使用人工智能毫升产生现实世界的证据

可以使用两个例子的AI /毫升包括罕见的疾病检测和理解疾病的患病率。

机遇和挑战在罕见的疾病检测

已确定6至七千年罕见疾病[1],另一个在12个加拿大人有一种罕见的疾病[2]。百分之八十的罕见疾病基因的起源[3][4],需要大约7.3年可以诊断[4]。

由于识别和诊断罕见疾病的挑战,病人常常得不到治疗多年,导致进一步恶化的健康和整体生活质量。必威手机APP此外,即使病人诊断,疾病可能会发展到一定程度,药物不再是有效的。这可能会导致需要昂贵的医疗资源,以帮助患者疾病的持续管理。此外,icd - 10编码可能不是特定的,医生可能会选择一个最能代表症状的代码。因此,罕见疾病不是特定的编纂和病人可能被分组在一个代码。所有这一切可能会导致劣质照顾病人和恶化的结果。

因此,它是至关重要的,这些患者被识别快速治疗可以启动。这一切发生的时候,越早越早可以有效地管理他们的疾病,导致更好的病人结果和潜在的减少医疗资源利用率。必威手机APP

然而,考虑到模糊诊断的本质,它是具有挑战性的识别这些患者。这就是人工智能的力量可以应用/毫升。AI /毫升能理解复杂的模式,治疗,和协会并不总是显而易见的,开发一个算法来准确、有效地识别这些患者。

下图说明了必须达到的条件对于AI /毫升产量最大的价值。

案例研究

挑战——IQVIA曾与一个客户想了解如果早期疾病检测算法可以用来发现确诊患有一种罕见的疾病。

解决方案——IQVIA进行了一项研究,两种混合Clinical-AI方法相比具有完全数据驱动的AI和KOL-based知识。数据是利用从两个基本和特殊医疗数据库,包括大约五百万名患者。

结果

关键- AI /毫升结合临床知识产生了强大的结果,比标准的两倍半的流行病学方法和五倍比KOL-based规则。

挑战和注意事项,而AI /毫升可以是一个强大的工具,可以帮助患有罕见疾病的检测,有一些需要考虑的事情。考虑到低数量的一种罕见的疾病,患者的数据集运行AI /毫升需要非常大的为了有足够的数据来开发一个算法,准确识别患者的疾病,否则算法运行的风险识别假阳性,即确定没有疾病的患者有这种罕见的疾病。其次,算法需要的训练样本的数据集应用数据集,用于检测患者罕见的疾病。必须使用适当的策略,以确保某些偏见不放大如一个算法训练在一个城市患者可能并不适用于非城市人口。

进一步完善使用AI /毫升罕见的疾病检测、IQVIA增加测试模式。称为柯南,互补模式增加使用对抗的概念学习,机器学习的区分假阳性。首先,发电机学会创建假的但可能患者样本。疾病探测器然后试图区分正面和负面的患者样本。方法建立了发电机和疾病之间的检测器训练检测器。此培训后,在疾病检测程序可以用来检测罕见疾病患者。现实世界上运行这个过程提供强有力的数据结果。可以将论文全文阅读在这里。

确定疾病的患病率

AI /毫升也被成功地用于确定疾病的患病率,心血管等未必是罕见或免疫疾病。可以生成信息进一步填补任何特定的知识空白的,允许一个更全面的对疾病的理解。

案例研究

挑战——客户想了解慢性心力衰竭的发病率在加拿大人口估计从医院数据或数据库覆盖面有限。

解决方案——IQVIA建立了一个预测分析模型预测心力衰竭处方模式使用电子医疗记录的数据。算法测试使用一个数据集的大约15%的心力衰竭患者建立模型的准确性、正面和负面预测值,即病人识别的可能性有疾病或没有疾病。该算法被应用到一个国家数据库评估心力衰竭的发病率。

关键——共有1515名患者被纳入研究,以确定心脏衰竭的发病率。模型有一个整体的准确性80%,敏感性65%,特异性89%,NPV PPV 81%和79%。当算法应用于病人≥40岁,研究估计大约650000病人与文献一致估计的590416年和626199年的病人。

结论- AI /毫升的出现开启了域数据挖掘的可能性和证据一代来帮助解决复杂的问题。IQVIA是一个全球领导人和与我们的专业知识在真实世界的证据,我们可以帮助我们的客户继续推动创新,最终导致病人积极的结果。

引用

[1]Orphanet,“罕见疾病,”Orphanet加拿大,2017年。(在线]。
[2]“绳”,加拿大罕见疾病组织(在线]。[2020]访问。
[3]“罕见疾病诊断的全球挑战”。
[4]“罕见疾病的数字,”美国的生物制药公司,(在线]。