Во всем мире 80% клинических испытаний не соблюдают сроки регистрации, а 35% клинических испытаний прекращаются из-за недостаточной регистрации. Координаторы клинических исследований перегружены работой. Чтобы смягчить проблемы, с которыми сталкиваются клинические испытания, и повысить их успешность, компании пытаются использовать множество легкодоступных данных из историй болезни, чтобы улучшить эти мрачные результаты. Эти данные не структурированы для поиска и часто не могут быть запрошены без экспертной поддержки. Включая прогнозную аналитику и машинное обучение, испытания могут лучше находить потенциальных кандидатов, а также получать больше информации во время проектирования, чтобы упростить общий успех. На этом интерактивном веб-семинаре будет показано, как использование новых технологий может помочь в координации клинических испытаний в целях удовлетворения основных потребностей в наборе и предложить возможности для лучшей оценки вариантов дизайна и удержания.
Присоединяйтесь к этой экспертной группе спикеров, чтобы узнать о передовом опыте по расширению набора пациентов.
Цели обучения:
- Использование машинного обучения для квалификации кандидатов, выдвижения гипотез на основе недостающих данных и сведения к минимуму неудач клинических испытаний.
- Оптимизация операций на месте с помощью предиктивной аналитики
- Выработка стратегии для смягчения возможных неудач при скрининге, выбывания пациентов или несоблюдения режима лечения за счет улучшения сотрудничества и более тщательной проверки кандидатов.
Динамики
Теодора Вайс, руководитель отдела по защите интересов пациентов и связям с общественностью в регионе EMEA/APAC в Ionis Pharmaceuticals
Нина Антониотти, директор по функциональной совместимости и взаимодействию с пациентами в Детской исследовательской больнице Св. Иуды
Ори Гевасоучредитель и президент по коммерческой стратегии в Medial EarlySign
Адам Дуливице-президент по развитию бизнеса в Medial EarlySign
