인공지능 및 기계 학습 혁신을 통한 종양학 임상 시험의 설계 및 대표성 향상

인공지능(AI)과 기계 학습(ML)의 통합은 종양학 임상 시험에서 빠르게 진화하고 있으며, 이는 더 넓은 분야와 함께 발전하고 있습니다. 예를 들어, AI 기반의 적응형 시험 설계는 새로운 안전성 및 효능 신호에 따라 실시간으로 수정할 수 있어 더욱 신속하고 효율적인 시험이 가능합니다. 방사선학, 컴퓨터 병리학 및 공간 오믹스를 포함한 AI 기반 진단 도구는 시험 환자 선별 및 반응 평가를 개선할 수 있습니다. ML 기반의 환자 결과 시뮬레이션 또한 환자 층화 전략 및 통계적 힘을 향상시킬 수 있습니다. AI의 응용은 일상 임상 실습에서 데이터 추출, 표준화 및 조화 기회를 개선하여 실제 데이터의 접근성을 높이는 데 기여할 수 있습니다. 디지털 건강 기술(예: 웨어러블 장치, 전자 센서, 컴퓨팅 플랫폼, 소프트웨어 응용 프로그램)에서 생성된 데이터는 환자 집단에 대한 포괄적인 이해를 가능하게 하여 등록에서 평가까지 임상 시험을 지원할 수 있습니다. 시험 운영 및 데이터 관리의 자동화는 데이터 신뢰성을 향상시키고 연구자의 부담을 줄일 수 있어 시험 실행을 간소화하고 분산화의 잠재적 사용을 증가시킬 수 있습니다. 이러한 새로운 기술의 윤리적 사용을 유지하고 편견을 완화하며 규제 명확성을 향상시키기 위한 지속적인 노력들이 있습니다. 본 논문에서는 환자 모집, 시험 설계 및 운영, 데이터 관리 및 진단에서 AI와 ML의 사용 사례를 검토합니다. 이러한 기술은 초기 발견를 포함한 모든 약물 개발 단계에서 응용될 수 있지만, 우리는 AI와 ML이 시험 효율성, 환자 층화 및 규제 의사 결정 향상에 두드러진 역할을 할 수 있는 2상 및 3상 시험에 중점을 둡니다. AI와 ML을 통합함으로써 임상 시험은 환자 결과를 향상시키기 위한 노력에서 더욱 적응적이고 데이터 기반이며 포괄적으로 변모할 수 있습니다.