디지털화 물결에 따른 임상시험 모집의 변화: 약물시험계에서는 새로운 '인터넷 AI' 모집 모델을 출시했습니다.
2024-08-13
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
환자 모집은 임상 연구의 가장 중요한 측면 중 하나입니다. 대부분의 경우 이 과정은 몇 달 또는 몇 년이 걸립니다. 연구 데이터에 따르면 임상 연구 프로젝트의 80% 이상이 지정된 시간 내에 환자 등록을 완료할 수 없습니다. 기존 모집 모델의 족쇄를 깨고 보다 혁신적이고 효율적이며 안정적이고 규정을 준수하는 방식으로 환자를 모집하는 방법이 문제가 되었습니다. 모든 지원자에게 고려해야 할 제안입니다.
약물시험 네트워크(www.trialnet.cn)의 등장은 이러한 문제에 대한 새로운 해결책을 제시할 것으로 기대된다.
지리적 제한, 단일 채널, 정보 커뮤니케이션의 어려움 등 전통적인 모집 모델의 본질적인 단점과 비교하여 약물 시험 서클은 인터넷 플랫폼을 사용하여 "인터넷 + AI" 모집을 수행하여 모집 범위를 효과적으로 확대합니다. 잠재 환자가 인터넷 정보 채널을 통해 프로젝트를 검색할 수 있도록 하여 이해, 심사, 온라인 알림, 자발적 등록, 평가 자료 업로드, 프로젝트 CRC 검토 등 통합 협업 프로세스를 수행합니다. 이 혁신적인 모델은 스폰서에게 더 넓은 범위의 환자 자원을 제공할 뿐만 아니라 모집 효율성과 규정 준수 수준을 크게 향상시켜 모집 진행 상황을 투명하고 실시간으로 가시화합니다.
최근 이 혁신적인 모델에 초점을 맞춰 Shengfang Pharmaceuticals의 R&D 대상 모집 이사인 Ma Fan 씨를 인터뷰하여 "인터넷 + AI" 모집, AI 기술의 심층적 통합 및 스폰서에 대한 AI 기술의 중요한 가치에 대해 자세히 설명했습니다. 등 심도 있는 교류를 가졌습니다.
다음은 인터뷰의 주요 내용이다.
1, 왜 "인터넷"을해야합니까?+인공지능"채용?
마판(Ma Fan): 전통적인 모집은 모집 전문가가 연구 센터가 위치한 지역 주변의 피험자를 모집한다는 것을 의미합니다. 특정 진행성 간암 프로젝트를 예로 들면, 진행성 간암 환자를 모집해야 하는 경우 전통적인 방법은 병원 종양학과에 직원을 파견하여 프로젝트를 홍보하는 것입니다. 이는 롤을 배치하는 형식을 취할 수 있습니다. 업, 포스터, Moments 게시 등 환자가 참여를 원하는 경우 채용 전문가에게 등록하면 프로젝트 요구 사항에 따라 환자의 병력을 분류하고 사전 심사를 수행합니다(일부 대기업에서는 심사 업무를 의료 전문가에게 맡깁니다). 프로젝트 요구 사항을 충족하는 환자를 선별한 후, 연구 담당 의사와의 인터뷰를 위해 연구 부서로 이동하여 사전 동의서에 서명하고 검사하고 약물을 투여하도록 준비합니다. 약품 투여 시간이 되면 모집이 완료됩니다.
2, 채용을 잘하려면 어떤 능력이 필요합니까?
Ma Fan: 전통적인 채용은 실무자에 대한 요구 사항이 매우 높습니다. 진입 문턱은 낮지만 폭넓은 지식과 반복적인 업무, 응급상황이 요구되며, 높은 수준의 종합적인 개인 능력이 요구되는 분야입니다.
우선 의학적, 약학적 지식의 관점에서 볼 때, 항암제 모집에만 수백 가지의 질병과 그에 상응하는 약리학이 관련되어 있는데, 이 지식에 대한 기본적이고 종합적인 이해를 갖고 싶다면 대부분의 사람들은 적어도 5개 정도는 필요할 것이다. 수년 이상의 경험 축적. 그리고 이것은 단지 의료적인 부분의 축적일 뿐입니다.
