測試新藥是一個緩慢而昂貴的過程。人工智能有可能擾亂臨床試驗——從患者招募到依從性監測和數據收集——而Covid-19促進了它的采用。
在過去的一年裏,幾乎5,000針對新型冠狀病毒的救命療法和疫苗的臨床試驗啟動。
Covid-19臨床試驗登記80%高於平均水平。然而,考慮到許多疾病,如癌症,不到10%有資格參加試驗的患者。
獲取報告全文
患者通常隻在現有的治療方式已經失敗時才參加藥物試驗。最重要的是,並不是所有確診的患者都有資格參加試驗——僅僅確定是否有資格是一項艱巨的任務。
對於那些有資格參加試驗的人來說,參加試驗往往是一項花費大量時間和金錢的努力。這一過程對其他利益相關者來說也是低效的:藥物試驗平均耗時近10年,平均花費超過10億美元。
的520億美元的臨床試驗市場需要改造。
創業公司和大型科技公司正在積極開發臨床試驗解決方案,來自IoT for遠程監控,為機器學習電子健康記錄處理,以人工智能為基礎的網絡安全數據保護.
下麵,我們將通過典型的臨床試驗過程繪製出患者的旅程,並進行探索人工智能等新興技術的用例在每一個步驟。
注:我們特別關注基於藥物的試驗,盡管報告最後部分討論的技術適用於更廣泛的臨床研究。
表的內容
- 為什麼更快的臨床試驗對製藥公司至關重要
- 臨床試驗的現狀
- 人工智能如何改變臨床試驗的每一個階段
- 尋找臨床試驗
- 挑戰與登記
- 藥物依從性
- 大型科技公司是如何擾亂臨床試驗的
- 穀歌的醫療保健數據平台
- 蘋果和Facebook正在向臨床研究和試驗邁進
- 為什麼人工智能本身不是靈丹妙藥
- Covid-19如何影響臨床試驗技術的采用
- 研究設計
- 虛擬試驗
為什麼更快的臨床試驗對製藥公司至關重要
將藥物推向市場是一個漫長而艱巨的過程。
研究估計,臨床試驗過程——新藥在FDA批準之前在患者身上進行試驗——是持續的9年和成本平均1.3美元.
臨床試驗分多個階段進行,從第一階段到第三階段,成本和複雜性不斷增加。
盡管在試驗上投入了時間和資金,隻有十分之一進入第一階段臨床試驗的藥物將得到FDA的批準。
臨床試驗失敗的原因有很多,包括招募不到足夠的人試驗參與者,試驗中期患者退出,副作用和不一致的數據。
自然,在後期失敗的試驗代價更高。
瑞士諾華製藥例如,該公司將其2017年第一季度淨利潤下降15%歸因於一種治療心力衰竭的三期藥物的失敗。
對於生物製藥初創公司來說,失敗的代價更為明顯。在資金有限的情況下,初創公司的主要候選人在臨床試驗中失敗往往意味著公司將無法生存。這是因為,在至少一種有前景的藥物進入後期臨床試驗之前,公司很少進行IPO。
最近,SPAC趨勢使公司能夠提高生存概率通過在更早、風險更高的階段獲得公共資本。
與臨床試驗相關的高成本也會對患者的費用產生下遊影響。這是因為生物製藥公司將試驗失敗的研發成本捆綁到已批準藥物的定價中,以保持盈利。
臨床試驗的現狀
在市場上可用的治療方法失敗後,患者必須通過一個複雜的過程來尋找、登記和參加臨床試驗.
在下麵的信息圖中,我們繪製了一個典型的病人旅程。
此外,許多臨床研究使用基本的數據收集和驗證方法——這往往把責任推到患者身上——例如:通過傳真發送患者的醫療記錄,手動計算瓶中剩餘藥片的數量,並依靠患者的日記來確定藥物依從性。
打破這一進程的時機已經成熟。
人工智能如何改變臨床試驗的每一個階段
人工智能技術有可能改變臨床試驗過程的每一個階段,從尋找試驗到注冊到藥物依從性。
尋找臨床試驗
對臨床研究團隊和患者來說,將合適的試驗與合適的患者相匹配是一個耗時且具有挑戰性的過程。
“事實上,今天隻有3%的癌症患者參加了臨床試驗。”- - -whitehouse . gov2018年5月,
約80%的臨床試驗未能在注冊時間內完成,約三分之一的三期臨床研究因注冊困難而終止。
作為背景,有超過22,000項臨床研究目前正在招募患者。下麵的熱圖顯示了1000多個活躍的乳腺癌研究的位置。
來源:ClinicalTrials.gov
如果醫生知道正在進行的試驗,患者可能偶爾會從醫生那裏得到試驗建議。否則,瀏覽ClinicalTrials.gov——一個關於過去和正在進行的臨床試驗的綜合聯邦數據庫——的責任往往落在患者身上。
自然語言處理(NLP)會很有幫助提取和分析相關信息從患者的EHR記錄中,與正在進行的試驗的資格標準進行比較,並推薦匹配的研究。
事實上,從醫療記錄中提取信息——包括EHRs和實驗室圖像——是最重要的最受歡迎的應用程序的醫療保健中的人工智能.
