Comunicado. Amgen ha desarrollado ATOMIC, un modelo de aprendizaje automático (ML) que analiza grandes cantidades de datos y predice qué sitios de ensayos clínicos tienen más probabilidades de inscribir pacientes de manera más rápida y eficaz.
ATOMIC aprovecha muchas formas de datos, incluidos datos demográficos, geográficos y del mundo real para garantizar una inscripción de participantes más rápida y representativa.
Un análisis interno de 13 estudios patrocinados por Amgen mostró que la inscripción fue en promedio tres veces más rápida en los sitios ATOMIC de alta clasificación que en los sitios de menor clasificación.
Aproximadamente el 80% de los ensayos clínicos no logran inscribir suficientes participantes para avanzar. Y aquellos que completan la inscripción pueden tardar años. Dado que casi la mitad del tiempo necesario para que un medicamento complete los ensayos clínicos se dedica a la inscripción, esto provoca graves retrasos en la entrega de nuevos medicamentos potenciales a los pacientes que los necesitan ahora.
A este desafío se suma la escasa representación de poblaciones históricamente marginadas en la investigación clínica. Garantizar que los pacientes inscritos reflejen la demografía de las personas afectadas por la enfermedad en estudio es esencial para generar resultados aplicables a un grupo más amplio de personas en situaciones reales.
Un equipo de científicos de datos, ingenieros y analistas de Amgen creó el Módulo de Optimización Analítica de Ensayos (ATOMIC), un modelo de aprendizaje automático (ML) para analizar una gran cantidad de datos e identificar posibles centros de ensayos clínicos en todo el mundo que puedan inscribir pacientes rápidamente. ATOMIC genera listas clasificatorias de centros, tasas de inscripción previstas y datos relevantes de países e investigadores.
En conjunto, esta información puede aprovecharse para determinar dónde buscan atención las poblaciones con ciertas características clínicas y demográficas. Esto puede ayudar a identificar centros con alto potencial que probablemente inscriban a pacientes elegibles con mayor rapidez.
Si bien los equipos de estudios clínicos de Amgen han logrado analizar con éxito parte de esta información, la selección de centros ha sido tradicionalmente un proceso mayoritariamente manual e ineficiente, sin una fuente centralizada. No ha existido un método uniforme para el seguimiento de todos los datos disponibles.
“La inscripción actual a ensayos clínicos suele verse limitada por nuestra capacidad humana para integrar toda la información necesaria para seleccionar los mejores centros para un ensayo exitoso. Por eso desarrollamos ATOMIC, un innovador enfoque de aprendizaje automático que nos permite realizar predicciones fundamentadas para identificar centros de ensayos clínicos con mayor potencial de éxito”, afirmó Matt Austin, director ejecutivo de Ciencias de Datos de Amgen.
Hoy también publicamos las siguientes notas y más...
Eurofarma anuncia a Marcela Sabaini como su nueva gerente general para México
Estudio revela siete enfermedades asociadas a las vacunas para Covid-19
