阿维克·帕尔，CliniOps公司的创始人兼首席执行官。该公司是一家拥有多项专利的技术和数据公司，致力于实现全球临床试验的数字化。
人工智能在临床试验中的前景巨大：更快的药物开发、更精准的患者定位、更低的成本等等。但这一切都依赖于一件事：信任。人工智能的采纳将以信任的速度推进。
利益相关方对AI工具（从试验设计到数字安全监测）的信心越强，这些创新就能越快得到部署。当数十亿美元投入临床研究以寻找诊断和治疗患者的疗法时，AI可以加快这一过程，最大限度地减少延误，从而降低成本。这可以带来更快、更高效的试验和更好的患者预后。相反，不信任会减缓创新，增加成本，并延误治疗。
为什么AI是改变游戏规则的力量
AI在理解临床研究中产生的大规模数据集方面至关重要。AI使研究人员能够分析从电子健康记录到分子图谱的庞大数据集，以检测模式、发现先前隐藏的关联性，并加速研究设计。这些算法以人类无法匹敌的速度运行。
机器学习通常是监督式的，在标注好的数据集（如放射影像）上训练，以学习模式并推广到新数据。相比之下，生成式AI则基于从筛选过的生物和化学数据构建的训练模型工作。
无需直接的人类标注，生成式AI就能识别训练模型中的模式，生成全新的分子结构，其中一些可能比现有药物毒性更低或更有效。它还可以估计临床试验成功的概率。
使用AI进行自动化可以提高速度、效率和准确性。当临床试验研究人员利用AI从临床环境和研究中获取连续数据流时，对安全性和有效性的预测准确性会提高。这也有助于生成新的见解，发现以前未被识别的关联性，从而产生新的研究设计和假设。加快临床试验过程需要实现劳动密集型任务的自动化，例如多中心选择、患者资格、预期性数字安全、风险监测和分析。
信任在哪里瓦解
AI的可靠性在很大程度上取决于其训练数据的质量和多样性。不足或不平衡的数据集可能会产生有偏见的结果，并危及患者安全。过度依赖AI生成的见解，可能导致试验基于有偏差或不完整的信息进行设计。
信任也因缺乏透明度和可解释性，以及对AI生成见解的过度依赖而受到挑战。人工监督或人机回环仍然至关重要。对AI的信任或不信任通常源于教育、经验和感知可靠性的综合作用。
高数据质量和实时可用性仍然是医疗保健和生命科学领域的主要挑战，但它们是构建值得信赖的AI系统的先决条件。能够在护理点确保高数据质量并实时提供数据的技术，将成为AI世界实现更好结果的基础。
监管机构、研究人员和现实世界准备
美国食品药品监督管理局已认识到AI/机器学习在临床研究中日益增长的应用，并发布了指南以确保创新和安全。涉及AI/机器学习工具的提交数量从2018年的仅3份跃升至2022年的170份。该机构强调，用于药物开发的AI系统需要具备透明度、可审计性和可靠性。
快速采纳的信号
AI正成为企业战略的核心。医院和生命科学公司正在任命AI官员来管理战略和治理。例如，梅奥诊所任命巴维克·帕特尔博士为其首位首席AI官。帕特尔博士随后领导开发了一种AI模型，该模型可以搜寻隐藏数据，以加速一种罕见心脏病的诊断。AI有助于分析电子健康记录、影像和实验室数据，以识别亚组并更有效地定制治疗方案。
随着对更快、更具洞察力的研究的期望日益增长，麦肯锡的一份报告指出，创新已加速向精准医学和真实世界数据的使用迈进。精准医学不仅评估药物的整体疗效，还评估其在特定患者群体中的具体益处。基于电子健康记录和患者实验室报告（包括放射影像）数据的真实世界研究，可用于挖掘亚组。然而，这些数据的庞大体量和特异性带来了分析挑战，而AI有潜力应对这些挑战。
人类与AI的伙伴关系
AI并非人类专业知识的替代品，而是补充。通过细化资格标准并缩小参与者范围，AI可以使试验更短、更集中。然而，采纳AI必须建立在谨慎乐观和协作监督的基础上。对AI系统和人类判断同等适用一种健康的怀疑态度，可以产生更稳健的决策。在《时代》杂志最近的一篇文章中，马克·贝尼奥夫将新兴的“代理型企业”描述为“AI、数据、应用程序和人，共同作为一个统一系统，将情报转化为行动。”
信任：真正的加速器
在临床试验中采纳AI拥有彻底改变疗法发现和交付方式的潜力，但这场革命的步伐取决于信任的速度。随着利益相关方解决数据安全、伦理、合规和教育问题，他们为AI成为医学研究中值得信赖的伙伴铺平了道路。
未来的旅程，为子孙后代塑造医疗保健的未来，很可能将以信任的速度展开。这个未来取决于人类与AI之间富有意义的合作。谨慎乐观，即对人类和AI决策都持怀疑态度，可以带来更好、更负责任的创新。
【全文结束】