Als Kathryn Doornbos ihren Doktortitel erhielt und in die Biopharma-Welt eintrat, stellte sie sich eine Frage, die sie nicht mehr losließ – warum war es so schwer für klinische Standorte, die richtigen Patienten zur richtigen Zeit für die richtigen Studien zu identifizieren? Diese Intuition war korrekt, und es gibt genügend Beweise, die dies unterstützen. Es ist der Hauptgrund, warum eine von fünf Onkologie-Studien aufgrund unzureichender Rekrutierung scheitert. Doornbos glaubt, dass es letztendlich der Patient ist, der am meisten unter diesem Mangel leidet.
Um dieses Problem anzugehen, stieß Doornbos auf Realyze Intelligence, ein Startup, das Software entwickelt, um Patientendaten zu analysieren, um Patientenpopulationen für klinische Studien zu identifizieren und zuzuordnen. Viele Herausforderungen stehen einer optimalen Patientenauswahl im Weg, von Annahmen, Vorurteilen und Blindstellen bis hin zur umständlichen und zeitaufwändigen Arbeitsweise mit Patientendaten. Einige Probleme entstehen aus der oft gezogenen imaginären Linie, um den Willen eines Patienten zur Teilnahme an einer klinischen Studie einzuschätzen.
Realyze Intelligence´s Plattform hat in den letzten Monaten Forscher am Memorial Sloan Kettering Cancer Center unterstützt und ermöglichte einer Gruppe von Forschern des UPMC Hillman Cancer Center sowie der University of Pittsburgh, Erkenntnisse zu generieren, um die Versorgung von Brustkrebspatientinnen zu verbessern. Die Software basiert auf “Human-in-the-Loop Machine Learning”, einem kollaborativen Ansatz, der menschliche Eingabe und Expertise bei der Entwicklung von Maschinenlern- und Künstlicher-Intelligenz-Systemen einbezieht.
Realyze Intelligence´s Software zielt darauf ab, die entscheidenden Informationen schnell verfügbar zu machen, damit klinische Forschungsspezialisten sofort beurteilen und schnell handeln können. Durch menschliche Effizienz und die transparente Natur der Software wird die Auswahl von Patienten für klinische Studien verbessert. Dies ist entscheidend, um die Versorgung von Patienten zu ermöglichen und die Ergebnisse zu verbessern, aber auch um sozioökonomische Ungleichheiten anzugehen, die sich darauf auswirken, wie nützlich ein Medikament für verschiedene Bevölkerungsgruppen ist. Letztendlich führt die größere Vielfalt innerhalb von Patientenkohorten zu einem breiteren Potenzial für die Medizin.