医疗大数据分析技术 | 第二届DIA中国数字临床试验创新论坛
作者：王霄
医疗大数据分析技术
主持：李威 支持：王霄
李威
Medidata中国区总经理
在李总的主持下，医疗大数据的分析专场从临床试验设计，临床试验执行和可视化数据分析等角度分享了最新的医疗大数据分析技术。从试验方案的设计，患者入组试验中心的选择，到SDV的自动化和试验数据的可视化分析，各位讲者分享了成功案例，给到了我们如何利用大数据分析提升临床试验的质量和效率的思路。相信随着我们对于大数据分析技术理解的深入和提高，整个临床试验的流程将得到更大的提升和优化。
提供前瞻洞察助力成功的智能临床试验——AI驱动的中心选择、入组预测和试验监查
Jef Benbanaste
Medidata Acorn AI(Intelligent Trial) 高级总监/首席产品专家
Jef针对AI驱动的临床试验进行了相关示例的介绍，同时也介绍了如何能够结合AI进行相应的工作。Jef对于AI驱动的智能临床试验的介绍主要分为三大部分，包括患者入组动态调整，实时监查和快速修正。
在实时的病人入组调整上，Jef展示了Intelligent Trial在通过整合多项临床试验的基本信息的基础上，根据每个试验的适应症、分期和入组需求，更准确地定位到相应的中心，确保能够找到相应实施更便捷、患者入组率更高的中心，以便于在试验设计和启动过程中提高试验的效率。
在实时监查方面，Jef展示了通过长期积累的经验和算法成果下的AI工具，帮助运营团队更快更好地完成监查工作，提高试验的效率。
在快速修正上，Jef展示了通过AI计算方法来进行试验数据确认和趋势性分析的案例，其中也利用了AI的计算能力和识别能力，帮助我们锁定问题数据并进行相应的处理和修正，提高了临床试验的速度和质量。诊疗数据分析在临床试验中的综合应用
彭涛
开心生活科技（HLT）首席数据科学家
彭老师针对诊疗数据的应用，提出了诊疗数据在临床试验中应用的方法，包括了在试验设计和试验执行两个阶段的应用。
在试验设计上，彭老师举了几个例子来说明如果利用现有医院的诊疗数据更好地来支持试验设计。以一个膀胱癌的试验设计为例，该试验根据国际上的共识，选择BCG灌注治疗失败的患者入组。但是根据团队利用中国临床诊疗实践数据调查后的结果来看，由于医院准入和和医保政策等因素，BCG灌注治疗比例很低。因此在试验设计中如果加上这样的受试者人群，入组会非常困难。利用这样的提前分析，可以帮助我们更好地设计试验。
在试验执行方面，彭老师同样也提到了几个例子。其中包括利用诊疗数据识别AE/CM等漏报的情况的案例，通过这样的技术方案提高试验执行的效率和质量，节省试验的费用，迎接CFDI的检查。
彭老师总结到，在现在这样一个非常纷繁复杂的诊疗数据的市场，我们如果能更好地利用诊疗数据，将会给到临床试验非常大的帮助。
可视化数据分析在医疗行业的应用
孙基平
Tableau 客户解决方案高级顾问
孙老师展示了如何使用可视化分析工具针对医疗行业进行数据分析和应用。
孙老师首先介绍了前意识理论，举例说明如何利用视觉感提高人们对数据的认知。为了让观众有更直观的认识，孙老师拿出一份临床试验数据进行现场演示如何进行可视化数据分析。他利用简单的拖拽和点击在10分钟的时间里便从12万行的数据中分析得出了病患群组特征、试验注册趋势、用药及不良反应情况等结论，并可以在不同的可视化间进行联动分析查找问题。
随后，孙老师拿出武田制药、吉利德、拜耳等客户成功案例来讲解医药企业在数字化转型中所遇到的问题以及如何解决。医药领域用户在利用数据时往往面临数据分散、缺少合适分析工具、缺乏数据驱动的文化这三大问题。利用可视化分析平台，用户可以完成自助数据清洗准备和自动化流程、受管控的自助分析及分享、利用自然语言的数据问答以及基于AI的数据解释，从而帮助企业提升效率提高产出。
孙老师最后指出，利用合适的工具以及正确的方法论（Blueprint）可以发挥可视化数据分析的最大价值，并期待帮助越来越多的医疗企业提升数据素养、挖掘数据资产的价值。
拓展阅读
2021DIA年会暨展览会
点击图片了解详情
DIA会员
▲点击图片了解详情
ICH 专题
▲点击图片了解详情
2021 DIA中国年会暨展览会
推荐阅读
关于DIA
DIA总部位于美国首都Washington DC，此外在北美、欧洲、日本、中国等设有分部。作为一家中立的国际组织，DIA 在制药和其它医疗健康领域，孜孜不倦50余年，为政府，工业和学术机构提供了形式多样的交流和学习的平台，赢得广泛认可和赞誉。
DIA连接生命科学领域专家，点燃对话 ，推动全球医疗健康领域的积极变革；DIA创建的连接在不断变化的全球格局中，催化知识和定制化学习提升。
DIA发布
全新上线 ！
扫码关注我们
微信号｜DIA发布
长按识别左侧二维码即可关注
我们努力为你提供有内容的内容。