टीमें अपने विज्ञान को कमजोर किए बिना मरीजों का बोझ कैसे कम कर सकती हैं?

फार्मास्युटिकल कार्यकारी: आगामी जेपी मॉर्गन हेल्थकेयर सम्मेलन में एआई जीवन विज्ञान कंपनियां कैसे खड़ी हो सकती हैं?
एंजेला श्वाब: कुछ अलग तरीके हैं. 2025 में, हमने हर चीज़ के लिए AI का उपयोग करने और हमारी सभी समस्याओं को हल करने के दावों के साथ AI का बहुत प्रचार देखा। हालाँकि, मोहभंग हो गया है, और एआई से बाहर निकलने के लिए जो हम वास्तव में चाहते हैं, आपके पास भारी मात्रा में संकेत और आगे-पीछे की बातचीत होनी चाहिए। इसके साथ, यह अभी भी मतिभ्रम है।

जो कंपनियाँ उभरकर सामने आ रही हैं वे गहरी, डोमेन ज्ञान वाली हैं और चरण-दर-चरण एआई में प्रक्रियाओं का निर्माण कर रही हैं। इससे कोई फर्क नहीं पड़ता कि वे कहां हैं, चाहे वह क्लिनिकल-ट्रायल हो या जीवन विज्ञान परिदृश्य, उनके पास जानकारी के सभी टुकड़ों को अलग करने और इसे एक संरचित तरीके से बनाने के लिए वह गहरा, डोमेन ज्ञान है जहां टीमें वास्तव में सफल होती हैं।

पीई: एआई क्लिनिकल परीक्षण डिज़ाइन का समर्थन कैसे कर रहा है?
श्वाब: हमारे पास क्लिनिकल परीक्षण डिज़ाइन का एक नया युग है। 2024 तक, हम एक प्रोटोकॉल लेकर इसे मैन्युअल रूप से कर रहे हैं जिसे किसी और ने लिखा है और कह रहा है कि यह शायद बहुत अच्छा है।

हम कॉपी-पेस्ट करते हैं और चीजों को एक साथ रखते हैं। उसके साथ जो आता है वह है असफलताएँ। नैदानिक ​​​​परीक्षणों में अविश्वसनीय रूप से उच्च विफलता दर है, जैसे अंतिम बिंदुओं को पूरा न करना, समय सीमा से बड़े पैमाने पर आगे बढ़ना, और रोगियों को शामिल न करना।

यह विज्ञान और व्यवसाय की अखंडता से समझौता करता है।

वे विफलताएँ उस पुरानी मैन्युअल प्रक्रिया में अंतर्निहित हैं। अब, हमारे पास एक अवसर है जहां एआई बड़े पैमाने पर डेटा सेट को खंगाल सकता है और आपके डोमेन में अन्य नैदानिक ​​​​परीक्षणों में समापन बिंदु या अन्य परीक्षण क्या किए गए जैसी चीजों की तलाश कर सकता है। यह प्रोटोकॉल और योजना में पूर्वानुमानित गुणवत्ता प्रदान कर सकता है ताकि आप उन चीजों को समझना शुरू कर सकें जिनका नैदानिक ​​​​परीक्षण के विकास पर सकारात्मक या नकारात्मक प्रभाव पड़ेगा।

पीई: क्या एआई क्लिनिकल परीक्षणों में उच्च विफलता दर के मुद्दे को हल करने में मदद कर सकता है?
श्वाब: ऐसे कई तरीके हैं जिनसे क्लिनिकल परीक्षण विफल हो जाते हैं। हो सकता है कि मरीजों को ढूंढने में बहुत अधिक समय लगे, विषय अतिभारित हो जाएं, साइटें गायब होने लगें क्योंकि चीजें उनके लिए बहुत जटिल हैं। उस विफलता दर को कम करने के तरीकों में प्रोटोकॉल बनाने में निर्णयों के बारे में अधिक विचार करना और यह सोचना शामिल है कि वे मरीजों, साइटों, एकत्र किए जा रहे डेटा को कैसे प्रभावित करते हैं, और यह निर्धारित करते हैं कि क्या इसे बेहतर करने के तरीके हैं।

इसमें विकेंद्रीकृत तत्वों का उपयोग शामिल हो सकता है जो रोगियों और साइटों पर इसे आसान बनाते हैं। क्या डेटा बोझ को कम करना संभव है? हम अत्यधिक डेटा एकत्र कर रहे हैं, और इसका अधिकांश भाग वास्तव में अंतिम बिंदुओं और उद्देश्यों का समर्थन नहीं कर रहा है। एंडपॉइंट और प्रोटोकॉल को डिज़ाइन करते समय, कई बार आपको इसके इतने जटिल होने या इतने सारे एंडपॉइंट होने की आवश्यकता नहीं होती है।

पीई: टीमें अपने विज्ञान को कमजोर किए बिना मरीजों का बोझ कैसे कम कर सकती हैं?
श्वाब: नंबर एक है लीन ट्रायल डिज़ाइन। हमें कभी भी मरीज़ों को ऐसे परीक्षणों, मुलाक़ातों या प्रश्नावली से नहीं गुज़रना चाहिए जो सीधे तौर पर परीक्षण के लक्ष्यों का समर्थन नहीं करते हों।

