El reclutamiento para ensayos clínicos siempre ha sido un desafío. Es especialmente desafiante para las terapias que se están probando para enfermedades raras, una población que ya es pequeña. Los ensayos clínicos para enfermedades raras son pequeños por necesidad, pero son aún más pequeños debido a la imposibilidad de reclutar. Muchos de estos ensayos no llegan a más de 100 participantes.

Para comprender cuán pequeño es esto para un ensayo médico, el ensayo clínico de Pfizer para la vacuna COVID-19 incluyó a 40.000 participantes. Además, el 90% de los ensayos de enfermedades raras nunca alcanzan su objetivo de reclutamiento y el 81% de los pacientes que desean participar no se consideran elegibles.

Además, los ensayos de enfermedades raras suelen tardar un 68% más en completarse que otros ensayos. Este número es tan alto solo por el tiempo que lleva reclutar pacientes inicialmente.

Como resultado de la lucha por el reclutamiento, muchos ensayos de enfermedades raras crean 6 veces más ubicaciones de ensayo que los estudios típicos. Cuando no sabe dónde buscar, debe ampliar su búsqueda. Por supuesto, esto se suma al costo financiero de implementar una prueba.

Un nuevo sistema de reclutamiento de inteligencia artificial (IA) mejorado por Real Chemistry IPM.ai debería mejorar la facilidad de reclutamiento para estos grupos de sujetos desafiantes.

La nueva inteligencia artificial (IA)

No se trata solo de encontrar pacientes individuales para estos ensayos. Debería tratarse de encontrar focos de pacientes. Esto permitiría a los investigadores ubicar de manera efectiva los sitios de ensayos clínicos donde se encuentran las personas.

Afortunadamente, esto se puede hacer con inteligencia artificial, más específicamente, aprendizaje automático.

IPM.ai, tiene acceso a una gran cantidad de datos de salud anonimizados. Esto incluye información sobre a qué médicos acuden los pacientes y a qué instituciones médicas están afiliados esos médicos. Esto permite al equipo de investigación encontrar las áreas geográficas en las que se encuentran los pacientes y, en última instancia, mejorar el reclutamiento.

Por ejemplo, cuando IPM.ai trabajó con X4 Pharmaceuticals, combinaron sus datos, superponiendo el marcador genético del síndrome WHIM con su base de datos geográfica. Juntos, pudieron encontrar dónde se ubicaban los pacientes. Luego, utilizaron el aprendizaje automático para encontrar puntos en común y patrones. En última instancia, la tecnología de inteligencia artificial puede predecir la probabilidad de que cada individuo en los Estados Unidos sea diagnosticado con el síndrome WHIM.


Trudy Horsting

Fuente: https://patientworthy.com/2021/09/03/ai-improves-enrollment-rare-disease-clinical-trials/