试验板:用于临床试验预测的多模式AI准备数据集

科学领域:

• 生物医学信息学 生物医学信息学
• 临床试验管理 临床试验管理
• 人工智能在医学中的应用

背景情况:

• 临床试验对于医学进步至关重要,但面临着重大风险,如患者死亡率和入学失败,导致资源被浪费.
• 人工智能 (AI) 在临床试验中的整合可以为设计优化提供预测见解,但由于数据的复杂性和医疗专业知识的需求而受到限制.
• 临床试验设计的现有挑战需要新的方法来减轻风险和提高效率.

研究的目的:

• 通过创建可访问的,AI-ready数据集来解决将AI应用于临床试验设计的局限性.
• 利用人工智能促进预测关键临床试验结果和设计参数.
• 加速人工智能驱动工具的开发,以优化临床试验设计和执行.

主要方法:

• 策划了23个多式联运,AI准备数据集的综合套件.
• 涵盖了临床试验设计中的8个关键预测挑战,包括持续时间,学率,不良事件和批准结果.
• 包括每个数据集的基本验证方法,以确保可用性和可靠性.

主要成果:

• 开发了23个精心策划的数据集,适合人工智能模型培训.
• 能够预测临床试验的关键方面,如持续时间,患者退出,严重不良事件,死亡率,批准结果,失败原因,药物剂量和资格标准.
• 提供验证的数据集,以支持AI驱动的临床试验设计.

结论:

• 预计这些开放访问数据集的发布将刺激用于临床试验设计的先进AI方法的开发.
• 该倡议旨在提高临床试验的效率和成功率.
• 这些资源的可用性将有助于加速医疗解决方案的开发和交付.