बड़े डेटा के साथ क्लिनिकल परीक्षण बेहतर, तेज़, सस्ते होते हैं

“मेरी नौकरी के सबसे कठिन हिस्सों में से एक रोगियों को अध्ययन में नामांकित करना है,” लॉरेंसविले, एनजे, बायोटेक्नोलॉजी कंपनी सेल्सियन के मुख्य चिकित्सा अधिकारी निकोलस बॉरीज़ कहते हैं, जो यकृत और डिम्बग्रंथि के कैंसर और कुछ प्रकार के लिए अगली पीढ़ी के कीमोथेरेपी और इम्यूनोथेरेपी एजेंट विकसित करता है। ब्रेन ट्यूमर के। बॉरीज़ का अनुमान है कि 10% से कम कैंसर रोगियों को नैदानिक ​​परीक्षणों में नामांकित किया गया है। “अगर हम इसे 20% या 30% तक प्राप्त कर सकते हैं, तो शायद हम अब तक कई कैंसर पर विजय प्राप्त कर सकते हैं।”

नैदानिक ​​परीक्षण नई दवाओं, उपकरणों और प्रक्रियाओं का परीक्षण यह निर्धारित करने के लिए करते हैं कि क्या वे सामान्य उपयोग के लिए स्वीकृत होने से पहले सुरक्षित और प्रभावी हैं। लेकिन अध्ययन डिजाइन से अनुमोदन तक का रास्ता लंबा, घुमावदार और महंगा है। आज, शोधकर्ता कृत्रिम बुद्धिमत्ता और उन्नत डेटा एनालिटिक्स का उपयोग प्रक्रिया को तेज करने, लागत कम करने और उन लोगों के लिए अधिक तेजी से प्रभावी उपचार प्राप्त करने के लिए कर रहे हैं जिन्हें उनकी आवश्यकता है। और वे एक अप्रयुक्त लेकिन तेजी से बढ़ते संसाधन में दोहन कर रहे हैं: पिछले परीक्षणों के रोगियों पर डेटा

बाहरी नियंत्रणों का निर्माण

नैदानिक ​​परीक्षणों में आमतौर पर कम से कम दो समूह, या “हथियार” शामिल होते हैं: एक परीक्षण या प्रयोगात्मक शाखा जो जांच के तहत उपचार प्राप्त करती है, और एक नियंत्रण शाखा जो नहीं करती है। किस प्रकार के उपचार का अध्ययन किया जा रहा है और अध्ययन प्रोटोकॉल के तहत इसकी तुलना किस प्रकार की जा रही है, इस पर निर्भर करते हुए एक नियंत्रण शाखा को कोई इलाज नहीं मिल सकता है, एक प्लेसबो या बीमारी के इलाज के मौजूदा मानक। कैंसर और अन्य घातक बीमारियों के उपचार का अध्ययन करने वाले जांचकर्ताओं के लिए भर्ती समस्या को देखना आसान है: जीवन-धमकी देने वाली स्थिति वाले मरीजों को अब मदद की ज़रूरत है। जबकि वे एक नए उपचार पर जोखिम लेने के लिए तैयार हो सकते हैं, “आखिरी चीज जो वे चाहते हैं वह एक नियंत्रण शाखा के लिए यादृच्छिक होना है,” बॉरीज़ कहते हैं। उस अनिच्छा को उन रोगियों को भर्ती करने की आवश्यकता के साथ मिलाएं जिन्हें अपेक्षाकृत दुर्लभ बीमारियां हैं – उदाहरण के लिए, एक विशिष्ट आनुवंशिक मार्कर द्वारा विशेषता स्तन कैंसर का एक रूप – और पर्याप्त लोगों को भर्ती करने का समय महीनों, या वर्षों तक फैल सकता है। दुनिया भर में 10 नैदानिक ​​परीक्षणों में से नौ – न केवल कैंसर के लिए बल्कि सभी प्रकार की स्थितियों के लिए – अपने लक्षित समय सीमा के भीतर पर्याप्त लोगों की भर्ती नहीं कर सकते हैं। पर्याप्त प्रतिभागियों की कमी के कारण कुछ परीक्षण पूरी तरह विफल हो जाते हैं।

क्या होगा यदि शोधकर्ताओं को एक नियंत्रण समूह की भर्ती करने की आवश्यकता नहीं है और अध्ययन में शामिल होने के लिए सहमत होने वाले सभी लोगों को प्रयोगात्मक उपचार की पेशकश कर सकते हैं? सेल्सियन न्यूयॉर्क-मुख्यालय मेडिडेटा के साथ इस तरह के दृष्टिकोण की खोज कर रहा है, जो दुनिया के आधे से अधिक नैदानिक ​​​​परीक्षणों के लिए प्रबंधन सॉफ्टवेयर और इलेक्ट्रॉनिक डेटा कैप्चर प्रदान करता है, जो कि अधिकांश प्रमुख दवा और चिकित्सा उपकरण कंपनियों के साथ-साथ अकादमिक चिकित्सा केंद्रों की सेवा करता है। 2019 में फ्रांसीसी सॉफ्टवेयर कंपनी डसॉल्ट सिस्टम्स द्वारा अधिग्रहित, मेडिडेटा ने एक विशाल “बड़ा डेटा” संसाधन संकलित किया है: 23,000 से अधिक परीक्षणों और लगभग 7 मिलियन रोगियों से लगभग 10 साल पहले की विस्तृत जानकारी।

