Các thử nghiệm nhanh hơn, tốt hơn, dịch tễ học dược lý nâng cao và nghiên cứu xuyên biên giới đầy tham vọng hơn chỉ là một số trường hợp có thể sử dụng dữ liệu tổng hợp

By Andrew đá on Tháng 22, 2022

Hãy sẵn sàng cho công nghệ dữ liệu mới bắt đầu hành trình vượt qua chu kỳ cường điệu: dữ liệu tổng hợp. 

Theo Gartner, dữ liệu tổng hợp sẽ chiếm 60% tổng số dữ liệu được sử dụng trong mọi hoạt động phát triển AI vào năm 2024. Facebook đang bắt tay vào hành động, gần đây mua lại công ty khởi nghiệp dữ liệu tổng hợp AI.Reverie.

Được áp dụng rộng rãi, thuật ngữ này đề cập đến những cách mà dữ liệu không có sẵn trong cài đặt thế giới thực hoặc không dễ dàng có sẵn có thể được tạo ra để phát triển những hiểu biết và giải pháp mới cho các vấn đề trong thế giới thực.

Dữ liệu tổng hợp cung cấp các phương tiện để tạo ra dữ liệu bị thiếu hoặc hiếm gây cản trở nhiều sản phẩm AI hoặc nỗ lực RWE. Dịch vụ tài chính AI sẽ không phát hiện ra những hành vi gian lận hiếm gặp khi không có hoặc có quá ít dữ liệu để huấn luyện thuật toán. Nhập dữ liệu tổng hợp. Tương tự như vậy, với những điều kiện hiếm gặp nhưng đầy thách thức được sử dụng để huấn luyện ô tô tự lái để chúng có thể lái trong điều kiện thực tế mà không giết chết bạn.

Các ứng dụng của dữ liệu tổng hợp cũng đang hấp dẫn trong khoa học đời sống và năm nay, nhiều nền tảng điện toán lớn và một loạt công ty cung cấp dữ liệu chăm sóc sức khỏe sẽ khởi động các nỗ lực dữ liệu tổng hợp mới bao gồm Aetion, Syntegra, MDClone và Phesi.

Nhanh hơn, sâu hơn, phong phú hơn 
Khả năng của dữ liệu tổng hợp là bắt chước các đặc điểm của một tập dữ liệu thực nhưng với thông tin riêng tư hoặc nhạy cảm bị loại bỏ, khiến dữ liệu này trở thành một giải pháp thay thế tốt để xử lý các mẫu dữ liệu bệnh nhân thực ở cấp độ cá nhân lớn nhưng nhạy cảm.

Giảm thiểu hoặc thậm chí tránh hoàn toàn những lo ngại và hạn chế tuân thủ như vậy có thể mở ra những hướng nghiên cứu mới. Theo nghĩa này, nó khác với dữ liệu đã được hủy nhận dạng vì nó được tạo từ đầu thay vì dựa trên hồ sơ bệnh nhân riêng lẻ và do đó không thể hủy ẩn danh.

Josh Rubel, Giám đốc Thương mại của MDClone cho biết: “Nó mở ra quy trình mà các công ty dược phẩm tuân theo khi thực hiện nghiên cứu RWE”. “Nó cho phép họ khám phá, điều chỉnh và nhắm mục tiêu vào những gì họ đang làm. Nó hữu ích cho việc xác định phạm vi dự án, lựa chọn địa điểm, hỗ trợ nghiên cứu hoặc xác định xem các tiêu chí đưa vào có thực tế hay không trước khi bạn thực hiện các bước lớn trong việc đảm bảo quyền truy cập vào dữ liệu bệnh nhân hoặc tham gia với ủy ban đạo đức.”

Ông cho biết thêm, nó cũng sẽ được sử dụng trong việc cải thiện độ chính xác của mô hình học máy/học sâu bằng cách tăng kích thước tập dữ liệu huấn luyện.

Các ứng dụng tiềm năng của dữ liệu tổng hợp cho dược phẩm bao gồm:

Craig Lipset, Cố vấn và Người sáng lập của tổ chức Đổi mới lâm sàng, cho biết: Sử dụng dữ liệu tổng hợp để tạo ra cánh tay điều khiển có thể mang lại lợi ích cho cả người vận hành và bệnh nhân. Đối tác. “Khả năng giảm kích thước của cánh tay điều khiển bằng cách bổ sung dữ liệu tổng hợp hoặc thay thế nhu cầu về nó đang thu hút bệnh nhân và người vận hành.” 

Ông nói, khi tham gia vào một thử nghiệm như vậy, bệnh nhân sẽ nhận được tiêu chuẩn chăm sóc cao hơn. “Tổng hợp dữ liệu từ dữ liệu EHR và các nguồn khác có thể là một giải pháp hay. Chúng tôi có thể lấp đầy các khoảng trống dữ liệu và đảm bảo dữ liệu được tổ chức tốt hơn để phù hợp với nhu cầu của chúng tôi.”

