基于临床前数据,预测Clostridium difficile感染的临床试验成功
Fangzhou Li1,2,3, Jason Youn1,2,3, Christian Millsop1,2
1Department of Computer Science, University of California, Davis, Davis, CA, United States.
Frontiers in artificial intelligence
|October 24, 2024
概括
药物发现的临床前模型显示临床成功的转化有限. 一个新的系统将临床前到临床翻译效率提高25%,以改善药物开发.
科学领域:
- 翻译科学是一门翻译科学.
- 药物发现 药物发现
- 传染病研究传染病研究.
背景情况:
- 临床前模型对于药物发现至关重要,但其临床转化成功的理解很少.
- 在将动物模型的发现转化为人类患者的有限成功阻碍了药物开发.
研究的目的:
- 研究从临床前模型到人类患者的Clostridium difficile感染治疗的转化成功.
- 开发一个预测系统,以提高临床前到临床翻译效率.
主要方法:
- 对Clostridium difficile感染治疗的临床前和临床实验对进行分析.
- 单变量和多变量随机森林建模,以确定翻译成功的预测因素.
- 使用剂量和终点等关键特征开发推系统.
主要成果:
- 只有36%的临床前对临床实验对显示出成功的翻译.
- 持续响应的终点和受试者的年龄被确定为翻译成功的负面预测因素.
- 开发的推系统实现了0.76准确度和0.71F1得分,仅使用7个功能,翻译效率提高了25%.
结论:
- 这项研究突出显示了Clostridium difficile感染的临床前转化到临床转化方面的重大挑战.
- 一个新的推系统可以提高翻译效率并降低临床结果的风险.
- 拟议的方法可以适应各种疾病,作为药物发现的决策支持系统.
