Không có sản phẩm nào trong giỏ hàng của bạn
AI trong phát triển thuốc - Giảm thời gian và chi phí thử nghiệm
13/12/2024
Admin
Sự tiến thoái lưỡng nan về chi phí và thời gian
Chi phí cắt cổ và thời gian kéo dài liên quan đến quá trình phát triển thuốc truyền thống từ lâu đã là mối lo ngại đối với các công ty dược phẩm và các nhà nghiên cứu. Từ việc xác định mục tiêu ban đầu đến các giai đoạn cuối cùng của thử nghiệm lâm sàng, hành trình của một ứng cử viên thuốc từ phòng thí nghiệm đến giường bệnh nhân được đánh dấu bằng sự đầu tư lớn về thời gian, nguồn lực và nhân lực. Chi phí trung bình để đưa một loại thuốc mới ra thị trường đã tăng vọt lên hơn 2,5 tỷ đô la, một con số đáng kinh ngạc, nhấn mạnh gánh nặng kinh tế mà ngành công nghiệp phải đối mặt. 2Một nghiên cứu đã khám phá tác động tiềm tàng của các phương pháp thử nghiệm lâm sàng phi tập trung (DCT) đối với mốc thời gian thử nghiệm. 3 Nghiên cứu đã phân tích dữ liệu từ bảy DCT được tiến hành trên nhiều lĩnh vực điều trị khác nhau và so sánh mốc thời gian của chúng với mốc thời gian của các thử nghiệm truyền thống tại địa điểm. Kết quả cho thấy DCT có liên quan đến thời gian ghi danh ngắn hơn đáng kể, với mức giảm trung bình là 12,5 tuần so với các thử nghiệm truyền thống. Ngoài ra, DCT thể hiện thời gian khóa cơ sở dữ liệu nhanh hơn, giảm thời gian từ lần khám bệnh nhân cuối cùng (LPLV) đến khi khóa cơ sở dữ liệu trung bình là 6,2 tuần. Những phát hiện này cho thấy các phương pháp tiếp cận phi tập trung có tiềm năng đẩy nhanh mốc thời gian thử nghiệm lâm sàng và đẩy nhanh quá trình phát triển thuốc.
Việc tích hợp AI vào các quy trình phát triển thuốc không chỉ có lợi mà còn là điều bắt buộc trong bối cảnh dược phẩm ngày nay. Chi phí cao và thời gian dài liên quan đến các phương pháp tiếp cận truyền thống nhấn mạnh tính cấp thiết của việc áp dụng các giải pháp do AI thúc đẩy để thúc đẩy đổi mới, nâng cao hiệu quả và cuối cùng là cung cấp các phương pháp điều trị cứu sống cho những bệnh nhân cần. Khi các công nghệ AI tiếp tục phát triển và trưởng thành, vai trò của chúng trong việc đẩy nhanh quá trình phát triển thuốc và cải thiện kết quả điều trị cho bệnh nhân sẽ ngày càng trở nên không thể thiếu, định hình tương lai của chăm sóc sức khỏe theo những cách sâu sắc.