然而,訪問患者數據的解決方案麵臨許多挑戰,包括非結構化醫療保健數據和互不通信的不同數據源。
EHR互操作性的挑戰
盡管270億美元的聯邦資助激勵計劃為了鼓勵醫院和供應商采用電子病曆,沒有標準格式或患者醫療數據的集中存儲庫。
事實上,病人仍然很難進入他們的自己的他們去過的所有醫療機構的記錄
根據《健康保險攜帶與責任法案》(HIPAA),在患者同意的情況下,數據共享是允許的。這為人工智能初創企業創造了機會分析醫療數據,並在幾分鍾內推薦合適的患者這個過程需要幾個月的時間。
然而,在機構和軟件係統之間安全地共享衛生信息(或互操作性)的問題仍然存在。2019冠狀病毒病大流行突顯了這一問題,並推動了投資者對EHR生態係統的關注.新聞中對電子病曆的提及也直線上升。
治療同一患者的不同醫院和提供者可能不使用同一EHR軟件輸入數據。在許多臨床試驗在美國,研究人員仍在通過傳真向醫院索要患者記錄,醫院通常以pdf或圖像(包括手寫筆記的圖片)的形式發回數據。
這給人工智能技術帶來了挑戰。麻省理工學院、哈佛大學、約翰霍普金斯大學和紐約大學的研究人員的一項研究強調:
“臨床病曆中存在拚寫錯誤、首字母縮略詞繁多、複製粘貼頻繁等標準的自然語言處理任務,如情感分析、詞義消歧等。”
健康的人工智能公司熨鬥健康在一份專利文件中進一步解釋了這一點:“由於傳輸方法的不同,結構化數據也可能變成非結構化數據。例如,通過傳真或轉換為隻讀文檔(如PDF)的電子表格失去了大部分結構。”
這種過時的手動係統使臨床試驗研究人員難以收集確定患者資格所需的準確數據。
初創公司正在從多個角度處理患者招聘問題。
深6人工智能使用NLP從患者記錄中提取臨床數據,如症狀、診斷和治療。它的軟件甚至可以識別出EHR數據中沒有明確提及的病情,提高了患者和臨床試驗之間的匹配率。Deep 6 AI在最新一輪融資中估值超過1.4億美元。
臨床試驗市場,比如SubjectWelloffer是另一種方法。SubjectWell的平台允許研究人員訪問預先篩選的患者。
來源:SubjectWell
少數公司正試圖通過直接麵向消費者的方式解決互操作性障礙。例如,克拉拉的健康提供患者友好的解決方案,以尋找新的治療方案。它的解決方案不僅使患者與試驗相匹配,而且在整個過程中提供持續的支持,也提高了留存率。這家公司由創始人基金而且科斯拉風險.
