Команда исследователей из Стэнфордского университета, работающая с биотехнологической корпорацией Genentech, разработала систему на основе искусственного интеллекта, которая может безопасно добавлять участников клинических испытаний, которые ранее могли быть исключены. Они опубликовали свои выводы в журнале Nature ; Чуньхуа Вен и Джеймс Роджерс из Колумбийского университета опубликовали статью News & Views о работе, проделанной командой, в том же номере журнала.
В большинстве стран лекарства должны пройти клинические испытания, прежде чем они будут одобрены пациентами, чтобы показать, что они не только обеспечивают предполагаемую терапию, но и безопасны. Но, как отмечают исследователи, проводящие эти новые усилия, клинические испытания в большинстве мест, включая США, страдают одним серьезным недостатком — люди, которым вводят лекарства в ходе клинических испытаний, специально отбираются. Например, большинство клинических испытаний не допускают беременных женщин. И у большинства есть возрастные ограничения. Кроме того, большинство из них не допускают людей с условиями, отличными от тех, которые проходят тестирование. Этот процесс фильтрации уменьшает доступный пул возможных добровольцев, а также излишне исключает многих людей, которым может помочь терапия.клинические испытания .
Новая система, получившая название Trial Pathfinder, представляет собой компьютерную систему на основе искусственного интеллекта, которая сравнивает результаты выживаемости участников клинических испытаний, включенных в большую базу данных. По мере того, как система анализирует данные, она больше узнает о том, у каких пациентов с большей или меньшей вероятностью возникнут проблемы в клинических испытаниях нового препарата.на основании различных факторов, таких как возраст, вес, беременность ли они и их история болезни. Затем систему можно использовать для имитации клинического испытания с включением людей, которые ранее были бы отфильтрованы. Затем исследователи могут использовать информацию из системы при установке критериев для своих клинических испытаний в реальных условиях. Тестирование с использованием реальных данных о конкретных приложениях, таких как определенные типы рака, показало, что он способен увеличить допустимую популяцию добровольцев в таких испытаниях лекарств примерно на 53%.