उदाहरण के तौर पर, मैं एक क्लिनिकल टीम के साथ काम कर रहा था जो अपने मरीजों पर आठ मनोवैज्ञानिक प्रश्नावली बनाना चाहती थी। यह मरीजों के लिए लगभग दो घंटे की प्रश्नावली है। टीम ने कहा कि चिंता न करें, क्योंकि मरीज तो वेटिंग रूम में ही बैठे होंगे।

वे दो घंटे तक प्रतीक्षालय में क्यों हैं? क्या आपको लगता है कि दो घंटे की प्रश्नावली के अंत में मूल्यांकन मान्य होगा? वे संभवतः क्रोधित हो जाएंगे और प्रत्येक उत्तर के लिए ए भरना शुरू कर देंगे।

हमें खुद को मरीजों की जगह पर रखकर उस यात्रा के बारे में सोचना चाहिए। यह कैसा है, उन्हें कितनी दूर तक गाड़ी चलानी है, क्या हम विकेंद्रीकृत कर सकते हैं, क्या कोई उनके घर जा सकता है, क्या वे ऑनलाइन प्रश्नावली बना सकते हैं, आदि।

ड्राई-रन करना और जांचकर्ताओं को साइट पर जाकर यह देखना उचित है कि ड्राइव कैसी है और यहां तक ​​कि पार्किंग भी कैसी है। कभी-कभी हम खराब योजना के बारे में सोचते हैं जो रोगियों और परीक्षण स्थलों पर महंगी पड़ सकती है। हमें यह सुनिश्चित करना चाहिए कि हम उन्हें उनके समय और वे इसमें जो कुछ भी लगा रहे हैं, उसकी सही प्रतिपूर्ति कर रहे हैं।

पीई: खराब योजना और परीक्षण डिज़ाइन से साइटें कैसे प्रभावित होती हैं?
श्वाब: साइटें वास्तव में इन सबका खामियाजा भुगतती हैं। मैंने लगभग 14 वर्षों तक एक साइट पर काम किया; मैंने इस निर्णय का निरीक्षण किया कि कौन से परीक्षण लेने हैं। उनमें से बहुत से निर्णय आवश्यक रूप से विज्ञान पर आधारित नहीं थे, बल्कि परीक्षण के परिचालन प्रभाव पर आधारित थे।

हम तत्वों के आधार पर निर्णय लेंगे जैसे कि हमें कितने समन्वयकों की आवश्यकता होगी, रोगी का दौरा कितना गहन होगा, और परीक्षण कितने तीव्र होंगे जो विभिन्न विभागों को प्रभावित करेंगे। यदि एक परीक्षण के लिए एक महीने में 30 एमआरआई की आवश्यकता होती है, तो इससे कई विभागों पर प्रतिकूल प्रभाव पड़ सकता है।

हमें इन योजनाओं पर चरण-दर-चरण सोचना चाहिए और केवल यह नहीं मानना ​​चाहिए कि परीक्षण साइटें किसी भी परीक्षण का पूरा बोझ संभाल सकती हैं। हो सकता है वे हाँ कहें लेकिन बाद में बोझ के कारण छोड़ दें। यदि आपके पास क्लिनिकल परीक्षण है और साइटें उत्साहित लगती हैं, और अचानक आपको क्रिकेट मिल रहा है, तो शायद इसके पीछे एक कारण है।

पीई: निवेशक जेनेरिक चैटजीपीटी रैपर्स के अलावा आशाजनक एआई कंपनियों की पहचान कैसे कर सकते हैं?
श्वाब: कुछ महत्वपूर्ण तत्व हैं जिन पर निवेशकों को ध्यान देना चाहिए। इसमें अंतर्निहित बुद्धिमत्ता होनी चाहिए, यह कुछ ऐसा नहीं होना चाहिए जो चैटजीपीटी जैसा दिखता हो लेकिन केवल एक विशिष्ट चीज़ के लिए होने का दावा करता हो। यदि यह केवल दस्तावेज़ या पावरपॉइंट बनाने के लिए है, तो संभवतः यह एक आवरण है।

अंतर्निहित इंटेलिजेंस और बुनियादी ढांचा एक वास्तविक प्लेटफ़ॉर्म के स्थान पर हैं जो विशिष्ट तरीकों से विशिष्ट सामग्री बनाने के लिए एआई का उपयोग करता है। यह उपयोगकर्ताओं को सही दस्तावेज़ बनाने की यात्रा पर ले जाता है।

चैटजीपीटी एक विशिष्ट प्रकार के शोध अध्ययन के लिए एक प्रोटोकॉल लिख सकता है। लेकिन हमारे प्लेटफ़ॉर्म के साथ, यह हर चीज़ पर चरण-दर-चरण काम करेगा। यह उद्देश्यों, परिकल्पना, अंतिम बिंदुओं और प्रक्रियाओं पर चर्चा करेगा। ये सभी चीजें एक-दूसरे पर निर्भर हैं और डेटा द्वारा समर्थित हैं जिन्हें एआई खींच सकता है और निर्णय लेने की प्रक्रिया में मदद कर सकता है।