其他醫療保健領域的老牌企業也進入臨床試驗招募空間.23 andme現在,該公司根據其1200多萬客戶的基因,就哪些研究可能很適合他們提供建議。
其他新興的麵向消費者的招聘解決方案包括:
- 專門針對疾病的社交網絡平台是合作夥伴
- 像穀歌健康研究這樣的開源框架,哪些研究人員可以用來創建自己的應用程序進行研究
收購是獲取患者數據的一種策略
Flatiron Health解決了互操作性問題通過收購一家專注於腫瘤的電子病曆(EMR)公司女低音的解決方案在2014年。
當時,Flatiron正在向醫療保健和生命科學公司出售其雲分析平台,而Altos的EMR正在被佛羅裏達癌症專科醫院等腫瘤機構使用。該協議使Flatiron可以直接訪問患者的原始數據,而不是完全依賴第三方EMRs的訪問。
羅氏公司隨後在2018年以20多億美元收購了Flatiron來獲取真實世界的證據-從電子病曆、索賠和可穿戴傳感器產生的見解。羅氏計劃使用這些數據改善其癌症治療管道的開發。
與此同時,生物製藥公司繼續的合作夥伴來獲取病人的數據。例如,詹森製藥與顳部2020年11月,以獲得其臨床和分子患者數據庫的訪問權限,並改善患者識別。
挑戰與登記
不幸的是,當患者選擇臨床試驗時,登記挑戰並沒有結束。
為了確認是否符合資格,患者必須完成初步的電話篩選,然後在參與的網站接受真人或虛擬檢查。
每個試驗都包括每個患者必須滿足的入選和排除標準。這些術語通常充斥著醫學術語,從下麵的II期乳腺癌試驗的資格標準截圖中可以看到。
根據ClinicalTrials.gov該研究於2017年11月開始,預計於2025年5月結束,突出了試驗每個階段所涉及的時間和成本。請點擊放大。
在上麵的例子中,患者必須通過評估,如實驗室和成像測試,以確保他們滿足所有的納入和排除標準。
根據藥物的可用性和距離試驗地點的遠近,一些患者可能在不到一周的時間內完成這些手術。但對於那些有孩子、工作不靈活或通勤時間長的人來說,這個過程可能需要多次探訪。
遠程醫療服務可以幫助簡化這個過程。例如,女執事醫療係統與TytoCare將該初創公司的連接檢查工具與Deaconess Clinic LIVE(衛生係統的專有虛擬護理平台)集成。
來源:TytoCare
Tyto的設備和配套的智能手機應用程序允許被隔離的患者通過從心髒、肺、喉嚨、耳朵、皮膚和腹部采集數據來進行自己的檢查。然後,他們可以與遠程醫生實時分享結果。
像TytoCare這樣的平台可能會被證明是確定資格和進行虛擬臨床試驗的關鍵。
如果符合條件,患者簽署一份同意書,同意臨床試驗的條款。這包括對潛在副作用的認識,願意提供生物樣本,以及承擔不包括在研究預算內的任何費用。
使用AI從患者醫療記錄中提取信息的解決方案可以通過自動驗證一些納入和排除標準來幫助簡化登記過程。
藥物依從性
一旦患者參加研究,他們就會得到實驗研究藥物(或安慰劑)。
病人帶著第一個療程的藥物回家(例如,有劑量說明的30天藥瓶)和每天要填寫的日記。許多臨床研究仍然使用紙質日記而不是電子係統。
患者被要求記錄他們什麼時候服用了研究藥物,那些天還服用了什麼其他藥物,以及任何不良反應(包括頭痛、胃痛或肌肉疼痛)。
這一過程效率低下:
- 依賴於病人的記憶。當患者回到診所檢查時,研究調查員檢查他們的藥瓶,確保沒有剩餘的藥片,並查看患者的日記,看是否有空白或不一致的地方。如果日記條目中有缺失的信息,調查人員就依靠患者對事件的記憶。
- 過時的記錄係統。紙質文檔可能被放錯位置或丟失關鍵信息,是一種過時且不可靠的記錄試驗關鍵數據點的方法。
- 退出風險。經常前往臨床研究和研究地點進行定期檢查對患者的時間和金錢都是一種壓力,特別是對於從外州旅行的患者。這增加了輟學的風險。
- 額外的支付。盡管自付費用包括在患者簽署的同意書中,但許多患者並不了解這些費用的數額。例如,後續訪問期間的額外MRI和實驗室檢查可能不包括在試驗中——健康保險公司可能不包括這些檢查,因為它們是為了研究目的,而不是出於醫療需要。
不遵守藥物可對患者的健康產生不利影響,如果研究必須招募新患者,則會產生成本,並影響研究結果的準確性。
一般來說,治療效果需要80%或以上的堅持率。然而,高達50%的藥物美國規定的藥物被錯誤地服用了作為回應,臨床研究發起者正在投資於新興技術,以盡量減少不依從性。
用於藥物依從性評估的視覺、聽覺和數字顯型
一些初創公司正在提供藥物管理的視覺確認。
平台AiCure使用交互式醫療助手(IMA)根據視覺數據收集來識別有不依從風險的患者。病人用手機拍下自己吞下藥片的視頻,AiCure就會確認正確的人吃了正確的藥片。