विचार “बाहरी नियंत्रण हथियार” बनाने के लिए पिछले परीक्षणों में रोगियों के डेटा का पुन: उपयोग करना है। ये समूह पारंपरिक नियंत्रण हथियारों के समान कार्य करते हैं, लेकिन इनका उपयोग उन सेटिंग्स में किया जा सकता है जहां एक नियंत्रण समूह को भर्ती करना मुश्किल होता है: अत्यंत दुर्लभ बीमारियों के लिए, उदाहरण के लिए, या कैंसर जैसी स्थितियां, जो आसन्न जीवन के लिए खतरा हैं। उनका उपयोग “एकल-हाथ” परीक्षणों के लिए भी प्रभावी ढंग से किया जा सकता है, जो एक नियंत्रण समूह को अव्यवहारिक बनाते हैं: उदाहरण के लिए, एक प्रत्यारोपित उपकरण या एक शल्य प्रक्रिया की प्रभावशीलता को मापने के लिए। शायद उनका सबसे मूल्यवान तत्काल उपयोग तेजी से प्रारंभिक परीक्षण करने के लिए है, यह मूल्यांकन करने के लिए कि क्या उपचार पूर्ण नैदानिक ​​​​परीक्षण के बिंदु तक आगे बढ़ने लायक है।

मेडिडेटा अपने डेटाबेस को गिराने के लिए कृत्रिम बुद्धिमत्ता का उपयोग करता है और उन रोगियों को ढूंढता है जिन्होंने बाहरी नियंत्रण हथियारों के अपने मालिकाना संस्करण को बनाने के लिए एक निश्चित स्थिति के लिए उपचार के पिछले परीक्षणों में नियंत्रण के रूप में कार्य किया। मेडिडेटा में एकोर्न एआई के उत्पादों के वरिष्ठ उपाध्यक्ष अर्नौब चटर्जी कहते हैं, “हम इन ऐतिहासिक रोगियों का सावधानीपूर्वक चयन कर सकते हैं और ऐतिहासिक परीक्षण डेटा के साथ वर्तमान प्रायोगिक शाखा का मिलान कर सकते हैं।” (एकोर्न एआई मेडिडेटा का डेटा और एनालिटिक्स डिवीजन है।) अध्ययन के उद्देश्यों के लिए परीक्षणों और रोगियों का मिलान किया जाता है – तथाकथित समापन बिंदु, जैसे कि मृत्यु दर में कमी या रोगी कितने समय तक कैंसर मुक्त रहते हैं – और अन्य पहलुओं के लिए अध्ययन डिजाइन, जैसे अध्ययन की शुरुआत में और रास्ते में एकत्र किए गए डेटा का प्रकार।

मेडिडेटा में एकोर्न एआई के डेटा साइंस के उपाध्यक्ष रूटी डेवी कहते हैं, “बाहरी नियंत्रण शाखा बनाते समय, हम एक आदर्श यादृच्छिक नियंत्रित परीक्षण की नकल करने के लिए हर संभव प्रयास करते हैं।” पहला कदम जांच परीक्षण से प्रमुख पात्रता मानदंड का उपयोग करते हुए संभावित नियंत्रण शाखा के उम्मीदवारों के लिए डेटाबेस की खोज करना है: उदाहरण के लिए, कैंसर का प्रकार, रोग की प्रमुख विशेषताएं और यह कितना उन्नत है, और क्या यह रोगी का पहली बार है माना जाना। डेवी कहते हैं, यह अनिवार्य रूप से एक मानक नैदानिक ​​​​परीक्षण में नियंत्रण रोगियों का चयन करने के लिए उपयोग की जाने वाली एक ही प्रक्रिया है – पिछले परीक्षण की शुरुआत में दर्ज किए गए डेटा को छोड़कर, वर्तमान परीक्षण के बजाय पात्रता निर्धारित करने के लिए उपयोग किया जाता है। “हम ऐतिहासिक रोगियों को ढूंढ रहे हैं जो परीक्षण के लिए अर्हता प्राप्त करेंगे यदि वे आज मौजूद हैं।”

डाउनलोड करें पूरी रिपोर्ट।

यह सामग्री एमआईटी टेक्नोलॉजी रिव्यू की कस्टम सामग्री शाखा इनसाइट्स द्वारा तैयार की गई थी। यह एमआईटी टेक्नोलॉजी रिव्यू के संपादकीय कर्मचारियों द्वारा नहीं लिखा गया था।

(Visited 4 times, 1 visits today)

About The Author

You might be interested in

LEAVE YOUR COMMENT