
Klinik araştırma monitörleri, klinik çalışma trenini raylarda tutan orkestra şefleri gibidir. Çalışmanın sponsoru şirketin temsilcisi olarak araştırma merkezlerini ziyaret eder, merkezdeki sorumlu araştırmacıyla koordinasyon kurar ve sürecin sorunsuz ilerlemesini sağlarlar. Şimdi bu rolü yapay zekâyla destekleyen bir aracın, bağımsız bir modellemeyle ilk kez ekonomik etkisi ölçüldü.
Klinik araştırma monitörleri hasta alımının nasıl gittiğini, merkezde bu alımı karşılayacak yeterli ilaç stoku bulunup bulunmadığını ve hastaların herhangi bir ilaca başlayıp başlamadığını ya da bırakıp bırakmadığını değerlendirir. Son nokta önemlidir, çünkü ilaç değişikliği ciddi bir advers olayın (serious adverse event) işareti olabilir. Bunlara pek çok başka kontrol de eklenir.
Klinik çalışma yönetimi yazılımları geliştiren sağlık teknolojisi şirketi Medable’ın baş tıbbi sorumlusu Pamela Tenaerts, bir dönem kendisi de araştırma merkezinde çalıştığını anlatıyor. Monitörü o günlerde “her şeyi doğru yapıp yapmadığını denetlemeye gelen küçük bir polis” gibi gördüğünü söylüyor.
Medable ekibi, takip edilecek bu kadar çok başlık varken yardımcı bir yapay zekâ aracının değerli olacağı sonucuna vardı ve Clinical Monitoring Agent adlı aracı geliştirdi. Araç şunları yapabiliyor:
Amaç, monitörlerin zamandan kazanıp merkezdeki ekiple daha güçlü ilişkiler kurmasını sağlamak ve çalışmayı başarıya hazırlamak. Ancak aracın gerçekten işe yarayıp yaramadığı, yarıyorsa ne kadar yaradığı belirsizdi.
“Klinik çalışmalarda kullandığımız şeylerin gidişatı, umarım daha iyiye doğru, nasıl değiştirdiğini anlamak için hep kanıtla yola çıkmak istedik. Faydalı olacağı mantıklı görünüyordu ama test edip çalıştırmadan bilemezsiniz.” — Pamela Tenaerts, Medable
Medable, bağımsız bir değerlendirme için Tufts İlaç Geliştirme Araştırmaları Merkezi’ne (Tufts Center for the Study of Drug Development, CSDD) başvurdu. Araştırmacılar, Medable’ın araca ilişkin verilerini ve son beş yılın gerçek dünya onkoloji ilaç geliştirme verilerini referans alarak modelleme yaptı. Analiz henüz hakem denetiminden geçmedi.
Tufts CSDD’nin icra direktörü Ken Getz, onkolojiyi seçmelerinin nedenini ilaç geliştirmenin en hareketli alanı olmasına ve genel Ar-Ge hattındaki değişimi yansıtmasına bağlıyor. Getz’e göre onkoloji, nadir hastalıklar ve immünolojideki programlar giderek daha dar tanımlanmış hasta popülasyonlarını hedefliyor. Aynı analizin metabolik ya da kardiyovasküler ilaç geliştirme gibi başka alanlara da uygulanabileceğini, bunun için hedef hasta popülasyonuna ait referans verilerin modele girilmesinin yeterli olacağını ekliyor.
İlk analizde tek bir klinik çalışma için temel bir yatırım getirisi hesaplandı. Yapay zekâ ajanı, monitörlerin yapması gereken merkez ziyareti sayısını azaltarak seyahat kaynaklı maliyetleri düşürdü. Faza göre ayrıştırılan veriler şunu gösterdi:
Tenaerts, Faz 3’teki öngörülen tasarrufun daha yüksek olmasını, bu aşamada ilacın başarısız olma riskinin Faz 2’ye göre daha düşük olmasıyla açıklıyor. Risk hâlâ var ama hunide ilerledikçe azalıyor.
Tufts ekibi ayrıca, birden fazla risk faktörünü hesaba katan beklenen net bugünkü değer (Expected Net Present Value, eNPV) modelini uyguladı. Getz’in anlatımıyla tüm geliştirme programına bakılıyor; teknik, düzenleyici ve operasyonel zorluklarla ilgili riskler ayarlanıyor, ticari performans değerlendiriliyor ve sonuç bugünkü değere indirgeniyor. Çıktı, yapay zekâ izleme aracından yararlanmayan program ile yararlanan program arasındaki finansal değer farkı olarak ifade ediliyor.
Bu hesaba göre yapay zekâ ajanının eNPV kazanımları şöyle:
Ekip ayrıca ajanın hasta alım süresini 18 hafta kısalttığını ve klinik geliştirme takvimini hızlandırdığını belirtiyor.
Getz, modellenmesi kolay olmayan ve şirketin finansal getirisini etkileyebilecek unsurlar bulunduğunu vurguluyor. İlacın ek endikasyonlar kazanması ya da yeni bir hasta popülasyonuna yayılması gibi, mevcut programda değil sonraki geliştirme programlarında ortaya çıkabilecek “içkin ve soyut değerler” modele dahil değil. Getz, tahminlerin bu nedenle muhafazakâr olduğunu belirtiyor. Araştırmacılar, makaleyi bu yılın ekim ortasına kadar hakemli bir dergiye göndermeyi hedefliyor.
Tenaerts için bu çalışmanın en tatmin edici yanı, ilk kez aracın işe yaradığını gösteren ampirik bir çalışmanın ortaya çıkması. Getz ise modeli doğru kurmanın ve temkinli tahminler üretmenin çok zaman aldığını, sektörün bunu beklediğini düşündüğünü söylüyor.
Haber kaynağı: The Scientist
Tüm Hakları Saklıdır © 2026 - Tasarım ve Yazılım: brain.work