Rubel cho biết: Lựa chọn và tuyển dụng địa điểm – Việc xác định nhanh hơn các nhóm bệnh nhân có triển vọng để phát triển thuốc mới có thể giúp cải thiện việc lựa chọn và tuyển dụng địa điểm thử nghiệm. “Thay vì làm việc với các nhà tổng hợp hoặc tài trợ cho một nghiên cứu lâm sàng, các công ty khoa học đời sống có thể đăng ký hệ thống y tế và nhận RWD từ nguồn và thực hiện theo cách không ảnh hưởng đến quyền riêng tư của bệnh nhân mà còn cung cấp dữ liệu chi tiết, phong phú để hiểu nhanh hơn. những gì đang xảy ra ở cấp độ thị trường.”

Kiểm tra giả thuyết - Dữ liệu tổng hợp cũng sẽ cung cấp một cách nhanh chóng để kiểm tra một ý tưởng một cách nhanh chóng và không tốn kém, Jon D. Morrow, MD, Phó chủ tịch cấp cao, Y tế và Tin học, MDClone cho biết. “Sẽ rất hữu ích trong việc hiểu những gì đang xảy ra trong một nhóm dân số để kiểm tra giả thuyết, nơi bạn không biết chính xác những câu hỏi mình muốn hỏi. Một môi trường tổng hợp cho phép điều đó xảy ra. Nó có thể cung cấp một con đường nhanh chóng để tìm thấy điều gì đó thú vị.”

Đào tạo AI và các thuật toán học máy – Morrow cho biết có thể sử dụng các bộ dữ liệu tổng hợp để đào tạo AI và sau đó áp dụng những bài học mà nó đã học được vào cuộc sống thực. “Nó nhanh hơn, ít tốn kém hơn [và tất cả] mà không ảnh hưởng đến quyền riêng tư của bệnh nhân. Tôi có thể lấy một quần thể tổng hợp và sử dụng nó để huấn luyện mô hình học máy, sau đó áp dụng nó cho bệnh nhân thực và nhận được kết luận có giá trị tương đương. Nó cho phép bạn lấy dữ liệu từ nhiều nguồn khác nhau và bạn phát triển các mô hình mạnh mẽ và thông minh hơn.”

Dịch tễ học dược lý học – Khi làm việc ở cấp độ đoàn hệ hoặc dân số, việc tận dụng dữ liệu tổng hợp để phân tích hành trình của bệnh nhân và lịch sử tự nhiên của bệnh sẽ đơn giản hơn và chia sẻ điều này giữa các nhóm mà không cần lo lắng về việc xác định cá nhân, Aaron nói Kamauu, Cố vấn và Giám đốc điều hành tại Ikaika Health. “Khi chúng tôi tách bạch vấn đề về quyền riêng tư và bảo mật của bệnh nhân, chúng tôi có thể chia sẻ và sử dụng dữ liệu rộng rãi hơn giữa các đơn vị khác nhau mà không phải lo lắng về các quy định liên quan đến dữ liệu bệnh nhân.”

Các dự án nghiên cứu liên tổ chức và xuyên biên giới – Vì rào cản lớn đối với nghiên cứu đa tổ chức hoặc đa dân số trên quy mô lớn là mối lo ngại về bảo mật dữ liệu bệnh nhân và việc các HCP không sẵn lòng chia sẻ dữ liệu đó với dược phẩm, dữ liệu tổng hợp mở ra những khả năng mới ở đây, Morrow nói. “Bạn có thể không cần phải đến IRB hoặc ủy ban đạo đức để có quyền truy cập vào dữ liệu tổng hợp trước khi thực hiện nghiên cứu của mình và bạn có quyền truy cập vào nhiều dữ liệu hơn vì sẽ có nhiều đối tác sẵn sàng tham gia hơn.”

----

Cả nghệ thuật và khoa học
Mặc dù về mặt lý thuyết, các trường hợp sử dụng có thể rộng rãi nhưng dữ liệu tổng hợp là một lĩnh vực mới nổi. Các phương pháp phức tạp để tạo tập dữ liệu tổng hợp vẫn đang được phát triển và các 'hương vị' khác nhau của dữ liệu tổng hợp có thể được tạo ra tùy thuộc vào phương pháp.

Ở đây cần phải hết sức cẩn thận để đảm bảo một quần thể tổng hợp bảo tồn các đặc tính của quần thể thực ở những nơi cần thiết, bao gồm cả mối quan hệ qua lại giữa các biến nhìn thấy và không nhìn thấy. Morrow nói: “Đó là nơi chứa đựng nghệ thuật và khoa học về dữ liệu tổng hợp. “Nếu bạn làm sai, bạn sẽ nhận được một quần thể không khớp với cá thể đó hoặc bạn có thể xác định được chúng. Nếu bạn làm đúng, nó sẽ phản ánh dân số mà không tiết lộ danh tính của từng bệnh nhân.”

