-
美洲
-
亚洲和大洋洲
-
-
中东和非洲
区域划分
- 美洲
- 亚洲和大洋洲
- 欧洲
- 中东和非洲
求解法
- 研发
- 真实世界证据
- Commercialization
- 安全调控遵章
- 必威官方在线
生命科学单元
lol买外围用什么软件保健单元
问题区
原创创创作
- 连通情报
- lol买外围用什么软件保健级AI
- lpl哪里可以下外围人文数据云
- IQVIA创新中心
- 分散试播
- 病人体验苹果驱动
何为我们
新闻资源
博客
SOMS通过识别右侧病人保存试验
2019年7月24日
AI驱动平台如何帮助赞助者避免失败试验、hone协议并发现最有可能从开发中的药中受益的病人
临床开发损耗率高开发中只有14%的药获批 也就是说开发中86%的资产 达不到营销授权后一数字下降97%肿瘤药一
即使在试验中 多数病人不响应预期 可能有子群从服药中受益过去的实验会关闭 药架放 令病人和赞助者重回原位
但不一定要那样
药开发高失效率现在可以通过使用人工智能平台来减轻,这些平台能够识别那些更有可能对治疗表示积极响应的子群,并允许赞助者相应修改试编
创新应用AI和机器学习是精密医学下一个进化过程,将预测解析带入药物开发前沿
最好消息是,这不仅仅是理论,而现在是现实与许多客户共事 客户利用我们看到了可测量结果子群优化建模求解SOMS系统严格统计机器分析平台可识别处理群中的预测生物标志或群变数,结果比学习参与者普通群强在整个药开发生命周期中,该平台可发现子群对治疗性特强响应,降低试验失效率,为进一步发展援救有希望的分子,更好地采集初级和二级端点数据支持审批和支付者估值,并发现高事件风险人群应避免
几个例子说明赞助者如何使用SOMS改善临床实验决策、降低风险和从投资中产生更多值
生物标志支持移位到阶段3
赞助者往往先利用SOMS平台审查第二阶段试验结果,主动识别最有可能响应处理的子群早期分析用于发现定义这些有前途人群的任何遗传特征、生物特征和/或环境特征信息可用以适应包容/排外标准,重新评估端点选择,并有可能通过录用有强处理效果信号的病人来减少试样规模
举一例,一全球药厂想评估新药的安全性和效率,比照标准治疗特定癌症使用SOMS平台内基于差分效果搜索的分组识别分析法,发现二级数据中六分生物标志对处理效果有预测作用支持者使用生物标志识别子群 处理效果与总体大相径庭
分析在制定裁剪策略和为第三阶段测试选择病人群方面发挥了关键作用。
细菌感染药获FDA批准
实验结果前后不一的研究中,SOMS分析支持自适应试验设计,赞助者根据所收集的数据修改试验关键构件从而确保他们注重最有可能经历正结果的病人,提高病人安全性,降低责任风险,并增加收集正结果数据支持监管批准的可能性
一个新生物药厂正进行两个全球阶段3测试,评价新药安全性和效率与细菌感染护理标准之比原创实验数据分析显示没有总体处理效果使用SOMS平台回溯分析发现26个生物标志预测正处理效果分析同时识别特征表示辅助子群处理效果下降,因为安全考虑可以减轻
部分多亏此分析, FDA批准新药黑盒标签,
消除决策偏差
多家赞助者内部生物统计家审查实验数据以确定试验是否带来足够有希望的结果以继续下去虽然这些分析是药物开发过程的一个重要部分,但它们可能无意偏差,特别是当公司大量投入测试成功时。使用SOMS平台的公正AI驱动分析可提供新透视建议,提高客观性并有可能产生更多见地结果
在一个实例中,一家全球药厂研究2b阶段结果肿瘤学显示对特定子群总体生存有超强效果阶段3研究没有产生有意义的结果SIMS平台内使用SIDES对2b阶段结果进行回溯分析并进行更详细的分组评估并发现数据不显示对子群一致有意义的结果结果公司放弃进一步投资开发该资产
仅举几个例子说明赞助者如何使用技术提高试验结果,降低失效率,提高开发效率查看实例,学习更多技术,观望视频播放或请求演示网站.