Роль машинного обучения в клинических исследованиях: преобразование будущего получения доказательств

Введение: Интерес к применению машинного обучения (МО) при планировании, проведении и анализе клинических исследований растет, однако база данных по таким применениям не была обобщена. В этой статье рассматриваются материалы многопрофильной конференции, посвященной современному состоянию и перспективам МО в клинических исследованиях. Наряду с нарративным обзором данных, подтверждающих использование МО на всем протяжении клинического исследования, представлены ключевые области методологии клинических испытаний, в которых МО особенно перспективно, и приоритетные направления для дальнейшего изучения.

Результаты: Участниками конференции были заинтересованные стороны, включая исследователей в области биомедицины и МО, представителей Управления по контролю за качеством пищевых продуктов и лекарственных средств США (FDA), компаний, занимающихся технологиями искусственного интеллекта и анализом данных, некоммерческих организаций, пациентских правозащитных групп и фармацевтических компаний. Было подчеркнуто значение МО для клинических исследований на доклиническом этапе, при отборе когорт и управлении участниками, а также при сборе и анализе данных. Особое внимание уделялось операционным и концептуальным барьерам для применения МО в клинических исследованиях. Было отмечено, что рецензируемые данные по ряду направлений отсутствуют.

Выводы: МО обладает большим потенциалом для повышения эффективности и качества клинических исследований, однако сохраняются существенные барьеры, для преодоления которых необходимо устранить значительные пробелы в доказательной базе.