子群优化建模解决方案
使用机器学习驱动解析帮助识别有前途的患者子群,有可能保留您的投资并确保宝贵的治疗方法深入到患者手中
-
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
必威手机APP保健单元
问题区
原创创创作
- 连通情报
- 必威手机APP保健级AI
- b必威人文数据云
- 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
白纸
招聘稀有疾病病人
SOMS基础AI/ML分析遗传测试支持帮助赞助者加速录用稀有疾病测试
07年11月2022
现今开发的许多药以稀有遗传疾病为重点,这些疾病往往人口少,诊断有限,没有常见处理路径。这使得常规招聘方法无效,这可为招聘过程增加数月偶数年
人工智能和机器学习(AI/ML)可帮助支持者加速搜索过程,查找未诊断和诊断不足并有模仿诊断者风险因素的病人结合这些风险因素有效基因测试和咨询可帮助赞助者更快地查找并成功录用病人,从试运行周期缩短数月论文探索AI/ML技术基因测试如何改变稀有疾病研究招生过程并让赞助者在吸引参赛者测试方面拥有优势
稀有疾病景观新手一直是临床研究中最难解因素之一即便疾病诊断出数以百万计的病人并有成熟的治疗路径,但很难找到那些满足包容/排外标准并说服他们参加研究的病人。稀有疾病研究放大挑战稀有疾病只影响极小比例的人口美国食品药管局定义疾病稀有性,欧洲联盟委员会定义这些疾病为2 000人中影响不超过一人的疾病。约7000+稀有疾病中估计约80%是由于遗传原因90%缺药管局批准的治疗法
需要大量治疗解决这些未满足的医疗需求,但寻找学习参与者运行测试对赞助者来说是一个持续挑战这些疾病分布小小,专家很少专治这些条件,大多数病人年复一年得不到准确诊断。表示学习团队可以数月后发现单病人符合学习标准
生命科学公司需要更多定向方法查找病人、确认诊断并让他们参与讨论临床学习的价值