В последние годы автоматизация и искусственный интеллект (ИИ) стали значимыми трендами в сфере клинических исследований. Компании активно внедряют эти технологии для оптимизации операционной эффективности.
На фоне растущего применения ИИ в отрасли технология цифровых двойников выступает как мощный инструмент, способный кардинально изменить будущее клинических исследований.
Данная технология, зародившаяся в промышленных условиях, потенциально позволит операторам клинических исследований создавать динамическую, виртуальную копию физиологии пациента. В теории это открывает путь к прогнозированию реакции пациента на лечение благодаря использованию данных из реального мира.
Однако, по мнению Димитриса Христодулу, руководителя глобального бизнеса в сфере цифрового здравоохранения Roche, истинная цель цифровых двойников – симуляция сложной физиологии пациента – все еще остается на горизонте.
Христодулу отмечает, что, хотя концепция цифровых двойников и продвинулась вперед с момента ее первого появления в сфере клинических исследований, текущий фокус и приоритет для этой технологии должны быть направлены на достижение немедленной ценности.
«Потенциал для немедленных прорывов больше связан с операционными и «поведенческими» двойниками», – заявил он. – «В этом контексте цифровые двойники займут первые позиции, поскольку их применение уже сегодня демонстрирует доказанную эффективность. Затем эта концепция может быть распространена на пациентов и другие сценарии», – добавил Христодулу.
В настоящее время цифровые двойники используются в пилотных и исследовательских проектах для оптимизации дизайна исследований. Они позволяют симулировать миллионы сценариев, выявляя возможности для сокращения затрат и экономии времени. Эти модели также могут предсказывать, имеет ли человек «высокую вероятность снижения соблюдения режима лечения или выбывания из исследования в течение следующих 30 дней», – подчеркивает Христодулу.
Для максимальной отдачи от цифрового двойника потребуется ввод данных из широкого спектра источников. По мнению Христодулу, это включает «мультиомные данные, демографические данные и электронные медицинские карты, а также данные в реальном времени с носимых устройств и каналов рекрутинга».
После объединения этих усилий, прогнозирует Христодулу, индустрия может получить надежный инструмент или двойника в течение ближайших пяти–семи лет.
Внедрение цифровых двойников в клинические исследования сталкивается с рядом препятствий. Отсутствие полного механистического понимания заболеваний на уровне индустрии является одной из таких проблем, поскольку некоторые данные не могут быть переведены с молекулярного на организменный уровень.
Однако гибридный подход может стать решением, позволяя компаниям использовать уже существующие данные на механистическом уровне и восполнять пробелы с помощью ИИ. «Хотя вы можете не до конца понимать обоснование предложений, они все равно могут оказаться полезными», – отметил Христодулу.
Наряду с проблемами на молекулярном уровне, фрагментация данных также является серьезным препятствием для развития цифровых двойников. «Все еще существует значительная фрагментация данных по всей экосистеме, что приводит к созданию моделей, использующих бесполезную информацию», – уточнил Христодулу.
Компании, разрабатывающие эту технологию, также должны будут преодолеть этические и регуляторные проблемы, которые, в частности, касаются использования исторических данных. «Такие предубеждения легко могут проникнуть в любое решение на основе цифровых двойников, поэтому предстоит еще многое выяснить, чтобы обеспечить справедливость и равенство», – прокомментировал Христодулу.
Хотя предстоит пройти еще долгий путь, прежде чем цифровые двойники достигнут своей конечной цели, Христодулу убежден, что индустрия «приближается к горизонту, где мы увидим надежные, масштабируемые инструменты цифровых двойников для оптимизации клинических исследований».