둘째, "의약품에 대한 우수임상관리기준", "의료광고 관리기준", "헬싱키 선언" 등과 같은 규제요건도 있습니다. 실무자로서 이를 무시할 수 없습니다. 실무자의 전문성, 오만할 수 없습니다. 수술, 기차에 대해 이야기하세요.
또한, 각 프로젝트의 참여 방식이 다르기 때문에 연구소의 프로세스와 심사 주기도 동적으로 업데이트됩니다. 이 정보는 채용 담당 직원이 외부 회사 팀과 긴밀히 협력하고 이를 명확하게 인지하도록 요구합니다. 그렇지 않으면 주체의 기대치가 낮아지거나 높아져 합의에 혼란이 생기고 분쟁이 발생할 수 있습니다.
마지막으로, 대다수의 피험자들은 초기에 자신을 "기니피그"라고 생각하거나 약물의 효능에 대해 불합리한 상상을 하는 등 임상 연구에 대해 편견을 갖고 있으므로 모집 담당자는 임상 연구의 배경을 객관적으로 소개해야 합니다.
훈련을 통해 습득할 수 있는 하드 스킬입니다.
실무자로서 소프트파워도 필요합니다. 많은 대상은 민감한 마음을 가진 환자입니다. 응급 상황이 발생하면 자격을 갖춘 실무자도 여러 당사자의 권리와 이익을 보호하면서 순응적이고 효율적으로 의사소통하고 조정하는 방법을 알아야 합니다. 문제.
3, 약물 검사계가 만든 "인터넷"+인공지능"채용 모델은 기존 채용 모델과 어떻게 다릅니까?
마판: 프로세스도 다르고 사용하는 도구도 다릅니다.
기존 채용에서는 여전히 WeChat, 포스터, 엑셀 시트, PDF 문서 등을 사용하여 대상자를 모집하고 관리합니다. 실무자의 경우 기업 간 커뮤니케이션 및 협업 시 정보 세부 사항을 쉽게 간과할 수 있으며, 다음과 같은 경우 결과가 발생합니다. 인원의 이탈. 대상의 상태를 추적하고 인수하기가 어렵습니다. 주제의 경우 관리 및 보고를 위해 프로젝트 관련 질문에 대한 답변을 즉시 얻을 수 없으며, 각 프로젝트 상황을 통합하고 검토하는 데 많은 인력이 필요하므로 리소스 낭비, 업무 효율성 저하 및 경험 부족이 발생합니다.
약물검사 업무는 모두 디지털 시스템으로 관리되는데 AI가 많은 업무에 큰 도움이 됐다.
예를 들어, 온라인으로 임상시험에 등록한 피험자의 경우 병력 정보를 제출하도록 자동으로 안내하며, AI는 피험자가 사진을 통해 업로드한 정보를 즉시 분석하고 등록된 임상시험과 일치하는지 피드백합니다. 직원이 피험자와 접촉하면 피험자는 "지능형 매칭"을 통과하고 참여할 수 있는 프로젝트에 대한 사전 이해를 갖게 됩니다. 그 후에는 의사소통 효율성이 매우 높아 의사소통 시간이 크게 절약됩니다.
하지만 기존 인터넷에서 환자를 등록할 때는 먼저 회사를 소개하고 전화통화를 통해 초기 신뢰를 구축한 뒤, 대상자의 위챗 계정을 추가해 과거 병력을 수집하면 직원이 환자의 병력을 정리하고 찾아준다. 프로젝트 라이브러리에서 주제에 적합한 프로젝트 그런 다음 주제에 대한 프로젝트 상황에 대한 사전 소개를 제공합니다... 전체 프로세스의 전환율이 매우 낮고 주제 경험도 저하됩니다.
주체가 독립적으로 등록하는 시나리오 외에도 프로젝트 보고, 데이터 관리, 공동 작업 및 기타 시나리오에 AI를 적용하여 도구 업그레이드로 인해 파트너가 더 많은 작업을 수행할 수 있습니다. 성장률이 가속화되고, 파트너의 작업량이 줄어들고, 협업 효율성이 높아지고, 프로젝트 관리가 원활해지고, 주제 경험이 향상됩니다.
