失败的临床试验可以赞助费用超过十亿美元,和浪费几年的时间发展的药物不会进入市场。然而,这些损失现在可以减轻通过使用人工智能(AI)和机器学习驱动平台,定义易的患者在临床试验治疗谁能积极回应。
当赞助商可以找到这些数量和适应相应的试验设计,它可以减少试验失败,拯救一个有前途的分子进一步发展,获取更好的中小学端点数据支持批准和付款人的估值。
本文探讨了赞助商可以如何利用人工智能驱动的工具,如IQVIA子总体中优化解决方案(SOS),审判的整个生命周期中减少失败的风险,同时提高成功率,并确定新的药物开发的机会。
第1部分:失败的高成本
药物开发的巨大的成本在很大程度上是由于失败的高速率。2019年的一项研究发现,只有不到14%的所有药物开发项目最终导致批准,而且这个数字下降到仅为百分之六的孤儿药物,仅为3.4%,肿瘤药物,药物开发的主要类别。
当试验得到关闭,赞助商面临巨大的财务损失- billionii估计8亿美元至1.4美元,病人失去希望进入市场潜在拯救生命的治疗。
虽然一些分子根本不成功,许多试验失败,因为试验设计不充分确定适当的人口,端点和/或剂量的选择。这可能导致大部分的试验参与者如预期般没有反应,或不良事件发生,使安全风险太高了。然而,正确的数据,这种高速率的失败并没有发生。
在失败的试验,有经常的病人群体治疗反应良好,没有不良事件,而是因为整个数字不加起来,这次审判是放弃了。这意味着赞助商失去投资和患者可能受益于救生治疗否认这些创新。
这些数量可以确定通过使用SOS平台,利用人工智能和机器学习工具,可以快速分析临床数据集来确定最有前途的人群,让赞助商适应相应的审判。当赞助商可以识别这些亚早在研究过程中,他们可以适应审判关注那些病人。这增加安全性和治疗结果通过更好的试验设计和救援承诺可以试验,否则被视为失败。
第2部分:技术是如何工作的
这些严格的统计分析平台功能编程分析试验数据的机器学习算法来确定预测生物标志物(s)在治疗人群正经历着更强的结果。他们可以使用试验中各点生命周期识别趋势和异常值没有偏见,通知试验设计,形状和批准和定价决策的支持,市场和销售策略。
平台利用行业公认的分析方法称为子群识别基于微分效应搜索(双方)。两边是用来评价试验结果,以帮助客户回答关于药物的有效性的棘手的问题在开发中,并制定有效的试验设计策略来最大化他们的成功的机会。这些平台使用安全的数据管理技术和直观的工作流程,基于预定的功能,自动查询病人的数据集和必威官方在线交付结果易读图、散点图和总结。
易读的图形界面允许利益相关者快速回顾和理解哪些患者群体应对治疗,其中是谁面对不良事件的风险更高,人口不可能从中获益,有被切断。例如,分析可能显示在一系列的图表,患者年龄在65岁阶段三个癌症更容易应对治疗比年轻病人,和那些在早期阶段癌症有更高的不良事件。
这种即时容易理解数据给调查人员和赞助商的见解,他们需要适应试验和选择正确的患者更精确和信心。betway必威怎么提款这可以减少时间,成本和风险在整个试验周期,通过商业化从早期的发现,使赞助商给市场带来更成功的治疗。
当人口数据显示,没有有意义的结果,这种技术也可以节省数亿美元的赞助商早关闭失败的试验,并将这些资源移动到分子有更大的潜力产生回报。
这些平台交付审判的价值在许多阶段生命周期的早期阶段决策,通过批准,市场准入和扩展研究