KI-Plattform identifiziert Patienten die am meisten von klinischen Studien profitieren

Eine neue Studie, die von Forschern des Winship Cancer Institute der Emory University und des Abramson Cancer Center der University of Pennsylvania geleitet wurde, zeigt, dass eine erstmals eingesetzte KI-Plattform Klinikern und Patienten helfen könnte, den potenziellen Nutzen einer bestimmten Therapie für einzelne Patienten zu bewerten. Diese Plattform unterstützt fundierte Behandlungsentscheidungen, das Verständnis des erwarteten Nutzens neuartiger Therapien und die Planung der zukünftigen Versorgung.

 Ravi B. Parikh und seine Forscherkollegen entwickelten TrialTranslator, ein System für maschinelles Lernen, mit dem die Ergebnisse klinischer Studien auf reale Populationen “übersetzt” werden können. Indem sie 11 wegweisende klinische Krebsstudien mit realen Daten nachstellten, konnten sie die tatsächlichen Ergebnisse klinischer Studien rekapitulieren und so feststellen, welche Patientengruppen auf die Behandlungen in einer klinischen Studie gut ansprechen und welche möglicherweise nicht.

“Wir hoffen, dass diese KI-Plattform Ärzten und Patienten dabei helfen kann, zu entscheiden, ob die Ergebnisse einer klinischen Studie auf einzelne Patienten übertragbar sind”, sagt Parikh. “Darüber hinaus kann diese Studie Forschern helfen, Untergruppen zu identifizieren, bei denen neue Behandlungen nicht wirken, und so neue klinische Studien für diese Hochrisikogruppen anregen.”

Parikh erklärt, dass klinische Studien zu potenziellen neuen Behandlungen nur begrenzt möglich sind, da weniger als 10 % aller Krebspatienten an einer klinischen Studie teilnehmen. Das bedeutet, dass klinische Studien oft nicht alle Patienten mit dieser Krebsart repräsentieren. Selbst wenn eine klinische Studie zeigt, dass eine neue Behandlungsstrategie bessere Ergebnisse erzielt als die Standardbehandlung, “gibt es viele Patienten, bei denen die neue Behandlung nicht funktioniert”, sagt Parikh.

“Dieser Rahmen und unsere Open-Source-Rechner werden es Patienten und Ärzten ermöglichen, zu entscheiden, ob die Ergebnisse von klinischen Studien der Phase III auf einzelne Krebspatienten anwendbar sind”, sagt er und fügt hinzu, dass “diese Studie eine Plattform bietet, um die Verallgemeinerbarkeit anderer randomisierter Studien in der realen Welt zu analysieren, einschließlich Studien mit negativen Ergebnissen”.

Original Paper:

Evaluating generalizability of oncology trial results to real-world patients using machine learning-based trial emulations | Nature Medicine

Lesen Sie auch:

KI-basierte Software für klinische Studien geht an den Start – MedLabPortal

KI erleichtert Arbeit in klinischen Studien erheblich – MedLabPortal

Transparenzoffensive: AWMF fordert Veröffentlichung aller klinischen Studienergebnisse – MedLabPortal

Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.