NetraMark Holdings Inc. kündigte die Einführung seines NetraAI Lab-Angebots an, das es biopharmazeutischen Unternehmen einfacher und erschwinglicher denn je machen soll, die Vorteile der NetraAI-Lösung zur Verbesserung der Erfolgsquoten klinischer Studien zu erfahren. Im Rahmen dieses Angebots wird NetraMark NetraAI auf die klinischen Studiendaten seiner Kunden anwenden und versuchen, Schlüsselvariablen zu identifizieren, die bestimmte Studienergebnisse beeinflussen, testbare Hypothesen über die Rolle dieser Variablen bei der Reaktion der Patienten auf die Studie aufzustellen und auf der Grundlage dieser Erkenntnisse Ein- und Ausschlusskriterien zu empfehlen, die potenziell zur Verbesserung des Erfolgs zukünftiger klinischer Studien genutzt werden können. Kunden, die an diesem Angebot teilnehmen, erhalten diese wertvollen Ergebnisse innerhalb von nur vier Wochen.

Zu den wichtigsten Funktionen und Vorteilen des NetraAI Labs gehören: NetraAl-Analyse für ein einzelnes Asset in der klinischen Phase; Definierte Untersuchungskategorien (z.B.. Ansprechen, Placebo, Toxizität); Entdeckung von Datensätzen/Datenquellen (Prüfung/Inventarisierung); Simulation der nächsten Phase der Studie im Hinblick auf Effektgröße und p-Werte; vierwöchige Bearbeitungszeit; integriertes Projektteam; NetraAl-Projektleiter, leitender Datenwissenschaftler, Bioinformatiker, klinischer Wissenschaftler; Entwicklungsteam des Sponsors; hochwertige Ergebnisse/Empfehlungen; Treffen in der Mitte der Phase mit ersten Ergebnissen und Hypothesentests; Treffen mit abschließenden Empfehlungen; Präsentation mit detaillierten Variablen und Auswirkungen der Simulation auf Effektgröße/p-Werte; Anreicherungsstrategien und Überlegungen zum Protokolldesign. Im Gegensatz zu anderen KI-basierten Lösungen für klinische Studien ist NetraAI so konzipiert, dass es Fokusmechanismen enthält, die kleine Datensätze in erklärbare und nicht erklärbare Teilmengen unterteilen. Unerklärbare Teilmengen sind Sammlungen von Patienten, die aufgrund schlechter Korrelationen mit den beteiligten Variablen zu suboptimalen Overfit-Modellen und ungenauen Erkenntnissen führen können.

Die NetraAI nutzt die erklärbaren Teilmengen, um Erkenntnisse und Hypothesen abzuleiten (einschließlich Faktoren, die das Ansprechen auf Behandlung und Placebo sowie unerwünschte Ereignisse beeinflussen), die die Erfolgschancen einer klinischen Studie erhöhen können. Typische KI-Methoden verfügen nicht über diese Fokussierungsmechanismen und ordnen jeden Patienten einer Klasse zu, auch wenn dies zu einer "Überanpassung" führt, bei der wichtige Informationen, die zur Verbesserung der Erfolgschancen einer Studie beitragen könnten, untergehen.

Außerdem erschwert der "Black Box"-Ansatz anderer KI-Lösungen das Verständnis der gegebenen Empfehlungen. Im Gegensatz dazu ist NetraAI ein ?Glashaus?

Glashaus?, in dem jede identifizierte Variable mit einer biologischen Begründung und einer überprüfbaren Hypothese verknüpft ist, die die Fachexperten der Kunden bewerten und beurteilen können. Die Leistungsfähigkeit von NetraAI wurde in einer kürzlich erschienenen Publikation in Frontiers in Computational Neuroscience bestätigt, in der der Einsatz von NetraAI bei der Entdeckung neuartiger Zielmoleküle für Medikamente gegen Amyotrophe Lateralsklerose (ALS) und einzigartiger Subpopulationen von ALS-Patienten beschrieben wird, die die Erfolgsraten klinischer Studien erheblich verbessern könnten. Mit der Einführung des NetraAI Lab-Angebots ist NetraMark der Ansicht, dass die Teilnehmer schnell den Wert erkennen werden, den NetraAI bietet, und die NetraMark-Technologie schließlich als normalen Teil ihres klinischen Studienprozesses übernehmen werden.