失败的临床试验可能会使赞助商超过10亿美元，并且浪费了数年的时间开发一种永远不会上市的药物。但是，现在可以通过使用人工智能（AI）和机器学习驱动的平台来减轻这些损失，从而鉴定临床试验中患者的子选集，这些临床试验可以对治疗做出积极反应。
当赞助商可以找到这些人群并相应地调整试验设计时，它可以降低试验失败的速度，营救有前途的分子以进一步开发，并捕获更好的原始和次要端点数据以支持批准和付款人估值。
本文探讨了赞助商如何在整个试验生命周期中利用AI驱动的工具，例如IQVIA的子人群优化解决方案（SOS），以降低失败的风险，同时提高成功率并确定药物开发的新机会。
第1部分：高昂的失败成本
药物开发的巨大成本在很大程度上是由于高失败率而引起的。2019年的一项研究发现，所有药物开发计划中只有不到14％最终导致了批准，而孤儿药的数量仅下降到6％，而肿瘤药物仅为3.4％，这是药物开发的主要类别。
当试验被关闭时，赞助商面临巨大的财务损失 - 估计8亿至14亿美元 - 患者失去了潜在的救生治疗的希望。
尽管某些分子根本不会淘汰，但许多试验失败了，因为试验设计没有充分识别适当的人群，终点和/或剂量选择。这可能会导致大多数试验参与者没有如愿以偿的反应，或者发生的不利事件使安全风险过高。但是，使用正确的数据，不必发生这种高的故障率。
在失败的试验中，通常会有对治疗良好反应且没有不良事件的患者的子群体，但是由于总数没有加起来，因此放弃了试验。这意味着赞助商失去投资，并且有可能从救生治疗中受益的患者被剥夺了这些创新。
可以通过使用SOS平台来确定这些人群，该平台利用AI和机器学习工具可以快速分析临床数据集以识别最有希望的人群，从而使赞助商可以相应地适应试验。当赞助商可以在研究过程中更快地识别这些子人群时，他们可以调整试验以专注于这些患者。这可以通过更好的试验设计来提高安全性和治疗结果，并可以挽救有前途的试验，否则将被视为失败。
第2部分：技术的工作原理
这些统计上严格的分析平台具有机器学习算法，这些算法被编程为分析试验数据，以识别经历更强结果的治疗群体中的预测生物标志物。它们可以在试验生命周期中的各个点使用，以识别趋势和离群值而没有偏见，以告知试验设计，支持批准和定价决策，以及塑造市场和销售策略。
该平台利用一种行业公认的分析方法，基于差异效应搜索（侧），称为子组识别。各个方面用于评估试验结果，以帮助客户回答有关药物开发有效性的棘手问题，并制定有效的试验设计策略以最大程度地提高成功机会。这些平台使用安全的数据管理技术和直观的工作流，这些技术会根据预定的功能自动查询患者数据必威官方在线集，并提供易于阅读的图表，散点图和摘要的结果。
易于阅读的图形界面使利益相关者能够快速审查并了解哪些患者人群对治疗的反应，其中谁面临着更高的不良事件风险，哪些人群不太可能受益，以及削减的地方。例如，在一系列图形中，分析可能表明65岁以上患有第三阶段癌症的患者比年轻患者更有可能对治疗做出反应，并且癌症较早阶段的患者的不良率更高事件。
这种易于理解的即时数据为调查人员提供了他们所需的见解，以适应试验并以更高的精确和信心选择合适的患者。betway必威怎么提款从早期发现到商业化，可以减少整个试验生命周期的时间，成本和风险，并使赞助商能够为市场带来更多成功的治疗方法。
而且，当数据显示没有人口有意义的结果时，该技术还可以通过更快地关闭失败的试验并将这些资源转移到具有更大潜力产生回报潜力的分子来节省数亿美元。
这些平台通过批准，市场访问和扩展研究在试验生命周期的许多阶段提供价值