Onderzoekers van Stanford University en het Rensselaer Polytechnic Institute hebben een geavanceerd AI-model ontwikkeld dat nauwkeuriger voorspelt of een klinisch onderzoek wordt goedgekeurd. Zij gebruiken hiervoor een nieuwe methode die onzekerheid kwantificeert en de interpreteerbaarheid verbetert. De resultaten zijn gepubliceerd in het vakblad Health Data Science.
Klinische onderzoeken zijn onmisbaar in de ontwikkeling van nieuwe geneesmiddelen en behandelingen. Tegelijkertijd is klinisch onderzoek enorm duur en tijdrovend. Op dit moment leveren veel onderzoeken uiteindelijk niets op omdat het middel niet het gewenste effect heeft of niet veilig genoeg is, of omdat het onderzoek niet goed is opgezet. Door nauwkeurig te voorspellen hoe groot de slagingskans van een klinisch onderzoek is, kan dus veel tijd en geld worden bespaard.
Selectieve classificatie
Het nieuwe model is geïntegreerd in een al bestaand geavanceerd voorspelmodel met de naam Hierarchical Interaction Network (HINT). Door selectieve classificatie toe te voegen aan dit model, kan de slagingskans van klinisch onderzoek aanzienlijk beter worden voorspeld, doordat voorspellingen worden tegengehouden wanneer de onzekerheid te groot is. Dat is met name nuttig voor onderzoek in de eerste fases, waarbij de voorspelonzekerheid het grootst is.
“Ons huidige AI-model voorspelt nauwkeurig of een klinisch onderzoek zal worden goedgekeurd en optimaliseert zo het beheer van klinisch onderzoek”, zegt Tianfan Fu, assistent-professor aan het Rensselaer Polytechnic Institute. “In een volgende stap willen we klinische onderzoeken nog gedetailleerder nabootsen. Het uiteindelijke doel is om klinisch onderzoek volledig te simuleren met AI.”
Aanzienlijk betere nauwkeurigheid
In uitgebreide experimenten liet het nieuwe AI-model voor klinische fase I-onderzoeken een relatieve verbetering van 32,37% zien in het gebied onder de precision-recall curve (PR-AUC) in vergelijking met het eerdere HINT-model. Voor fase II- en fase III-onderzoeken voorspelde het model de uitkomst respectievelijk 21,43% en 13,27% beter. De PR-AUC-score van het model voor fase III-onderzoeken was maar liefst 0,9022. Dat is aanzienlijk beter dan bestaande voorspelmodellen.
De onderzoekers willen het model nog verder verbeteren, zodat het uiteindelijk klinische onderzoeken nauwkeurig kan simuleren. Ook willen ze nieuwe toepassingen in de geneesmiddelenontwikkeling onderzoeken. “Door klinische onderzoeken volledig te simuleren met AI, hopen we een revolutie teweeg te brengen in de manier waarop nieuwe behandelingen worden ontwikkeld en goedgekeurd”, zegt Fu.
AI in klinisch onderzoek
Ook Phesi, een toonaangevend bedrijf dat klinische ontwikkelingen analyseert, deed onderzoek naar het gebruik van AI in klinisch onderzoek. Het bedrijf toonde aan dat AI-gestuurde digitale tweelingen de controlegroep die de standaardzorg krijgt, konden vervangen. Volgens Dr. Gen Li, president van Phesi, bieden digitale tweelingen een uitkomst voor problemen als het werven van patiënten en ethische kwesties rond placebogroepen.
