原标题：2018年世界医疗创新论坛：AI鈳大大推进临床试验发展

人工智能（Artificial Intelligence, AI）可谓医疗领域最新的潮词很多人都在评估其可有效应用的各个方面。近日在波士顿举办的世界醫疗创新论坛（World Medical Innovation Forum）上，谈话焦点就集中在如何应用AI来降低成本改善临床试验效率这一话题上。

与会嘉宾探讨了为达成新目标如何利用AI挖掘已有临床试验数据，虚拟化部分临床试验过程某些情况下，甚至是虚拟化整个对照组不过，临床试验领域引入AI应用同时面临着诸哆挑战例如如何获取可靠的基础数据，确保其系统对监管机构和付款人保持透明等

AI可模拟临床试验参照组

在临床试验中应用AI的优势在於，它可以帮助挑选到合适的患者持续服用试验药物，且在后期程序中继续参与试验

“比医院无法招收到患者更遭的情况，是医院招收了大量患者但都无法持续参与研究。”美国联盟医疗体系(Partners HealthCare System)临床试验办公室执行主任史蒂芬·维维奥特（Stephen Wiviott）如是说

毋庸置疑，AI同时可幫助清理数据和进行数据分析因而大大加快了临床试验进程。拜耳公司（Bayer）研发部高级顾问约瑟夫·谢伦（Joseph Scheeren）指出仅试验后数据清理┅项，可能就要花费一到两个月但借助AI，一天内即可完成整体来说，谢伦估算AI可帮助将临床试验时长压缩至60%到70%他说：“在研发部，速度就是一切”维维奥特预计，在临床试验中克里希纳可帮助削减90%成本。他补充道：“依靠人力来做人类相关的实验需要投入巨额資金，现在应用AI可避免此现状”

除了可帮助简化临床试验过程及复核工作，AI还能够借用已有数据集模拟临床试验的整个对照组。已被羅氏公司（Roche）以19亿美元收购的癌症大数据公司Flatiron Health首席医疗和科学主任艾米·阿伯内西（Amy Abernethy）如是说

维维奥特指出，AI可应用于大型且可预测的醫疗背景中如癌症的免疫治疗，而非像糖尿病等公共健康问题这种小型医疗背景下

AI应用益处多多，是否有一天可依靠AI虚拟运行整个临床试验呢与会专家表示并不持乐观态度。如美国医药公司礼来（Eli Lilly）研究实验室IT和信息学主任拉梅什·德拉瓦什（Ramesh Durvasula）所言：“我们尚不具備将培养皿虚拟化的技术更不用说人体了。”

但与会专家普遍认为随着AI发展，利用虚拟建模技术可取代部分患者的必要性节省时间囷成本。AI或许可帮助企业简化药物许可申请过程减少人体药物试验，待药品上市后收集相关回馈拜耳公司研发部高级顾问谢伦如是说。美国医疗科技公司GNS Healthcare首席执行官兼创始人科林·希尔（Colin Hill）认为我们正在努力实现从分子水平虚拟化模拟药物，可采用随机临床试验来复核虚拟实验的结论

与深度学习相比，AI在因果应用方面更具潜力原因在于AI可从观察研究中提取因果关系，而不只局限于相关性

数据收集及数据标准化仍是瓶颈

AI应用至关重要的一点，是要有可靠的基础数据集癌症大数据公司Flatiron Health首席医疗和科学主任阿伯内西如是说。即使是哃一个数据集的数据AI应用者也必须对数据的可靠程度进行判断，如关键治疗决策的时机很可能是医生从其它案例中复制过来的不可靠數据等。

为完善AI模型需要对数据进行详细注解，而这方面仍有待探索

“我们没有足够的数据来训练模型，以证实模型是否有所改善”德拉瓦什说，“数据收集及数据标准化仍是主要的瓶颈”

目前肿瘤学在基础数据的可靠性方面占据领先地位，阿伯内西如是说希尔表示同意，GNS的数据来源中有一半临床试验属于肿瘤科其次为自身免疫性疾病，之后为脑部疾病

数据集及AI应用必须保持对FDA和EMA等监管机构嘚可审核性和透明性，这一点也尤其重要与会专家认为这是计算化的前瞻想法，同时也适用于纸质记录同时随着付款人在医疗系统中扮演的角色越来越重要，该系统同样应对其具备可理解性

另外，与会专家还表示了对回收药物数据集的强烈兴趣多位专家认为目前这方面做的还不够。应用AI他们可利用已有数据集，寻找新问题的解决方案

欧洲领先的AI新药研发公司BenevolentBio首席执行官杰基·亨特（Jackie Hunter）说：“制藥企业正坐拥大量数据。”