4, 약물 테스트 서클은 실제로20222008년쯤에야 피험자를 모집하기 시작했는데, 그 당시에는 이미 한 무리의 사람들이 있었습니다.10그것은 일년 내내 업계 리더가되었으며 일반적으로 업계는 다음과 같이 가장 빠르게 성장할 것으로 믿어집니다.14새해 전날192017년에는 채용 증가가 어려운데 채용 데이터가 매우 빠르게 증가했습니다. 어떻게 하셨나요?
Ma Fan: 네, 최근 몇 년 동안 약물 테스트 분야의 데이터가 매우 빠르게 증가하여 많은 사람들의 기대를 뛰어넘었습니다.
저는 2022년부터 주제모집 산업에 참여하기 시작했습니다. 당시 이미 선도적인 기업들이 있었지만, 여전히 임상연구가 진전되기 어려운 주된 이유는 모집이었습니다. 모집의 어려움으로 인해 많은 프로젝트에서 더 많은 센터를 개설하거나 임상시험을 연기하거나 심지어 중도에 포기해야 했으며 이로 인해 자원 손실과 낭비가 발생했으며 이로 인해 많은 약물이 시장에 출시되어 환자가 사용하는 것을 막을 수 있다고 생각합니다. 더 나은 것 같아서 도전하고 싶습니다. 이것은 어렵습니다.
2014~2019년은 기존 모델의 급속한 성장과 고수익의 시기였지만, 0~1년 동안 시장의 발전이 가져온 성장이었으며 모델은 오랜 세월 동안 변하지 않았으며 많은 중소기업이 채용은 점차적으로 동일한 모델을 채택하기 시작하여 업계에 심각한 변화를 가져왔습니다. 따라서 우리는 처음부터 크라우드 웨이브 전략을 사용하여 시장을 장악할 의도는 없었습니다.
우리는 업계가 직면한 문제를 해결하기 위해 기술과 프로세스 최적화를 사용해 왔으며, 질병 지식 그래프, OCR, LLM 등 많은 AI 기술을 갖춘 약물 시험 서클 피험자 모집 시스템을 개발하는 데 많은 에너지를 투자했습니다. , 등.
임상연구등록을 선택하는 과정에서 일반 암환자가 의사의 도움이 없어 병원의 지시와 임상연구 프로젝트를 이해하지 못하는 경우, AI를 활용해 의료기록 작성, 프로젝트 찾기 등을 도와주는 등의 결과를 제공할 예정이다. Zhang과 같이 누구나 이해할 수 있습니다. 세 번째 프로젝트는 중심에서 456km 떨어진 프로젝트 A와 60% 일치하고, 중심에서 불과 2km 떨어진 프로젝트 B와 100% 일치합니다. 이는 누구나 이해할 수 있고 독립적으로 선택할 수 있는 것입니다.
스폰서와의 리포팅 과정에서 저희 PM은 데이터 정리, 표 작성, 리포트 이메일 전송, 가격 계산 등의 시간을 허비할 필요가 없습니다. 시스템 내 데이터는 자동으로 다양한 시각적 보고서, 분석 차트, 로봇은 프로젝트 진행 상황을 보고하고 보낼 수도 있습니다.
이러한 애플리케이션은 사용자에게 편리함과 놀라움을 선사하여 성과 면에서도 급속한 성장을 가져왔습니다. 건선을 예로 들면 하루에 신규 등록 건수가 100건 이상입니다. 등록된 환자는 스스로 우리의 앱을 사용하므로 임상 연구에 대한 사전 이해와 선택권을 갖게 되며 참여에 대한 열정도 높아질 것입니다. AI 시스템, 많은 만성 질환 및 종양에 대한 피험자 모집은 고객의 기대를 훨씬 뛰어넘습니다.
