数字双胞胎在临床试验中增加多样性:系统性审查

科学领域:

• 临床试验方法论 临床试验方法论
• 医疗信息学 医疗信息学
• 生物医学数据科学是生物医学数据科学.

背景情况:

• 临床试验在种族,种族,性别,年龄和社会经济层面的参与者代表性方面面临着持续的不平等.
• 现有的试验设计经常与偏见作斗争,限制了医学进步的概括性和个性化.

研究的目的:

• 系统地审查数字双胞胎 (DT) 和人工智能 (AI) 技术在改善临床试验多样性的作用.
• 评估DT和AI的潜力,以最大限度地减少偏见,并在临床研究中实现个性化医疗.

主要方法:

• 对90项研究的系统审查,研究了DT和AI在临床研究中的整合.
• 对模拟能力,预测分析,招聘优化和偏见缓解策略的证据分析.
• 对AI和DT模型的确定的包容性数据实践和公平性指标的评估.

主要成果:

• 数据技术为试验设计提供动态模拟;人工智能增强了预测分析和招聘.
• 实施障碍包括分散的法规,偏见的数据集,基础设施差异和道德问题 (隐私,同意,不透明).
• 包容性数据实践和公平性指标 (例如,人口平等,均等赔率) 对于公平的AI/DT模型至关重要.

结论:

• 人工智能和数字技术有很大的潜力来解决不平等问题,并改善临床试验的多样性.
• 克服障碍需要制定包容性数据实践,协调法规,并将公平纳入模型设计.
• 优先考虑多样性作为设计原则,可以带来更公平和更普遍的临床研究成果.