Wie überwachte maschinelles Lernen den Einsatz von KI in klinischen Studien optimiert

Wie überwachte maschinelles Lernen den Einsatz von KI in klinischen Studien optimiert

Die Zukunft der klinischen Studien: KI und der Einsatz überwachter Machine-Learning-Modelle

Die Rolle Künstlicher Intelligenz in klinischen Studien: Chancen und Herausforderungen

Künstliche Intelligenz (KI) gilt als eine der vielversprechendsten Technologien, die klinische Studien revolutionieren könnte. Laut der jährlichen Umfrage „State of the Biopharmaceutical Industry“ von GlobalData an Pharma-Profis errang KI in den Jahren 2020 bis 2023 den ersten Platz als Technologie mit dem größten Einfluss auf die Branche. Doch welche Formen der KI haben tatsächlich das größte Potenzial?

KI in klinischen Studien: Strategien und Ansätze

Die Anwendungsbereiche von KI sind vielfältig, allerdings ist es für Pharmaunternehmen entscheidend, eine proaktive, werteorientierte Strategie zu entwickeln, anstatt Technologien um ihrer selbst willen zu implementieren. Große Sprachmodelle (LLMs) wie ChatGPT haben die Welt mit ihrer Fähigkeit beeindruckt, schnell und kreativ Texte basierend auf globalen Informationen zu erstellen. Doch diese Freiheit kann auch problematische Aspekte mit sich bringen, da LLMs häufig unzuverlässige Antworten generieren.

Die Grenzen und Probleme von LLMs

Obwohl LLMs in der Lage sind, menschliche Sprache zu verstehen und zu erzeugen, zeigen sich bereits in der Anfangsphase unvermeidbare Probleme. Die hohen Betriebskosten und Risiken wie Inkonsistenzen oder regulatorische Hürden sind dabei nicht zu unterschätzen. Besonders problematisch sind die sogenannten „Halluzinationen“ – Antworten, die scheinbar überzeugend und echt sind, jedoch inkorrekt.

Ein Beispiel verdeutlicht dies: Wenn ChatGPT um den MedDRA-Code für „Herzinfarkt“ gebeten wird, könnte die Antwort äußerlich überzeugend sein, tatsächlich ist der zurückgegebene Code jedoch für eine andere Krankheit. Diese Art von Fehler zeigt, dass LLMs im medizinischen Bereich äußerst vorsichtig betrachtet werden sollten.

Die Überlegenheit von überwachten Maschinenlernen

Im Gegensatz zu LLMs besitzen überwachte Lernmodelle den Vorteil, dass sie von Natur aus als unzuverlässig gelten und dadurch eine vertrauenswürdigere Nutzererfahrung bieten. Sie neigen nicht dazu, das gleiche Maß an Überzeugungskraft und Autorität auszustrahlen wie LLMs, was es Nutzern erleichtert, ihre Antworten zu hinterfragen.

Gerade in klinischen Studien, wo Genauigkeit und Transparenz entscheidend sind, sollten Unternehmen verstärkt auf überwachte Lernmethoden setzen. Diese Modelle sind oft kostengünstiger, effektiver und wartungsfreundlicher als LLMs. Branchenführer wie Zelta von Merative zeigen, dass die richtige Auswahl der Technologie entscheidend ist, um Kundenwert zu schaffen und nicht bloß dem Trend der LLMs zu folgen.

Zeltas Ansatz zur Nutzung von KI in klinischen Studien

Zelta hat über ein Jahrzehnt Erfahrung in der Integration von KI und fortschrittlicher Automatisierung. Die cloudbasierte eClinical-Plattform vereinfacht das Management klinischer Studien, wobei KI zur medizinischen Kodierung und CDASH-Annotation eingesetzt wird. Diese Lösung hat bereits hunderte Stunden menschlicher Arbeitskraft eingespart und die Effizienz in klinischen Studien erheblich gesteigert.

Die Auswirkungen von KI auf klinische Studien werden weiterhin zunehmen, und Zelta fokussiert sich darauf, KI-verbesserte Funktionen in Übereinstimmung mit erprobten Anwendungsfällen auszubauen, anstatt blind den neuesten Trends zu folgen.

Fazit

Künstliche Intelligenz hat das Potenzial, klinische Studien grundlegend zu verändern, doch ist es entscheidend, die richtige Strategie und Technik auszuwählen. Während LLMs beeindruckende Fortschritte in der Sprachverarbeitung gemacht haben, bieten überwachte Maschinenlernen-Modelle oft eine zuverlässigere und kosteneffizientere Lösung. Die Erfahrungen von Zelta in diesem Bereich sind ein klarer Beweis für den messbaren Wert, den eine gut durchdachte KI-Implementierung in klinischen Studien schaffen kann.

Für mehr Informationen über Zeltas Ansatz zur Nutzung von überwachten Maschinenlernen in klinischen Studien und deren langjährige Erfolge in diesem Bereich, laden Sie den Bericht unten herunter.


Melden Sie sich für unseren täglichen News-Round-up an! Verschaffen Sie sich einen Vorsprung in Ihrer Branche mit unseren führenden Brancheninsights.