De acordo com a
Taconic Biosciences, apenas 12% dos candidatos a medicamentos que entram na fase de ensaio clínico são aprovados pelos órgãos reguladores. A fase mais demorada e dispendiosa do processo de criação de medicamentos, os ensaios clínicos, envolve várias fases de testes com humanos e cada fase exige centenas ou milhares de participantes.
O processo linear tradicional de ensaios controlados aleatórios (RCTs) não mudou em décadas. Falta-lhe a flexibilidade, velocidade e poder analítico necessários para que o modelo de medicina de precisão prospere. As empresas têm dificuldades em encontrar os participantes certos, para além de os recrutar, reter e gerir de forma eficaz. A ineficácia do processo contribui fortemente para os custos crescentes da descoberta e desenvolvimento de medicamentos, bem como para as baixas taxas de aprovação. Isso também impede a inovação.
As empresas farmacêuticas podem utilizar modelos de IA preditivos durante a fase de ensaios clínicos do desenvolvimento de medicamentos, desde a conceção até à análise de dados, ajudando a:
- Identificar pacientes adequados ao explorar conteúdo disponível ao público.
- Avaliar o desempenho do local de ensaios em tempo real.
- Automatizar a partilha de dados em plataformas.
- Fornecer dados para relatórios finais.
Reunir algoritmos com infraestruturas tecnológicas eficazes garante que o fluxo constante de dados clínicos é limpo, agregado, armazenado e gerido de forma eficaz. Deste modo, os investigadores conseguem compreender melhor a segurança e eficácia do medicamento sem ter de agrupar e analisar manualmente os grandes conjuntos de dados gerados pelos ensaios.
