临床试验中的试验性药物用于COPD:人工智能通过机器学习方法来预测从早期开发阶段到批准的成功进展
Luigino Calzetta1, Elena Pistocchini2, Alfredo Chetta1
1Department of Medicine and Surgery, University of Parma, Parma, Italy.
机器学习模型预测,一些治疗慢性阻塞性肺病 (COPD) 的新药具有中度至非常高的批准概率. 这些包括MABA,ICS/MABA和PDE3/4抑制剂疗法,其潜在批准时间不超过2025年.
科学领域:
- 肺部医学 肺部医学
- 药理学 药理学是指药理学的学科.
- 人工智能在药物开发中的作用
背景情况:
- 慢性阻塞性肺病 (COPD) 需要新的治疗方法来有效控制疾病的进展.
- 针对COPD的现有药物开发在预测临床成功方面面临挑战.
研究的目的:
- 利用机器学习 (ML) 模型来预测COPD试验药物的临床开发成功.
- 为了确定COPD候选药物,具有很高的监管批准概率.
主要方法:
- 在clinicaltrials.gov的系统搜索中,从2014年至2022年期间,在第一和第二阶段的COPD试验药物中确定了COPD试验药物.
- 在历史临床试验数据上训练了多个ML模型,以预测药物批准概率.
- 贝叶斯推理将概率分类为低 (≤25%),中等 (>25%-≤50%),高 (>50%-≤75%) 和非常高 (>75%).
主要成果:
- 人工神经网络和随机森林模型确定了具有有希望发展轨迹的特定药物候选者.
- 纳瓦芬醇和巴特芬醇 (MABA),流动松酸/巴特芬醇 (ICS/MABA) 和恩西芬 (PDE3/4抑制剂) 的批准概率中等至非常高.
- 这些精选疗法预计将在2025年之前获得潜在的批准.
结论:
- 机器学习模型可以有效地预测COPD药物批准的可能性.
- 特定的药物类别,包括MABA,ICS/MABA和PDE3/4抑制剂,显示出未来COPD治疗的巨大潜力.
- 人工智能驱动的预测分析为优化呼吸系统医学药物开发策略提供了宝贵的工具.
更多相关视频
04:04Asthma Detection Research Based on Voice Signal Processing and Machine Learning
Published on: July 22, 2025
07:38A Multimodal Imaging Approach Based on Micro-CT and Fluorescence Molecular Tomography for Longitudinal Assessment of Bleomycin-Induced Lung Fibrosis in Mice
Published on: April 13, 2018
相关概念视频
COPD: Management Using Bronchodilators and Corticosteroids
Chronic Obstructive Pulmonary Disease-IV: Assessement and Diagnostic Studies
Medical History
COPD: Pathogenesis and Clinical Features
The primary cause for the onset of COPD is cigarette smoking and exposure to air pollution. These hazardous factors initiate a chain reaction within the lungs, resulting in chronic inflammation, damage to the airways, and a...
Chronic Obstructive Pulmonary Disease-V: Management
Smoking Cessation
Drug Discovery: Overview
Chronic Obstructive Pulmonary Disease-I: Introduction