Giải quyết nhu cầu cấp thiết về tích hợp AI
Trong bối cảnh chi phí leo thang và thời gian kéo dài này, việc tích hợp AI nổi lên như một giải pháp mang tính chuyển đổi. Bằng cách khai thác sức mạnh của các thuật toán học máy và phân tích dữ liệu tiên tiến, các công nghệ AI có thể đẩy nhanh đáng kể các giai đoạn khác nhau của quá trình phát triển thuốc. Từ việc xác định các mục tiêu thuốc đầy hứa hẹn đến tối ưu hóa các giao thức thử nghiệm lâm sàng, các phương pháp tiếp cận do AI thúc đẩy mang đến những cơ hội vô song để hợp lý hóa hoạt động, giảm tình trạng kém hiệu quả và cuối cùng là đưa các liệu pháp mới ra thị trường nhanh hơn và tiết kiệm chi phí hơn. 4
Tối ưu hóa hoạt động với AI
Các nền tảng do AI điều khiển có tiềm năng hợp lý hóa các hoạt động trên toàn bộ quá trình phát triển thuốc, từ việc xác định mục tiêu đến tối ưu hóa thử nghiệm lâm sàng. Bằng cách tự động hóa các tác vụ thủ công, chẳng hạn như phân tích và diễn giải dữ liệu, các thuật toán AI có thể đẩy nhanh tốc độ nghiên cứu và cho phép các nhà nghiên cứu đưa ra quyết định sáng suốt hơn trong một phần nhỏ thời gian so với các phương pháp truyền thống. Hơn nữa, AI tạo điều kiện cho việc giám sát theo thời gian thực và thiết kế thử nghiệm thích ứng, cho phép điều chỉnh nhanh chóng dựa trên thông tin chi tiết về dữ liệu mới nổi, do đó giảm thời gian thử nghiệm và chi phí liên quan. 5AI trong Nhận dạng Mục tiêu
Xác định mục tiêu là bước đầu tiên quan trọng trong quá trình phát triển thuốc, trong đó các thuật toán AI phân tích các tập dữ liệu lớn để xác định mục tiêu thuốc tiềm năng với độ chính xác chưa từng có. Bằng cách xem xét kỹ lưỡng trình tự bộ gen, cấu trúc protein và tương tác phân tử, AI đẩy nhanh quá trình xác định các con đường sinh học cụ thể liên quan đến quá trình sinh bệnh.AI trong mô hình dự đoán về hiệu quả và an toàn
Các kỹ thuật mô hình dự đoán được hỗ trợ bởi AI cách mạng hóa việc đánh giá hiệu quả và hồ sơ an toàn của thuốc. Bằng cách đồng hóa dữ liệu từ nhiều nguồn khác nhau như thử nghiệm lâm sàng, hồ sơ sức khỏe điện tử và tài liệu y sinh, các thuật toán AI sẽ ngoại suy các mẫu và dự đoán cách các ứng cử viên thuốc có khả năng tương tác với các hệ thống sinh học. Khả năng dự đoán này cho phép các nhà nghiên cứu đánh giá tiềm năng điều trị của các hợp chất chính xác và nhanh chóng hơn.Đơn giản hóa thử nghiệm tiền lâm sàng và lâm sàng với AI
AI nâng cao hiệu quả của thử nghiệm tiền lâm sàng và lâm sàng bằng cách tối ưu hóa thiết kế và thực hiện thử nghiệm. Thông qua phân tích dữ liệu tiên tiến và mô hình mô phỏng, AI có thể tối ưu hóa chế độ liều lượng, tiêu chí phân tầng bệnh nhân và lựa chọn điểm cuối, do đó tối đa hóa khả năng thành công của thử nghiệm trong khi giảm thiểu việc sử dụng tài nguyên.
Các quy trình quản lý dữ liệu truyền thống trong nghiên cứu lâm sàng thường liên quan đến các quy trình làm việc phức tạp và các hệ thống khác biệt, dẫn đến tình trạng thiếu hiệu quả và chậm trễ trong quá trình xử lý dữ liệu. Các công nghệ AI hợp lý hóa các hoạt động này bằng cách hợp nhất dữ liệu từ nhiều nguồn khác nhau, chuẩn hóa các định dạng và tự động hóa các tác vụ thường xuyên như trích xuất và tích hợp dữ liệu. Thông qua xử lý ngôn ngữ tự nhiên (NLP) và các thuật toán học máy, các hệ thống AI có thể diễn giải dữ liệu phi cấu trúc từ nhiều nguồn khác nhau, bao gồm hồ sơ sức khỏe điện tử, báo cáo xét nghiệm và dữ liệu do bệnh nhân tạo ra, chuyển đổi thông tin thô thành thông tin chi tiết có thể hành động trong một phần thời gian so với khi sử dụng các phương pháp thủ công. 6
AI Giảm Sai sót và Chi phí trong Thử nghiệm Lâm sàng
Một trong những lợi ích chính của việc tích hợp AI vào quá trình phát triển thuốc là giảm thiểu lỗi và chi phí. Bằng cách tự động hóa các tác vụ lặp đi lặp lại như nhập dữ liệu, xác thực và kiểm soát chất lượng, các hệ thống AI đảm bảo tính toàn vẹn và nhất quán của dữ liệu, giảm khả năng xảy ra lỗi có thể làm giảm tính hợp lệ của các phát hiện nghiên cứu. 7 Ngoài ra, phân tích dự đoán do AI hỗ trợ có thể xác định các bất thường hoặc sai lệch tiềm ẩn theo thời gian thực, cho phép các nhà nghiên cứu giải quyết kịp thời các vấn đề và duy trì độ chính xác của dữ liệu trong suốt quá trình nghiên cứu.
Thuật toán AI tự động hóa các tác vụ thủ công, giảm đáng kể khả năng xảy ra lỗi của con người và hợp lý hóa quy trình quản lý dữ liệu. Bằng cách tự động hóa các tác vụ này, AI không chỉ đẩy nhanh quá trình phát triển thuốc mà còn giảm chi phí liên quan, giúp nghiên cứu lâm sàng dễ tiếp cận và hiệu quả hơn.
Tăng tốc phát triển phương pháp điều trị bằng AI
Tốc độ nhanh chóng của phân tích dữ liệu do AI thúc đẩy và mô hình dự đoán cho phép các nhà nghiên cứu xác định các ứng cử viên thuốc đầy hứa hẹn hiệu quả và hiệu suất hơn bao giờ hết. Bằng cách phân tích cấu trúc phân tử, trình tự gen và các con đường sinh học, các thuật toán AI có thể dự đoán tiềm năng điều trị của các hợp chất, dự đoán các tác dụng phụ và tối ưu hóa các phác đồ điều trị với độ chính xác chưa từng có. Hơn nữa, các nền tảng sàng lọc ảo do AI hỗ trợ đẩy nhanh quá trình xác định các hợp chất dẫn đầu để phát triển thêm, giảm đáng kể thời gian và nguồn lực cần thiết cho thử nghiệm và xác nhận tiền lâm sàng.Cách tiếp cận hợp lý này được AI hỗ trợ không chỉ đẩy nhanh tốc độ phát triển thuốc mà còn đẩy nhanh tiến độ phát triển phương pháp điều trị. Bằng cách đẩy nhanh quá trình xác định mục tiêu, dự đoán hiệu quả của thuốc và tối ưu hóa thiết kế thử nghiệm lâm sàng, AI đảm bảo rằng các phương pháp điều trị cứu sống bệnh nhân đến được với bệnh nhân nhanh hơn, giải quyết các nhu cầu y tế chưa được đáp ứng hiệu quả hơn.
Tóm lại, việc tích hợp AI là điều không thể thiếu để đẩy nhanh các giai đoạn phát triển thuốc khác nhau, mang đến những cơ hội vô song để giảm chi phí, đẩy nhanh tiến độ và cải thiện kết quả cho bệnh nhân. Từ việc xác định mục tiêu đến tối ưu hóa thử nghiệm lâm sàng, các phương pháp tiếp cận do AI thúc đẩy đang cách mạng hóa quy trình phát triển thuốc, mở đường cho các phương pháp điều trị hiệu quả hơn cho vô số bệnh. Khi công nghệ AI tiếp tục phát triển, vai trò của chúng trong việc định hình tương lai của quá trình phát triển thuốc sẽ ngày càng trở nên quan trọng, thúc đẩy sự đổi mới và tiến bộ trong khoa học y tế.
Mở rộng quyền truy cập vào các thử nghiệm lâm sàng thông qua các sáng kiến do AI thúc đẩy
Trong các thử nghiệm lâm sàng, việc đảm bảo sự tham gia rộng rãi và toàn diện là tối quan trọng đối với sự thành công của các nghiên cứu và sự phát triển của liệu pháp mới. Tuy nhiên, các mô hình thử nghiệm lâm sàng truyền thống thường phải đối mặt với những rào cản đáng kể hạn chế sự tham gia, đặc biệt là trong các nhóm dân số chưa được đại diện đầy đủ. Tận dụng các phương pháp tiếp cận do AI thúc đẩy như tham gia từ xa và thử nghiệm phi tập trung cung cấp một giải pháp đầy hứa hẹn để giải quyết những thách thức này và mở rộng khả năng tiếp cận các thử nghiệm lâm sàng cho nhóm bệnh nhân đa dạng hơn.
1. Tham gia từ xa
Tham gia từ xa đề cập đến việc sử dụng công nghệ viễn thông để cho phép bệnh nhân tham gia thử nghiệm lâm sàng ngay tại nhà hoặc cơ sở chăm sóc sức khỏe địa phương, loại bỏ nhu cầu phải thường xuyên đến thăm trực tiếp các địa điểm thử nghiệm lâm sàng. 8 Nền tảng tham gia từ xa do AI điều khiển tận dụng các công cụ chăm sóc sức khỏe từ xa tiên tiến, thiết bị đeo được và ứng dụng di động để tạo điều kiện thuận lợi cho việc thu thập dữ liệu từ xa, theo dõi và thu hút bệnh nhân trong suốt quá trình thử nghiệm.Bằng cách xóa bỏ rào cản địa lý và giảm thiểu những thách thức về mặt hậu cần liên quan đến việc đi lại và thăm khám trực tiếp, các nền tảng tham gia từ xa trao quyền cho bệnh nhân từ nhiều nền tảng khác nhau tiếp cận các phương pháp điều trị tiên tiến và đóng góp vào nghiên cứu y khoa mà không làm gián đoạn cuộc sống hàng ngày của họ. Hơn nữa, các thuật toán AI có thể phân tích dữ liệu bệnh nhân theo thời gian thực được thu thập từ xa, cho phép các nhà nghiên cứu theo dõi sự an toàn của bệnh nhân, việc tuân thủ các phác đồ điều trị và tiến triển của bệnh hiệu quả hơn, do đó nâng cao chất lượng chung của dữ liệu thử nghiệm lâm sàng.
2. Thử nghiệm phi tập trung
Các thử nghiệm phi tập trung đại diện cho sự thay đổi mô hình trong thiết kế thử nghiệm lâm sàng, chuyển từ các mô hình tập trung vào địa điểm truyền thống sang phương pháp tiếp cận tập trung vào bệnh nhân hơn. Trong các thử nghiệm phi tập trung, việc chăm sóc bệnh nhân và thu thập dữ liệu diễn ra tại các cơ sở chăm sóc sức khỏe địa phương, chẳng hạn như bệnh viện cộng đồng, phòng khám hoặc thậm chí là nhà của bệnh nhân, dưới sự giám sát của các chuyên gia chăm sóc sức khỏe được đào tạo.Các nền tảng thử nghiệm phi tập trung do AI điều khiển tận dụng các công nghệ tiên tiến như hồ sơ sức khỏe điện tử (EHR), nền tảng y tế từ xa và thiết bị theo dõi từ xa để tạo điều kiện thu thập dữ liệu liền mạch, theo dõi bệnh nhân và tuân thủ giao thức. Bằng cách tích hợp các thuật toán AI để phân tầng bệnh nhân, lựa chọn địa điểm và đánh giá rủi ro, các nền tảng này cho phép các nhà tài trợ xác định những người tham gia thử nghiệm phù hợp, tối ưu hóa các giao thức thử nghiệm và giảm thiểu rủi ro tiềm ẩn hiệu quả hơn. 9
3. Tăng cường tính đa dạng và hòa nhập
Một trong những lợi thế quan trọng nhất của việc tham gia từ xa do AI thúc đẩy và các thử nghiệm phi tập trung là tiềm năng tăng cường tính đa dạng và hòa nhập trong nghiên cứu lâm sàng. 10 Bằng cách tận dụng các công nghệ y tế kỹ thuật số và các công cụ viễn thông, những cách tiếp cận này giúp việc tham gia thử nghiệm lâm sàng dễ tiếp cận hơn đối với những cá nhân đến từ nhiều hoàn cảnh kinh tế xã hội, vị trí địa lý và bối cảnh văn hóa khác nhau.Hơn nữa, các thuật toán AI có thể phân tích các tập dữ liệu lớn để xác định các mô hình và xu hướng liên quan đến đặc điểm nhân khẩu học của bệnh nhân, tỷ lệ mắc bệnh và sự chênh lệch trong chăm sóc sức khỏe, cho phép các nhà nghiên cứu thiết kế các chiến lược tuyển dụng có mục tiêu hơn và điều chỉnh các giao thức thử nghiệm để đáp ứng nhu cầu của các nhóm dân số chưa được đại diện. Bằng cách thúc đẩy tính đa dạng và bao gồm lớn hơn trong các thử nghiệm lâm sàng, các phương pháp tiếp cận do AI thúc đẩy không chỉ nâng cao khả năng khái quát hóa các phát hiện nghiên cứu mà còn đảm bảo rằng các liệu pháp mới an toàn, hiệu quả và có thể tiếp cận được với tất cả bệnh nhân, bất kể lý lịch hay hoàn cảnh của họ.
Các phương pháp tiếp cận do AI thúc đẩy như tham gia từ xa và thử nghiệm phi tập trung hứa hẹn sẽ mở rộng khả năng tiếp cận các thử nghiệm lâm sàng và thúc đẩy tính đa dạng và hòa nhập trong nghiên cứu y khoa. Bằng cách khai thác sức mạnh của công nghệ y tế kỹ thuật số và phân tích tiên tiến, các phương pháp tiếp cận sáng tạo này có tiềm năng cách mạng hóa bối cảnh thử nghiệm lâm sàng, đẩy nhanh quá trình phát triển các liệu pháp cứu sống và cải thiện kết quả sức khỏe cho bệnh nhân trên toàn thế giới.
Trao quyền cho các thử nghiệm lâm sàng: Vai trò của các nền tảng do AI thúc đẩy
Trong thế giới nghiên cứu lâm sàng phát triển nhanh chóng, các nhà tài trợ dược phẩm sinh học liên tục tìm kiếm các giải pháp sáng tạo để hợp lý hóa hoạt động, nâng cao chất lượng dữ liệu và đảm bảo tuân thủ các tiêu chuẩn quy định. Trong những năm gần đây, việc tích hợp trí tuệ nhân tạo (AI) và tự động hóa vào các nền tảng thử nghiệm lâm sàng đã nổi lên như một bước ngoặt, cung cấp một giải pháp toàn diện để đáp ứng những nhu cầu đang phát triển này. Các nền tảng khai thác sức mạnh của AI tạo sinh và tự động hóa có tiềm năng cách mạng hóa các thử nghiệm lâm sàng bằng cách nâng cao hiệu quả, cải thiện chất lượng dữ liệu và đảm bảo tuân thủ các yêu cầu quy định.
1. Nâng cao hiệu quả
Các nền tảng do AI thúc đẩy tận dụng các thuật toán tiên tiến và kỹ thuật học máy để tự động hóa các tác vụ lặp đi lặp lại, hợp lý hóa quy trình làm việc và tối ưu hóa việc phân bổ tài nguyên trong suốt vòng đời thử nghiệm lâm sàng. Bằng cách tự động hóa các quy trình thủ công như nhập dữ liệu, lập tài liệu và báo cáo, các nền tảng này cho phép các nhóm nghiên cứu tập trung thời gian và chuyên môn của họ vào các hoạt động chiến lược hơn, chẳng hạn như thiết kế giao thức, tuyển dụng bệnh nhân và phân tích dữ liệu. Điều này không chỉ đẩy nhanh tốc độ của các thử nghiệm lâm sàng mà còn giảm chi phí hoạt động và cải thiện hiệu quả chung.Hơn nữa, phân tích dự đoán do AI cung cấp có thể phân tích dữ liệu thử nghiệm lịch sử để xác định các mô hình, xu hướng và rủi ro tiềm ẩn, cho phép các nhà tài trợ chủ động giải quyết các thách thức và tối ưu hóa các giao thức thử nghiệm theo thời gian thực. Bằng cách cung cấp thông tin chi tiết có thể hành động và các công cụ hỗ trợ quyết định, các nền tảng do AI điều khiển trao quyền cho các nhà tài trợ đưa ra quyết định sáng suốt một cách nhanh chóng, giảm thiểu sự chậm trễ và tối đa hóa khả năng thành công của thử nghiệm. 11
2. Đảm bảo chất lượng
Chất lượng là tối quan trọng trong nghiên cứu lâm sàng, vì tính chính xác và độ tin cậy của dữ liệu thử nghiệm tác động trực tiếp đến sự chấp thuận của cơ quan quản lý và sự an toàn của bệnh nhân. Các nền tảng do AI điều khiển đóng vai trò quan trọng trong việc đảm bảo chất lượng dữ liệu bằng cách triển khai các kiểm tra, xác thực và kiểm toán tự động trong suốt quá trình thử nghiệm. Bằng cách đánh dấu sự không nhất quán, lỗi và sự khác biệt theo thời gian thực, các nền tảng này cho phép các nhà tài trợ xác định và khắc phục sự cố kịp thời, duy trì tính toàn vẹn và độ tin cậy của dữ liệu thử nghiệm.Hơn nữa, các thuật toán AI có thể phân tích các tập dữ liệu phức tạp để phát hiện các mô hình chỉ ra các biến cố bất lợi, hiệu quả điều trị và kết quả của bệnh nhân, cung cấp những hiểu biết có giá trị về tính an toàn và hiệu quả của các liệu pháp điều tra. Bằng cách liên tục theo dõi và phân tích dữ liệu thử nghiệm, các nền tảng do AI điều khiển cho phép các nhà tài trợ xác định các xu hướng mới nổi, dự đoán các rủi ro tiềm ẩn và tối ưu hóa các giao thức thử nghiệm để tăng cường sự an toàn và sức khỏe của bệnh nhân.
3. Đảm bảo tuân thủ
Việc tuân thủ các tiêu chuẩn và hướng dẫn theo quy định là điều cần thiết trong nghiên cứu lâm sàng để đảm bảo an toàn cho bệnh nhân, tính toàn vẹn của dữ liệu và hành vi đạo đức. Các nền tảng do AI thúc đẩy tạo điều kiện tuân thủ bằng cách tự động hóa báo cáo theo quy định, lập tài liệu và tạo dấu vết kiểm toán, đảm bảo rằng các nhà tài trợ tuân thủ các quy định và hướng dẫn có liên quan trong suốt quá trình thử nghiệm. 12Hơn nữa, các thuật toán AI có thể phân tích các giao thức thử nghiệm, biểu mẫu đồng ý có thông tin và các tài liệu quy định để xác định các vấn đề tuân thủ tiềm ẩn và sự khác biệt, cho phép các nhà tài trợ giải quyết các vấn đề này một cách chủ động. Bằng cách cung cấp thông tin chi tiết theo thời gian thực về việc tuân thủ quy định, các nền tảng do AI điều khiển cho phép các nhà tài trợ giảm thiểu rủi ro, giảm thiểu sự giám sát của cơ quan quản lý và duy trì sự tin tưởng của các cơ quan quản lý.
