 jaar in 2022.”
Luca Mollo, vicevoorzitter en medisch directeur Frankrijk bij Pfizer
Deel 2. Praktische impact: baanbrekende toepassingen in de hele waardeketen van klinische proeven
De echte belofte van AI op korte termijn AI in het ingrijpend veranderen van processen, waardoor snellere, efficiëntere en data klinische proeven mogelijk worden die de ontwikkeling van nieuwe therapieën aanzienlijk kunnen versnellen.
Om gebruiksscenario’s in kaart te brengen, Artefact de waardeketen van klinische proeven Artefact in drie belangrijke fasen, om zo een duidelijk en doelgericht kader te bieden.
Toepassingsvoorbeeld #1: Opzet van klinische proeven
AI de opzet van klinische onderzoeken door uitkomsten te voorspellen en de selectiecriteria voor patiënten te optimaliseren. Hulpmiddelen zoals AI optimalisatie van klinische onderzoeken, op algoritmen gebaseerde voorspelling van het succes van onderzoeken en TrialGPT verbeteren de besluitvorming door historische data te analyseren.
Effect: Data onderzoeksontwerp, snellere opstelling van onderzoeksprotocollen, grotere tevredenheid bij patiënten.
“Wij zijn er vast van overtuigd dat AI een transformatie teweegbrengt in onderzoek en klinische ontwikkeling. Daarom hebben we prioriteit gegeven aan 18 R&D-thema’s met talrijke veelbelovende AI , variërend van het identificeren van doelwitten tot het opzetten van klinische studies. Deze overtuiging stelt ons in staat om de twee grootste uitdagingen van het geneesmiddeleninnovatieproces aan te pakken: de kans op succes en de tijd die nodig is om een product op de markt te brengen.”
Brice Miranda, Group Chief Data bij Servier
Toepassingsvoorbeeld #2: Werving en inschrijving van patiënten
AI inefficiënties in de werving AI , waarbij platforms zoals inato de toegang tot proeven vergroten en de diversiteit en de betrokkenheid van patiënten verbeteren. Voorspellende algoritmen brengen ideale locaties voor ondervertegenwoordigde bevolkingsgroepen in kaart.
Resultaat: De wervingstijd is gehalveerd; de diversiteit is gestegen tot 67% niet-blanke deelnemers (van 15%).
„70% van de klinische onderzoeken vindt plaats in slechts 5% van de grote ziekenhuizen, terwijl 90% van de potentiële locaties onderbenut blijft.“
Kourosh Davarpanah, medeoprichter en CEO van inato
Toepassingsvoorbeeld #3: Uitvoering en beheer
AI analyses automatiseren data , brengen verborgen patronen aan het licht en genereren eerste samenvattingen die het opstellen van conclusies stroomlijnen. Geavanceerde tools verwerken data gedecentraliseerde onderzoeken en integreren inzichten om het trekken van conclusies te versnellen. Natural Language Processing (NLP) automatiseert de rapportage, waardoor de doorlooptijd met meer dan 50% wordt verkort.
Effect: snellere goedkeuringen door regelgevende instanties, lagere kosten, betere besluitvorming.
“Het verkort de tijd die nodig is voor het opstellen van rapporten drastisch van 100 dagen tot slechts 48 dagen door data snel te verwerken, taken te automatiseren en een voorlopig ontwerp te genereren dat bij de toezichthoudende instanties kan worden ingediend.”
Luca Mollo, vicevoorzitter en medisch directeur Frankrijk bij Pfizer
Deel 3. Innovatie stimuleren: het groeiende ecosysteem van AI onderzoeken
De rol van Big Tech bij het bevorderen van AI klinische proeven
Start-ups en techreuzen zoals Google en IBM lopen voorop bij het revolutioneren van klinische proeven met behulp van AI tools. Enkele opvallende projecten zijn:
- AlphaFold (Google DeepMind): Voorspelt eiwitstructuren, waardoor de ontwikkeling van geneesmiddelen wordt versneld.
- Het IBM Watson Health-platform: ontdekt patronen in klinische data patiënten beter aan klinische onderzoeken te koppelen.
