机器学习心血管试验

写道:

Tomas Andersson.

副总统临床心血管,晚期CVRM,生物制药研发

    linkedin

哈西lea ..

Director,Data Science和AI,研发

    linkedin

安德烈亚斯Järemo

总监,产品自动事件评审,数码病人的健康,R&d

    linkedin

自动裁决心血管试验中的事件

心血管(CV)疾病的临床试验耗时和昂贵的运行,往往需要大量的患者群体,以满足来证明功效所需的统计要求。1这些试验需要强大的数据包,以实现市场的批准和登记,以获得必要的新药给患者。

在As欧洲杯微信买球trazeneca,我们有大胆的雄心壮志,彻底改变我们进行临床试验。我们侧重于我们如何做出不同的方式,并将创新带入临床发展的各个方面。应用人工智能(AI)和数据科学运行临床试验有可能使我们能够在不同阶段的过程中优化过程,意图减少整体时间。

其中的许多正在进行中的项目是我们的大计划的一部分,被称为自动化识别检测评审(AIDA),它是由以下三个因素组成的。


首先,在正在进行的简历试验中,我们想知道事件发生的那一刻。这事件嗅探器正在探索不同的方式来检测事件更快,探索使用家庭使用连接设备监控,地理围栏当病人已实际位于一段时间医院发出信号。通过我们新的临床研究支撑平台最近在我们的试验之一,我们也纳入病人自我报告呼吁统一

活动解释器目标自动数据收集和处理,从各种不同的来源集成数据。这包括结构化的数据,如年龄或性别,和非结构化数据,例如医院出院小结。非结构化数据往往是凌乱用更少的一致性,但通过训练深度学习算法来像一个死亡证明或出院小结文本中提取的生物医学实体,需要的数据进行处理。然后,将文本向量化,这意味着它变成数字,然后它可以通过被训练机器学习算法相关回来的结构化数据和运行。通过应用人工智能和机器学习技术,我们的目标是建立分析准备数据集,以加快临床试验过程。

最后,事件分类器在这里我们使用机器学习和人工智能技术来识别和分类的事件。裁决在临床试验中,尤其是当它涉及到心血管事件,可能是一个非常艰苦的过程,你必须确认患者的确出现一个特定的事件。添加到的是,在一个研究结果,对于结果的可靠性,捕捉每一个事件,并知道到底发生了什么事的患者是对结果的质量和可靠性的关键。

目前,该过程使用外部独立裁决委员会 - 即人类专家。但是,这是资源密集型,因为它是一个非常手动和迭代过程。虽然该研究正在进行,但在发生事件时可能需要多个月的时间,并且可以验证。

现在,我们首次在科学代表大会上呈现数据,比较机器学习算法与人类专家审判者之间的一致性,以在结果试验中对主要不利心血管事件进行分类。

在ESC大会2021展示海报,由欧洲心脏病学会(ESC)主办,我们的研究结果发现,有自动和专家评审之间的高一致性(> 95%AUC-ROC),展示的是基于机器学习的裁决心血管事件(缺血性中风,短暂性脑缺血发作)有收养结果试验的可能性。2

接下来,我们的研究将致力于提升机器学习模型,追求机器学习方法来裁决等疗效和安全性事件。


话题:


参考

1. Moore TJ,张H,安德森G,Alexander GC。2015 - 2016年美国食品和药物管理局批准的新型治疗药物枢轴试验的估计成本。贾马特实习生。2018年11月1日; 178(11):1451-1457。DOI:10.1001 / JAMINTERNMED.2018.3931。

2. LEA H,Meeson A,Nampally S,等人。可以加工学习心血管试验事件的扩充临床医生裁决?跨CVRM试验主要心血管不良事件(MACE)为例。ESC大会2021。


相关故事: