在临床研究的各个方面都有数字进化。使用人工智能和机器学习（AI/ML）的高级分析工具使研究团队有能力理解通过临床研究收集的大量数据。这些工具使高级统计预测建模和过程自动化能够提高整体研究质量，同时使员工更加专注于突出显示关键项目。

这包括采用基于风险的监控（RBM）来管理Esource，Econsent，EISF，EMR和其他数字资源进入临床数据环境的新数据洪水。这些数据提供了大量有价值的信息，但是只有公司有技术来梳理数据以推动质量和效率的技术。为了适应这一转变，赞助商需要更全面的数据流管理技术，这些技术使用AI/ML来简化审查和决策过程。必威官方在线

AI/ML-driven data management doesn’t just accelerate data capture or provide generalized insights. These platforms seamlessly integrate large volumes of data from a breadth of sources, and feature automation tools to streamline the review process.

最复杂的解决方案，例如IQVIA的中央监控（CM）平台，清洁并将所有数据放在一个位置，并使用自定义机器学习算法来识别数据错误，离群值和错误条目。

分析引擎具有自然语言处理能力，这意味着它可以识别结构化和非结构化数据中的站点或研究风险。AI/ML具有启用预测分析，可以通过检测和减轻潜在问题来改善患者的安全性和现场性能。

When risks are found, the platform can provide alerts and produce dashboards summarizing RBM analyses and updates, all with little or no human interaction. This includes predicting protocol deviations, which can cause safety concerns for patients and delays in project delivery. In one recent project, the platform analyzed historical trend data to predict when protocol deviations were most likely to occur, allowing the monitoring team to proactively implement mitigation actions.该模型显示了超过70％的预测准确性，并且能够检测到数据审查中约100％的协议偏差。

The impact of such predictive analytics can be substantial for monitors, sites, and the patients they treat.

AI/ML streamlines data review

It also brings greater efficiencies and job satisfaction. By automating the data collection, cleaning and review process, CRAs are free to focus on more value-added tasks, and sponsors and sites get faster access to information.

IQVIA与几个大型组织合作，以帮助他们提高项目的质量和效率。在一个例子中，一家经营全球试验的大型制药公司向IQVIA提供了帮助，以加速其RBM流程，同时减轻员工的负担。

赞助商已经在使用中央监视器为了支持该领域的CRA，但他们想进一步简化数据审查。在部署AI/ML系统之前，通过手动流程来管理现场风险的警报，其中人类监视器审查了所有数据，然后决定是否需要采取行动项目，或者不需要采取任何措施。

这个过程需要有限的员工需要数小时的时间，他们对审查的数据量的负担过高。

作为解决方案，他们部署了IQVIA的警报自动化，这是IQVIA的RBM平台的一部分。使用过去试验的数据对机器学习算法进行培训，以分析和预测风险并确定适当的响应。确定风险后，该平台会自动分配适当的操作，并向团队发送动作警报，使监视器和站点人员释放专注于解决方案而不是数据审核任务。

对实施的审查发现，AI/ML技术匹配专家在90％以上做出的决定，同时将完成RBM任务完成的小时数减少了75％。

This is the future

Monitors are continuously looking for ways to speed data review and the identification of potential safety concerns for patients. AI/ML-driven RBM platforms can deliver the insights they need.

高级分析技术已成为RBM的必不可少的，必威官方在线尤其是在高数据卷环境中。当这些工具可以迅速捕获和分析来自多个来源的数据泛滥，并确定潜在的风险，它可以加快决策的速度，并可以改善整个临床环境中的数据质量。

随着这些工具成为常态，它将很快为预测和主动的信号检测铺平道路，推动更强大的安全见解和更有效的环境。王者荣耀kpl外围投注

Moving into the future such AI-driven innovation and flexibility will be paramount for clinical trial success. It does require some digital transformation disruption as sponsors transition to a RBM model and embrace automation, but the quality and cost benefits will make this transition a worthy journey to take.