該公司在C輪融資中籌集了2450萬美元Baird資本2019年底與科學37將於2020年4月啟動虛擬臨床試驗。
來源:AiCure
其他新興技術包括用於藥物依從性評估的數字表現型和語音分析。
ARCH Venture partners支持的心理健康初創公司Mindstrong使用數字顯型技術,根據用戶與移動設備的交互方式來測量情緒。
聽覺分析該公司最近與麻省總醫院(Mass General Hospital)合作進行肌萎縮性側索硬化症(ALS)的試驗。
人工智能和物聯網用於遠程患者監測
To使遠程監測臨床試驗患者,一些初創公司正在開發自己的監測設備和傳感器,然後添加一層機器學習來解釋數據。其他公司隻是在開發AI軟件,並與第三方家庭監控設備集成。
連接設備可以促進實時研究藥物依從性。例如,optimize.health(之前的Pillsy)推出了一款智能藥瓶,配有相應的移動應用程序,為提供者提供提醒、教育內容、劑量跟蹤和患者報告數據功能。該公司目前定位為遠程患者監測平台,於2020年8月籌集了1500萬美元的a輪融資。
其他解決方案則專注於捕捉生理數據。AliveCor該公司的可穿戴心電圖(EKG)設備將機器學習應用於實時數據,以檢測心律異常,如心房顫動(AF)。2020年4月,該公司與Medable以分散的心髒病學為中心的臨床試驗。AliveCor最近一次在去年11月獲得了6500萬美元的E輪融資。
來源:AliveCor
與此同時,紅杉資本支持型Biofourmis使用可穿戴醫療設備在其人工智能平台上跟蹤用戶的生命體征,並提供對他們健康狀況的預測洞察。
這家初創公司與香港大學合作,捕捉Covid-19患者的溫度、心率和氧含量,以檢測健康狀況的微妙變化,幫助加快病毒研究。
來源:Biofourmis
Biofourmis的平台被支付方、提供者和製藥公司用於提供關於治療效果的決策,並提供個性化護理。2020年4月,該初創公司被收購Gaido健康從武田製藥拓展腫瘤遠程監測服務。
人工智能和可穿戴設備可以實時、持續地監測患者的生理和行為變化,有可能降低現場檢查的成本、頻率和難度。
獲取報告全文
大型科技公司是如何擾亂臨床試驗的
創業公司並不是唯一致力於臨床試驗技術的公司。大型科技公司正在利用他們的移動設備構建跨越臨床試驗過程的平台。
自2015年以來,蘋果一直在圍繞iPhone和Apple Watch建立一個臨床研究生態係統,兩者都支持實時健康數據收集。它的開源框架ResearchKit和CareKit - help臨床試驗招募患者並遠程監測他們的健康狀況.
然而,最近穀歌在這個領域更加活躍。該公司建立一個臨床研究生態係統嗎通過其穀歌健康研究Android應用程序,並通過其生命科學子公司開發產品,實實在在的生命科學.
通過這些產品,穀歌可以為醫學研究人員提供患者健康數據流,這些數據到目前為止還不容易獲得。
穀歌的醫療保健數據平台
實在了項目基線2017年,通過繪製人類健康圖來推動醫學研究。到2019年中期,諾華公司賽諾菲安萬特,大塚,輝瑞與Verily合作,將其工具用於更有效的臨床試驗。該項目還與斯坦福大學醫學院、杜克大學醫學院和美國心髒協會合作。
迄今為止,Verily的一些成功產品包括fda批準的心電圖表和fda批準的不規則脈搏監測器。
2020年12月,穀歌發布了一個新的Android應用程序-穀歌健康研究-這簡化了消費者參與研究的過程,並為他們的數據如何被用於健康研究提供了透明度。
來源:穀歌
波士頓兒童醫院和哈佛醫學院已經與穀歌合作,招募Android用戶參加一項10萬人的急性呼吸道疾病研究。該研究將利用調查結果和流動性數據分析Covid-19等病原體的傳播動態。
擾亂電子病曆數據共享
穀歌最近啟動了它的醫療保健互操作性準備計劃幫助醫療保健組織了解其數據的當前狀態,並創建跨係統標準化和集成的路徑。
來源:穀歌
2020年4月,穀歌向衛生係統開放了其雲醫療API,並迅速與梅奧診所(Mayo Clinic)等頂級醫療中心簽約。這些行動遵循穀歌在2018年承諾支持醫療互操作性和數據共享標準(亞馬遜、IBM、微軟和Salesforce也簽署了該承諾)。
穀歌還與EHR供應商合作,包括我公司把他們的係統和數據上傳到雲端.這些合作關係的一個潛在最終目標可能是雙向數據流,在這種情況下,鼓勵EHR供應商將患者生成的數據集成到穀歌軟件中。
這些數據對臨床試驗意味著什麼?