“We evolueren van een reactief ecosysteem in de gezondheidszorg naar een proactief, bijna voorspellend ecosysteem.”
Shweta Maniar, Global Director, Healthcare & Life Sciences bij Google
Hoe start-ups innovatie in klinisch onderzoek stimuleren
Nieuwe spelers geven het landschap een nieuwe vorm met geavanceerde technologieën en vernieuwende benaderingen, waarmee ze langdurige uitdagingen aanpakken op gebieden als de opzet van klinische onderzoeken, patiëntenwerving, data en de efficiëntie van onderzoeken. Tot de opvallende nieuwkomers behoren:
- Klineo: helpt patiënten bij het vinden van de meest geschikte klinische studie.
- AI : Biedt gedecentraliseerde patiëntmonitoring om het aantal uitvallers te verminderen.
- Unlearn.ai: Vermindert de behoefte aan personeel door digitale tweelingen te genereren, waardoor producten sneller op de markt kunnen worden gebracht.
“Openbare databases zoals ClinicalTrials.gov (in de VS) en CTIS (in Europa) bevatten enorme hoeveelheden data deze zijn vaak ongestructureerd en verouderd, wat leidt tot vertragingen bij het vinden van relevante onderzoeken en daardoor de werving van patiënten vertraagt.”
Thomas Peyresblanques, medeoprichter en CEO van Klineo
Deel 4. Uitdagingen voor de toekomst: obstakels en beperkingen overwinnen
Wettelijke beperkingen: de bescherming van patiënten waarborgen en tegelijkertijd innovatie stimuleren
De toepassing AIin klinische proeven wordt belemmerd door complexe regelgeving, problemen data en ethische bezwaren op het gebied van vooringenomenheid en transparantie. Regelgeving zoals de AI van de EU is er echter op gericht om veilige en hoogwaardige toepassingen te waarborgen.
„De Europese regelgeving is streng, maar vormt een voordeel omdat ze een toegangsbarrière vormt voor bedrijven die zich niet aan de regels houden.“
Charlotte Pouchy, CEO van Deemea
Data , interoperabiliteit en synthetische data: het overwinnen van belangrijke uitdagingen
In Europa data versnipperd en verschillen ze van land tot land, wat AI analyses bemoeilijkt. Het gebrek aan standaardisatie tussen de nationale IT-systemen in de gezondheidszorg maakt deze kwestie nog complexer. Synthetische data services veelbelovende oplossing om deze uitdagingen aan te pakken en tegelijkertijd de privacy van patiënten te waarborgen.
Andere uitdagingen bij AI in klinische proeven zijn onder meer vertekening door niet-representatieve datasets, een gebrek aan transparantie in ‘black box’-algoritmen en verhoogde cyberbeveiligingsrisico’s. Om deze problemen aan te pakken, moet ervoor worden gezorgd dat modellen generaliseerbaar zijn voor diverse populaties, moet de verklaarbaarheid worden verbeterd en moet een evenwicht worden gevonden tussen robuuste data en de noodzaak van voldoende data binnen strikte regelgevingskaders zoals de AI en de AVG.
“De uitdaging om beslissingen van AI te begrijpen en te verklaren, in combinatie met mogelijke vooringenomenheid, vormt een aanzienlijke hindernis voor het gebruik ervan in klinische onderzoeken.”
Nathalie Beslay, advocate en medeoprichtster en CEO van Naaia
Ondanks deze obstakels AI een nieuwe norm voor klinisch onderzoek: het zorgt niet alleen voor verbeteringen in klinische studies, maar geeft deze een geheel nieuwe invulling. Hierdoor wordt de weg vrijgemaakt voor een snellere, veiligere en meer patiëntgerichte ontwikkeling van geneesmiddelen, die het potentieel heeft om de behandelresultaten voor patiënten aanzienlijk te verbeteren en de gezondheidszorg vooruit te helpen.
Bekijk de conferentie met Luca Mollo, vicepresident en medisch directeur Frankrijk (M.D.) bij Pfizer, en onze Artefact Thomas Filaire, partner, en Léa Giroulet, senior Data , over de belangrijkste inzichten uit dit rapport:
