机器学习如何帮助Covid-19时代的未来诊所临床试验

Covid-19大流行是我们这一代最大的全球医疗保健危机，对医学研究提出了巨大的挑战，包括临床试验。ob欧宝直播nba机器学习的进展正在提供适应临床试验的机会，并在未来揭示智慧，更快，更灵活的临床试验的基础。

在生物制药研究统计中发表的文章中，剑桥大学剑桥中心主任的数据科学家和制药行业专家的国际合作，剑桥大学的Mihaela Van der Schaar教授 - 描述了Covid的影响-19在临床上试用，并揭示了最新的机器学习(ML)方法如何有助于克服疫情带来的挑战。

这篇论文涵盖了ML可发挥作用的三个临床试验领域:用于治疗COVID-19的药物重新用途的试验，用于治疗COVID-19的试验新药治疗Covid-19，以及与Covid-19无关的药物的持续临床试验。

该团队包括来自诺华等制药公司的科学家，他们指出:“这场大流行提供了一个应用新方法的机会，可以在这种具有挑战性的情况下使用。”他们强调了在强化学习，因果推理和贝叶斯方法应用的最新进展临床试验数据。

研究人员认为，在ML中展示现有艺术状态并向路标展示他们使用ML的目前的国家不仅要解决Covid-19所提出的挑战，而且还要对一个临床试验进行临床试验，使其更有效，使其更有效，强大而灵活。

研究人员在论文中表示，COVID-19是:

• 降低试验对象和工作人员访问临床场所的能力/意愿，中断及时的数据收集或需要转向虚拟数据收集。
• 在某些情况下，会导致临床试验的延迟或完全停止。
• 揭示临床试验的标准方法——在不同的试验阶段耗时且不灵活的随机对照试验——是低效的，而且在这样的危机中是不够的。

然而，他们表示，机器学习可以:

• 支持创建“虚拟”控制组。通过将数据整合到医院，数据驱动方法可以识别接受标准治疗的患者，而是与接受实验治疗的患者相似。
• 从因大流行而暂停的临床试验数据中提取知识，以调整招募计划、样本规模和治疗分配等设计要素。
• 改进大型适应性临床试验的设计、执行和评估，以评估COVID-19的改用药物。正在进行的“团结”(世卫组织2020年)和“恢复”(牛津大学2020年)等试验在可获得治疗组随机分配的多个地点招募患者。
• 在发现COVID-19生物分子行为的模式和特征方面发挥重要作用，促进现有药物的识别和重新利用，以及在硅领域验证新药是否有效。
• 利用实验性和同情地使用药物治疗COVID-19产生的大量数据来选择未来药品靶向进一步的临床试验。来自观测数据的因果推断的ML方法尤其适合这项任务。
• 打破标准rct的多阶段范式，将试验过程转化为更高效、连续、适应性的试验-收集-再试验循环。使用ML方法可以同时了解一种新药的毒性和疗效，缩短学习时间，使其在对时间敏感的COVID-19治疗临床试验中特别有用。

“冠状病毒大流行代表着我们这一代人面临的最大全球医疗挑战，”范德夏尔说。“现在以及在不久的将来，需要确定、批准和分发针对COVID-19的治疗和疫苗。我们最近在临床试验的机器学习方面的工作显示出了巨大的前景。而当许多技术问题在本文中讨论在大流行的背景下特别严重，它们也与持续的临床实践高度相关。正是我希望机器学习不仅会改善Covid-19时代的临床试验的执行和评估，而且还超出了这一点。“

“人工智能已经在几个医学领域产生了重大影响，”合著者、诺华公司的弗兰克·布雷茨教授说。“例如，机器学习算法已被证明在解读x射线、核磁共振图像和幻灯片方面等同于或优于专业临床医生。这项新工作的目的是缩小两者之间的差距机器学习社区和从事的数据科学家临床试验受COVID-19影响或与COVID-19有关的人员。采用这些新方法对制药业至关重要，远远超过当前的大流行。我们在这一努力中所学到的将产生影响整个未来药物开发过程的益处，并改变世界各地患者的生活。”

---

---