本文探讨了在临床研究领域,如何通过新型工具和方法提升设计、规划及试验执行的预测性和质量。文章首先阐述了高级分析工具的演变过程,从描述性分析到预测性分析,再到当前的规范性分析,强调规范性分析能够提供具体行动建议以实现预期目标。接着,文章重点介绍了IQVIA在临床开发规划、研究设计优化、国家/站点/入组策略以及国家特定法规合规等方面的创新举措。
在临床开发规划方面,IQVIA利用人工智能和机器学习技术,综合考虑科学可行性、监管审批和商业潜力等因素,帮助赞助商做出更明智的投资决策。具体创新包括:
- 利用IQVIA Healthcare-grade AI®预测药物反应,识别和排序资产特征的重要性。
- 通过定制化生成式人工智能解决方案,高效整合大量文献和数据,评估资产可行性,并优先排序潜在适应症。
- 训练生成式人工智能代理查询知识图谱,识别可行的药物靶点,匹配新的作用机制与适应症。
在研究设计优化方面,文章介绍了协议数字化技术,将协议信息整合到先进工具中,实现情景规划并快速生成分析报告。通过人工智能技术识别患者负担、站点负担和复杂性,评估协议设计风险,并提供调整建议以降低负担。
在入组策略方面,IQVIA的AI工具能够快速准确地预测国家特定入组率,帮助赞助商制定更可靠的入组策略,特别是在扩大地理范围和缩短时间方面。
此外,文章还强调了监管情报和情景规划的重要性,通过分析历史监管数据,提供针对特定地点的监管要求洞察,加速站点启动和入组进程。
最后,文章展望了自主AI在临床研究中的日益重要作用,认为自主AI将推动临床研究生态系统的精确性、速度、规模和信任度提升。