Ngoài nhu cầu ngành phát triển các phương pháp mạnh mẽ để tạo dữ liệu tổng hợp, các cơ quan quản lý cũng cần hiểu rõ cách tạo ra các bộ dữ liệu tổng hợp, cùng với cách sử dụng thực tế và độ tin cậy của chúng. Rubel nói: “Ngày nay không có cơ quan quản lý nào chỉ chấp nhận dữ liệu tổng hợp như một phần của quá trình đệ trình RWE và không có sự đồng thuận”.

Lipset đồng ý rằng cả hai đều là điều kiện tiên quyết để ứng dụng rộng rãi. “Chúng tôi sẽ cần xây dựng niềm tin với cơ quan quản lý xung quanh các thuật toán xây dựng nó và dược phẩm cần xây dựng niềm tin của chính họ trước khi chuyển sang cơ quan quản lý và mong đợi họ mua dữ liệu này.”

Kamauu cho biết, chìa khóa cho tất cả những điều này là dữ liệu trong thế giới thực đáng tin cậy mà từ đó dữ liệu tổng hợp hữu ích có thể được tạo ra. “Để tạo ra dữ liệu tổng hợp đáng tin cậy, bạn cần có dữ liệu thực tế đáng tin cậy. Nếu có sự lộn xộn trong các tập dữ liệu thực thì khó khắc phục được điều này khi tạo dữ liệu tổng hợp.”

Con đường phía trước
Lipset cho biết, do lĩnh vực này còn non trẻ, khung thời gian mà các nhà cung cấp dược phẩm và y tế có thể mong đợi sử dụng dữ liệu tổng hợp trong việc đệ trình quy định có thể sẽ kéo dài khoảng một thập kỷ. “Chúng ta sẽ chứng kiến ​​ba năm thử nghiệm và ba năm xây dựng bằng chứng và niềm tin nữa.”

Trước khi sẵn sàng sử dụng rộng rãi, dữ liệu tổng hợp cũng có thể được sử dụng lặp đi lặp lại cho một lĩnh vực triển khai và bệnh tật tại một thời điểm bằng cách thử nghiệm và thí điểm cùng với các dự án nghiên cứu và phát triển, sau đó đánh giá mức độ hoàn thiện và tính hữu dụng của nó. Điều này có thể được thực hiện mà không gặp rủi ro vì nó không cần phải gắn liền với sự thành công của thử nghiệm, nghiên cứu hoặc dự án và do đó có nguy cơ thất bại.

“Không phải là tất cả hoặc không có gì,” Lipset nói. “Chúng ta có thể bắt đầu thử nghiệm tạo ra các cánh tay điều khiển tổng hợp gần như là cánh tay thứ ba. Càng làm điều đó, chúng tôi càng có thể tạo ra sự tự tin.”

Nhưng nó đã tìm thấy các trường hợp sử dụng sớm. Một ví dụ hiện tại là sáng kiến ​​Hợp tác đoàn hệ COVID quốc gia, hay NC3, đã tạo ra một số dữ liệu tổng hợp để giúp các nhà nghiên cứu nghiên cứu các yếu tố nguy cơ tiềm ẩn, yếu tố bảo vệ và hậu quả sức khỏe lâu dài của bệnh.

Kamauu cho biết, một cách sử dụng ngắn hạn khác là tiềm năng của nó được sử dụng để mở rộng số lượng Nghiên cứu Kết quả và Kinh tế Y tế (HEOR) cũng như nghiên cứu dịch tễ học dược lý mà dược phẩm có thể thực hiện. “Đây là những điều tôi nghĩ đến hàng đầu về khả năng giành chiến thắng nhanh chóng.”

Kamauu cho biết thêm, phạm vi mà dữ liệu tổng hợp cung cấp để hình dung lại cách thực hiện nghiên cứu bằng cách giải phóng dữ liệu và tăng tốc thời gian nghiên cứu sẽ kích thích sự suy nghĩ và khám phá của tất cả các công ty dược phẩm.

“Có cơ hội để mọi người tham gia và đánh giá xem liệu trước đây họ có bị còng tay khi hỏi một số câu hỏi nhất định vì lý do chậm trễ hoặc đồng ý về quyền riêng tư hay không. Nó cho phép bạn xem xét lại các giả định về cách bạn có thể sử dụng bằng chứng thực tế. Bạn có thể đang thực hiện 50 dự án nhưng muốn thực hiện 100 dự án. Nếu cơ sở hạ tầng về quyền riêng tư tồn tại ngày nay có thể bị loại bỏ khỏi phương trình thì bạn có thể làm gì? Câu trả lời là còn rất nhiều nữa.”

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• EVM tài chính. Giao diện hợp nhất cho tài chính phi tập trung. Truy cập Tại đây.
• Tập đoàn truyền thông lượng tử. Khuếch đại IR/PR. Truy cập Tại đây.
• PlatoAiStream. Thông minh dữ liệu Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• nguồn: https://www.reutersevents.com/pharma/clinical/synthetic-data-pharmas-next-big-thing