移動設備的廣泛采用將穀歌置於醫療保健數據生態係統的中心,提供以前不可用的實時數據,同時還收集難以整合的EHR信息。
的使用人工智能的可能性似乎無窮無盡機器學習用於早期診斷,驅動藥物設計決策為研究招募合適的患者,並在整個研究過程中遠程監控患者的進展。
許多試驗都有一個實驗組(服用研究藥物的患者)和一個對照組(服用安慰劑的患者)。對照組的目的是建立一個基線,以便與實驗組的症狀進行比較。
病人產生的數據——像項目基線的數據——可以幫助創建數字的雙胞胎並消除了對控製組的需求,進一步減少了招聘瓶頸。
來源:忘掉
蘋果和Facebook在臨床研究和試驗方麵的舉措
對蘋果來說,臨床試驗的戰略重要性不那麼明顯。在推出開源的ResearchKit和CareKit軟件的3年內,超過500名醫生和醫學研究人員使用這些工具進行了涉及300多萬參與者的研究。
而蘋果有繼續與製藥公司合作,比如強生公司對於臨床研究,ResearchKit網站自2018年以來就沒有更新過。
另一家可能進入這一領域的科技公司是臉譜網該組織推出了預防健康工具在2019年末.鑒於Facebook收集的個人數據的深度,以及它圍繞健康問題自組織的社區,這可能是邁向臨床試驗招聘解決方案的第一步。
為什麼人工智能本身不是靈丹妙藥
的醫療保健行業在人工智能應用方麵處於領先地位從機器學習輔助診斷,到從電子健康記錄中提取信息,這些應用都在進行試驗。
特別是,利用人工智能軟件設計新藥的趨勢越來越大默克公司與公司合作Atomwise而且葛蘭素史克公司與Insilico醫學等等。
CB Insights的客戶可以使用整個醫療保健AI熱圖和分析188bet游戏在這裏.
然而,人工智能在實際臨床試驗過程中的應用仍處於早期階段。
與醫療保健的其他領域相比,直接瞄準臨床試驗領域客戶的初創公司較少。而在臨床試驗的許多方麵,需要數字化先於對人工智能的需求。
Covid-19如何影響臨床試驗技術的采用
2019冠狀病毒病大流行促進了可以提高臨床試驗效率和成本的技術的采用。
研究設計
適應性設計——涉及到進行試驗的更靈活的方法——一直是研究人員與Covid-19鬥爭的一個關鍵趨勢。
雖然傳統研究在開始下一階段前可能會嚴格規定關鍵終點和給藥方案,但適應性設計允許研究人員修改試驗進展等指標。
Regeneron製藥”而且賽諾菲的’s的一項評估Covid-19患者抗體治療的試驗遵循了適應性設計。的世界衛生組織的SOLIDARITY試驗也采用了這種模型,使用隨機的非雙盲模型來強調速度。(在雙盲研究中,研究人員和患者都不知道患者正在接受哪種治療。)
Covid-19研究計劃的另一個趨勢是使用開放的研究論壇來加快可能的發現和結論。
來源:Mendel.ai
例如,基於人工智能的臨床試驗公司Mendel.ai與DCM合資企業創建一個Covid-19搜索引擎,研究人員可以提取數據來進行各自的研究。Owkin還啟動了Covid-19開放人工智能聯盟(COAI),促進心血管並發症等關鍵研究領域的合作。
在這場全球大流行期間,隨著臨床試驗設計被置於顯微鏡下,這些舉措可以為研究人員提供學習機會,因為傳統研究設計實踐的替代方法受到了挑戰。
虛擬試驗
的covid -19推動了遠程醫療的采用遠程監測解決方案激發了人們對虛擬或分散臨床試驗的興趣。
遠程模式並不適用於所有類型的臨床試驗,例如那些需要頻繁診斷成像或其他親自評估的臨床試驗。然而,這種模式提供了一個更好地適應患者參與的機會。
虛擬試驗的潛在好處包括降低成本,擴大合格患者的網絡,以及提高患者保留率。
這個領域的一家公司是科學37該公司利用其虛擬Metasite模型提供端到端臨床試驗服務。它利用了一個由調查員、流動護士和研究協調員組成的網絡,目的是讓患者更容易獲得研究。
該公司已披露的融資總額已接近1.07億美元,投資者包括GV、安進公司,諾華製藥風險基金,Sanofi-Genzyme BioVentures.
來源:科學37
2020年4月,該公司宣布與Innovo研究以減少開始Covid-19臨床試驗所需的時間。該計劃計劃利用Innovo的全國網站和患者網絡,並應用Science 37的平台來實現這一目標。
新型冠狀病毒引發了關於技術如何解決當今臨床試驗領域的關鍵差距的新討論。隨著對這些技術的依賴增加,未來的試驗可能會被這些軟件平台重新塑造。
如果你還不是客戶注冊免費試用了解更多關於我們平台的信息。