2018年世界医疗创新论坛：AI可大大推进临床试验发展

人工智能（Artificial Intelligence, AI）可谓医疗领域最新的潮词，很多人都在评估其可有效应用的各个方面。近日，在波士顿举办的世界医疗创新论坛（World Medical Innovation Forum）上，谈话焦点就集中在如何应用AI来降低成本，改善临床试验效率这一话题上。

与会嘉宾探讨了为达成新目标，如何利用AI挖掘已有临床试验数据，虚拟化部分临床试验过程，某些情况下，甚至是虚拟化整个对照组。不过，临床试验领域引入AI应用同时面临着诸多挑战，例如如何获取可靠的基础数据，确保其系统对监管机构和付款人保持透明等。

AI可模拟临床试验参照组

在临床试验中应用AI的优势在于，它可以帮助挑选到合适的患者，持续服用试验药物，且在后期程序中继续参与试验。

“比医院无法招收到患者更遭的情况，是医院招收了大量患者，但都无法持续参与研究。”美国联盟医疗体系(Partners HealthCare System)临床试验办公室执行主任史蒂芬·维维奥特（Stephen Wiviott）如是说。

毋庸置疑，AI同时可帮助清理数据和进行数据分析，因而大大加快了临床试验进程。拜耳公司（Bayer）研发部高级顾问约瑟夫·谢伦（Joseph Scheeren）指出，仅试验后数据清理一项，可能就要花费一到两个月，但借助AI，一天内即可完成。整体来说，谢伦估算AI可帮助将临床试验时长压缩至60%到70%。他说：“在研发部，速度就是一切。”维维奥特预计，在临床试验中，克里希纳可帮助削减90%成本。他补充道：“依靠人力来做人类相关的实验，需要投入巨额资金，现在应用AI可避免此现状。”

除了可帮助简化临床试验过程及复核工作，AI还能够借用已有数据集，模拟临床试验的整个对照组。已被罗氏公司（Roche）以19亿美元收购的癌症大数据公司Flatiron Health首席医疗和科学主任艾米·阿伯内西（Amy Abernethy）如是说。

维维奥特指出，AI可应用于大型且可预测的医疗背景中，如癌症的免疫治疗，而非像糖尿病等公共健康问题这种小型医疗背景下。

AI应用益处多多，是否有一天可依靠AI虚拟运行整个临床试验呢？与会专家表示并不持乐观态度。如美国医药公司礼来（Eli Lilly）研究实验室IT和信息学主任拉梅什·德拉瓦什（Ramesh Durvasula）所言：“我们尚不具备将培养皿虚拟化的技术，更不用说人体了。”

但与会专家普遍认为，随着AI发展，利用虚拟建模技术可取代部分患者的必要性，节省时间和成本。AI或许可帮助企业简化药物许可申请过程，减少人体药物试验，待药品上市后收集相关回馈。拜耳公司研发部高级顾问谢伦如是说。美国医疗科技公司GNS Healthcare首席执行官兼创始人科林·希尔（Colin Hill）认为，我们正在努力实现从分子水平虚拟化模拟药物，可采用随机临床试验来复核虚拟实验的结论。

与深度学习相比，AI在因果应用方面更具潜力，原因在于AI可从观察研究中提取因果关系，而不只局限于相关性。

数据收集及数据标准化仍是瓶颈

AI应用至关重要的一点，是要有可靠的基础数据集。癌症大数据公司Flatiron Health首席医疗和科学主任阿伯内西如是说。即使是同一个数据集的数据，AI应用者也必须对数据的可靠程度进行判断，如关键治疗决策的时机，很可能是医生从其它案例中复制过来的不可靠数据等。

为完善AI模型，需要对数据进行详细注解，而这方面仍有待探索。

“我们没有足够的数据来训练模型，以证实模型是否有所改善。”德拉瓦什说，“数据收集及数据标准化仍是主要的瓶颈。”

目前肿瘤学在基础数据的可靠性方面占据领先地位，阿伯内西如是说。希尔表示同意，GNS的数据来源中有一半临床试验属于肿瘤科，其次为自身免疫性疾病，之后为脑部疾病。

数据集及AI应用必须保持对FDA和EMA等监管机构的可审核性和透明性，这一点也尤其重要。与会专家认为这是计算化的前瞻想法，同时也适用于纸质记录。同时随着付款人在医疗系统中扮演的角色越来越重要，该系统同样应对其具备可理解性。

另外，与会专家还表示了对回收药物数据集的强烈兴趣，多位专家认为目前这方面做的还不够。应用AI，他们可利用已有数据集，寻找新问题的解决方案。

欧洲领先的AI新药研发公司BenevolentBio首席执行官杰基·亨特（Jackie Hunter）说：“制药企业正坐拥大量数据。”

原文来源：MedCity News

原文标题：At World Medical Innovation Forum, panelists agree AI can boost clinical trials