NetraMark Holdings Inc. kondigt de lancering aan van het NetraAI Lab-aanbod, dat is ontworpen om het voor biofarmaceutische bedrijven eenvoudiger en betaalbaarder dan ooit te maken om te ervaren hoe de NetraAI-oplossing het succespercentage van klinische studies kan verbeteren. Via dit aanbod zal NetraMark NetraAI toepassen op de klinische onderzoeksgegevens van klanten en proberen belangrijke variabelen te identificeren die specifieke onderzoeksresultaten bepalen, testbare hypotheses bieden over de rol die deze variabelen spelen in de respons van patiënten en op basis van deze inzichten inclusie- en exclusiecriteria aanbevelen die mogelijk gebruikt kunnen worden om het succes van toekomstige klinische onderzoeken te verbeteren. Klanten die aan het aanbod deelnemen, ontvangen deze waardevolle resultaten in slechts vier weken.

De belangrijkste kenmerken en voordelen van het NetraAI Lab zijn: NetraAl-analyse voor een enkele klinische fase; Gedefinieerde onderzoekscategorieën (bijv. respons, placebo, toxiciteit); Ontdekken van dataset/gegevensbronnen (auditing/inventarisatie); Simulatie van volgende fase studie met betrekking tot effectgrootte en p-waarden; Doorlooptijd van vier weken; Geïntegreerd projectteam; NetraAl projectleider, senior datawetenschapper, bioinformaticus, klinisch wetenschapper; Sponsorontwikkelingsteam; Hoogwaardige deliverables/aanbevelingen; Mid-fase bijeenkomst met eerste bevindingen en hypothesetests; Slotbijeenkomst met aanbevelingen; Presentatie met gedetailleerde variabelen en simulatie-impact op effectgrootte/p-waarden; Verrijkingsstrategieën en protocolontwerpoverwegingen. In tegenstelling tot andere AI-gebaseerde klinische onderzoeksoplossingen, is NetraAI uniek ontworpen om focusmechanismen in te bouwen die kleine datasets scheiden in verklaarbare en onverklaarbare subsets. Onverklaarbare subsets zijn verzamelingen patiënten die kunnen leiden tot suboptimale overfit modellen en onnauwkeurige inzichten door slechte correlaties met de betrokken variabelen.

De NetraAI gebruikt de verklaarbare subsets om inzichten en hypotheses af te leiden (inclusief factoren die de respons op behandeling en placebo en bijwerkingen beïnvloeden) die de kans op succes van een klinisch onderzoek kunnen vergroten. Typische AI-methoden missen deze focusmechanismen en wijzen elke patiënt toe aan een klasse, zelfs als dit leidt tot "overfitting", waardoor kritieke informatie die gebruikt zou kunnen worden om de kans op succes van een trial te verbeteren, wordt overstemd.

Bovendien maakt de "zwarte doos"-benadering van andere AI-oplossingen het moeilijk om de verstrekte aanbevelingen te begrijpen. NetraAI is daarentegen een "glazen huis?

waarin elke geïdentificeerde variabele gekoppeld is aan een biologische rationale en testbare hypothese die de materiedeskundigen van klanten kunnen evalueren en beoordelen. De kracht van NetraAI is gevalideerd in een recente publicatie in Frontiers in Computational Neuroscience, waarin het gebruik ervan wordt beschreven voor het ontdekken van nieuwe medicijndoelen voor amyotrofe laterale sclerose (ALS) en unieke ALS-patiëntsubpopulaties die het succespercentage van klinische studies aanzienlijk kunnen verbeteren. Door de lancering van het NetraAI Lab-aanbod is NetraMark van mening dat deelnemers snel de waarde zullen inzien die NetraAI biedt en uiteindelijk de NetraMark-technologie zullen adopteren als een normaal onderdeel van hun klinisch onderzoeksproces.