Các nền tảng tích hợp AI tạo sinh và tự động hóa cung cấp giải pháp toàn diện để nâng cao hiệu quả, chất lượng và tuân thủ trong các thử nghiệm lâm sàng. Bằng cách tự động hóa các tác vụ thủ công, tối ưu hóa quy trình làm việc và cung cấp thông tin chi tiết có thể hành động, các nền tảng này trao quyền cho các nhà tài trợ để hợp lý hóa hoạt động, cải thiện chất lượng dữ liệu và đảm bảo tuân thủ các tiêu chuẩn quy định. Khi nghiên cứu lâm sàng tiếp tục phát triển, các nền tảng do AI thúc đẩy sẽ đóng vai trò ngày càng quan trọng trong việc định hình tương lai của quá trình phát triển thuốc và đổi mới y tế.
Phần kết luận
Tóm lại, việc tích hợp các công nghệ AI đại diện cho một bước tiến mang tính chuyển đổi trong quá trình phát triển thuốc, hứa hẹn sẽ cách mạng hóa toàn bộ quy trình từ đầu đến cuối. Bằng cách đẩy nhanh quá trình xác định mục tiêu, tối ưu hóa thiết kế thử nghiệm lâm sàng và tăng cường tuyển dụng bệnh nhân, AI có tiềm năng giảm đáng kể thời gian và chi phí liên quan đến các phương pháp phát triển thuốc truyền thống. Hơn nữa, các phương pháp tiếp cận do AI thúc đẩy có thể thúc đẩy tính bao trùm bằng cách tiếp cận các nhóm dân số chưa được đại diện và đảm bảo sự tham gia đa dạng vào các thử nghiệm lâm sàng. Khi chúng ta nắm bắt những tiến bộ này, chúng ta tiến gần hơn đến một tương lai mà quá trình phát triển thuốc không chỉ hiệu quả hơn mà còn phản ánh tốt hơn nhu cầu đa dạng của bệnh nhân trên toàn thế giới.
Tài liệu tham khảoLamberti MJ, Wilkinson M, Donzanti BA, Wohlhieter GE, Parikh S, Wilkins RG, et al. Nghiên cứu về ứng dụng và sử dụng trí tuệ nhân tạo để hỗ trợ phát triển thuốc. Liệu pháp lâm sàng. 2019 tháng 8;41(8):1414–26.
Robinson R, Sacks L. Thử nghiệm lâm sàng phi tập trung trong quá trình phát triển thuốc và sản phẩm sinh học. Đổi mới điều trị và khoa học quản lý (Bản in). 2024 tháng 2 ngày 2;
de las Heras B, Daehnke A, Saini KS, Harris M, Morrison K, Aguilo A, et al. Vai trò của các thử nghiệm lâm sàng phi tập trung trong phát triển thuốc điều trị ung thư: Kết quả từ một cuộc khảo sát các bác sĩ ung thư và bệnh nhân. DIGITAL HEALTH. 2022 tháng 1; 8: 205520762210999.
Tade RS, Jain SN, Satyavijay JT, Shah PN, Bari TD, Patil TM, et al. Trí tuệ nhân tạo trong sự thay đổi mô hình của khoa học dược phẩm: Một đánh giá. Y sinh học nano và kỹ thuật. 2024 tháng 3 1;16(1):64–77.
