健康科技公司Inato开发了一种基于人工智能（AI）的患者预筛选工具，使研究站点能够更轻松、更快捷地评估患者是否有资格参加临床试验机会。
成立于2016年的Inato总部位于巴黎和纽约，构建了一个平台，旨在扩大临床试验的患者群体，并让更多的多样化患者群体参与药物试验。
患者入组是临床试验的主要瓶颈。与五年前相比，现在的患者预筛选过程延长了25%，而不断增长的试验复杂性、规模更大的试验以及参与者竞争的加剧可能会进一步恶化这一问题。
生成式AI的持续发展带来了新的机遇，可以克服这一挑战，减轻站点负担，并加快试验进度。
全美各地的研究站点可以使用Inato的AI驱动患者预筛选功能，大大简化患者识别和审查过程，无需电子病历或临床试验管理系统集成。
Inato的联合创始人兼首席执行官Kourosh Davarpanah表示，公司的最新技术有助于解决临床试验中最大的障碍之一。“最近的AI推理进展使站点能够大规模识别和审查患者——从根本上改变了他们应对这一挑战的方式。现在，站点可以将精力集中在为更多患者提供更多的试验选择上，加速入组时间表，同时增强对研究的访问。”
患者预筛选一直是一个耗时且繁琐的过程。仅评估一名患者的病历是否符合一项试验的纳入和排除标准可能就需要数小时。
“回顾历史，一旦站点被选中参与试验，他们通常会有一份非常长的协议，其中包含20到40项纳入和排除标准。这些标准可能非常复杂。传统上，他们的做法是查看患者病历，病历页数可以从5页到500页不等，然后手动检查患者是否符合这些标准。这通常需要半小时到四小时不等，而且这是针对每个预筛选的患者，而不是每个入组的患者。”Davarpanah在接受采访时说。
Inato的新AI代理使研究站点能够在去识别化患者记录后，快速确定哪些试验与每位患者相关，并根据纳入和排除标准评估患者资格——准确、大规模并在符合HIPAA规定的情况下进行。
Inato表示，其基于AI的工具可以在几分钟内有效评估患者，准确率达到95%，因此站点工作人员可以迅速做出关于谁有资格的明智决策。早期使用AI工具的用户报告称，该工具将其预筛选时间减少了超过50%，最高可达90%，据Inato高管称。
该技术的模型组合能够进行复杂的医学推理和演绎、时间限制评估以及识别手写体。例如，如果一项试验要求患者在过去六个月内有10次癫痫发作，且每次发作间隔不超过一个月，AI利用数学分析和医学理解的结合，在几分钟内为站点创建一个简单且易于理解的评估。
“这是一个重要的方式，使研究人员和社区能够接触到更多可以带入试验的患者，同时仍然拥有他们所需的详细信息和信心，以确保继续前进所需的数据得到提供。”他说。
Inato的成立目标是通过匹配社区站点与合适的试验来扩大更多药物试验的访问范围，Davarpanah说。
该公司稳步成长，其平台已有来自70多个国家的5000多个社区研究站点，并与全球前40家制药公司中的20家合作，Davarpanah说。
“随着我们获得更多站点、更多试验和更多制药公司的加入，我们开始收到越来越多的支持站点的需求，不仅限于选择过程。真正让我们感到兴奋的是，特别是在帮助站点识别和入组患者方面，这显然最终是最重要的。从站点的角度来看，无论国家如何，无论站点类型如何，他们最大的问题是手动识别符合条件的患者需要花费大量时间。”他说。
Inato与试验发起者和研究站点紧密合作，构建并试点新功能。
“几个月前我们推出的这个新AI工具，现在确实成为了我们增长的最大推动力，也是对站点和发起者最有价值的东西。”Davarpanah说。
他补充道，“显然，这对站点和发起者有价值，但我们最激动的是这从根本上改变了患者的体验。作为患者，与其只为一个特定试验进行预筛选，该工具允许您一旦上传到工具中，就可以跨所有可用试验进行预筛选。如果您不符合这个试验的条件，实际上您可能更适合另一个试验。这对患者来说是一个巨大的解锁，提供了更多潜在的治疗选择。”
Inato继续与Pantheon Clinical Research等组织合作，将其AI能力扩展到可行性等领域。
2023年，该公司获得了由Cathay Innovation、Obvious Ventures、La Maison和Top Harvest Capital支持的2000万美元A2轮融资。
Davarpanah表示，他对在临床试验领域使用AI技术的机遇感到兴奋。在旧金山举行的J.P.摩根医疗保健会议上，他注意到有关AI在医疗保健领域的讨论发生了变化。
“历史上，大多数AI讨论都集中在药物发现上，现在我们终于开始看到药物开发方面的兴奋点。我认为如果回到一年前，当人们已经对AI感到兴奋时，尽管每个人都认识到将更多药物推向市场的主要障碍是试验，但没有人清楚AI对试验的影响，今年这种情况确实发生了变化。”他告诉Fierce Healthcare。
(全文结束)