Nam KH, Kim DH, Choi BK, Han IH. Internet vạn vật, chỉ số sinh học kỹ thuật số và trí tuệ nhân tạo trong cột sống: Quan điểm hiện tại và tương lai. Neurospine [Internet]. 2019 Tháng 12 1;16(4):705–11. Có tại: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6944984/
Itchhaporia D. Trí tuệ nhân tạo trong tim mạch. Xu hướng trong Y học tim mạch. Tháng 11 năm 2020;
Shaheen MY. Ứng dụng của Trí tuệ nhân tạo (AI) trong chăm sóc sức khỏe: Một bài đánh giá. ScienceOpen Preprints [Internet]. 25 tháng 9 năm 2021;1. Có tại: https://www.scienceopen.com/hosted document?doi=10.14293/S2199-1006.1.SOR-.PPVRY8K.v1
Zoppo G, Marrone F, Pittarello M, Farina M, Uberti A, Demarchi D, và cộng sự. Công nghệ AI để đánh giá và theo dõi lâm sàng từ xa. Tạp chí chăm sóc vết thương. 2020 ngày 2 tháng 12;29(12):692–706.
Askin S, Burkhalter D, Calado G, Samar El Dakrouni. Trí tuệ nhân tạo ứng dụng vào thử nghiệm lâm sàng: cơ hội và thách thức. Trí tuệ nhân tạo ứng dụng vào thử nghiệm lâm sàng: cơ hội và thách thức. 28 tháng 2 năm 2023;
Washington V, Franklin JB, Huang ES, Mega JL, Abernethy A. Đa dạng, Công bằng và Hòa nhập trong Nghiên cứu Lâm sàng: Con đường hướng tới Sức khỏe Chính xác cho Mọi người. Dược lý Lâm sàng & Trị liệu. 24 tháng 11 năm 2022;113(3).
Chopra H, Annu, Dong Kil Shin, Munjal K, Choudhary P, Kuldeep Dhama, et al. Cách mạng hóa các thử nghiệm lâm sàng: vai trò của AI trong việc thúc đẩy các đột phá y tế Tạp chí quốc tế về phẫu thuật. 2023 ngày 9 tháng 10;
Patil RS, Kulkarni SB, Gaikwad VL. Trí tuệ nhân tạo trong các vấn đề quản lý dược phẩm. Drug Discovery Today [Internet]. 2023 1 tháng 9; 28 (9): 103700. Có tại: https://www.sciencedirect.com/science/article/pii/S1359644623002167?casa_token=sMDo25WUVVIAAAAA: O_3kcrUQc60aGSqs9i-8eYeeTd3UWZoGl4eGdGPilFXRpOQ2WAWsVbXUIP JhmkAqXVHBFRDiNU
Chi tiết tác giả
Harsha K Rajasimha, Tiến sĩ, Nhà sáng lập và Giám đốc điều hành-Jeeva Clinical Trials
Tiến sĩ Harsha K Rajasimha là Nhà sáng lập kiêm Tổng giám đốc điều hành của Jeeva Clinical Trials (https://jeevatrials.com), một công ty khởi nghiệp được đầu tư mạo hiểm với sứ mệnh cách mạng hóa các thử nghiệm lâm sàng, cải thiện đáng kể hiệu quả và khả năng tiếp cận phổ quát với phần mềm thống nhất có khả năng nghiên cứu lâm sàng kỹ thuật số dành cho các nhà tài trợ dược phẩm sinh học và thiết bị y tế. Harsha là người ủng hộ mạnh mẽ cho việc phát triển thuốc tập trung vào bệnh nhân cho các bệnh hiếm và phổ biến bao gồm cả ung thư. Ông chủ trì Hội nghị thượng đỉnh RARE bắc cầu Ấn Độ-Hoa Kỳ hàng năm (https://summit. indousrare.org) để tập hợp các bên liên quan chính lại với nhau để giải quyết những thách thức lớn.
Chi tiết xuất bản Bài viết này xuất hiện trên Pharmaceutical Outsourcing: Tập 25, Số 3 Tháng 7/8/9 năm 2024Số trang: 12-15