그 외에도 우리는 이를 더 많은 시나리오에 적용하려고 노력하고 있으며 현재 인기 있는 LLM은 계속해서 많은 놀라움을 선사하고 있으며 가까운 시일 내에 더 많은 Smart 제품을 선보일 예정입니다. 그리고 서비스 런칭.
앞으로는 기술의 반복과 AI를 통한 인지 장벽의 감소로 인해 점점 더 많은 일반 사람들이 임상 연구를 이해하고, 편견을 없애고, 임상 연구에 참여할 수 있게 되는 것이 우리가 가장 중요하게 생각하는 시장 성장 포인트이기도 합니다.
5, 귀하의 팀과 사업 규모에 대해 소개해주실 수 있나요?
Ma Fan: 우리 팀은 현재 생산 연구와 운영이라는 두 부분으로 구성되어 있습니다. 운영팀은 6명으로 주제 프로젝트 수행 및 납품, 주제 후속 관리 등을 담당합니다. 생산 및 연구 팀은 제품 디자인, R&D 출시 등을 담당합니다. 물론 거의 10명입니다. , 후속 조치, 보고, 의료 매칭, Q&A 및 기타 문제를 담당하는 사람이 더 많습니다.
지금까지 우리는 900개 이상의 과목 모집 프로젝트를 수행했으며 현재 매달 거의 100개 과목이 등록됩니다.
미래에는 전통적인 채용 모델이 AI 지능형 채용으로 대체될 수 있다고 생각하시나요?
Ma Fan: 과목 모집 워크플로가 길고 AI가 당분간 일부 환자 서비스 및 인본주의적 진료 업무를 대체할 수 없습니다. 하지만 3~5년 안에 새로운 도구를 잘 적용하지 못하는 팀은 혁신과 성장 부족으로 어려움을 겪을 수 있습니다. . 점차적으로 시장에서 제거됩니다.
7, 데이터 보안 및 환자 개인 정보 보호는 최근 몇 년 동안 많은 관심을 불러일으킨 문제입니다. 약물 시험계에서는 이 문제를 어떻게 해결합니까?
Ma Fan: 제약 테스트 커뮤니티는 항상 규정 준수 작업에 큰 중요성을 부여해 왔으며 이 문제에 중점을 두고 많은 인증을 획득하고 포괄적인 데이터 보안 및 환자 개인 정보 보호 시스템을 구축했습니다.
환자가 가입할 때 플랫폼의 개인 정보 보호 승인에 서명해야 하며 플랫폼의 모든 임상 연구 프로젝트의 선별 및 매칭을 위해 개인 의료 데이터를 사용하는 데 동의해야 합니다.
플랫폼이 환자 데이터를 획득한 후 등록 시 입력한 개인정보 부분을 암호화하는 것 외에도 AI는 촬영된 데이터 중 이름, 주민등록번호, 휴대전화번호 등 환자의 개인정보와 관련된 부분도 자동으로 암호화합니다. ., 소프트웨어의 사용을 보장하기 위해 환자정보 조회시 환자의 개인정보는 볼 수 없습니다.
현재 우리나라의 환자 데이터 소유권에 대한 규정은 높은 수준으로 인정받고 있습니다. 환자의 진단 및 치료 결과, 기타 지적 성취와 관련된 데이터는 병원과 환자 개인에게 속하고, 환자의 검사 결과는 환자 개인에게 속합니다("전자의료기록"). 애플리케이션 관리 표준(시험)')에 따르면, 임상 연구에 참여하기 위해 개별 환자는 자신의 질병 정보를 사진으로 찍어 플랫폼에 업로드하고 관련 승인을 받습니다. 데이터 보안 및 개인 정보 보호에 문제가 없는 한 플랫폼 및 적용 범위가 합의된 제한을 초과하지 않는 경우 프로세스가 준수됩니다.
약물 테스트 서클은 ISO/IEC 27001 정보 보안 관리 시스템, 클래스 III 인증, GDPR 일반 데이터 보호 규정, HIPAA 건강 보험 이동성 및 책임법 등을 포함한 국제 및 국가 인증을 통과했습니다. 이러한 인증은 한편으로는 우리의 전문성을 보여주며, 다른 한편으로는 우리가 데이터 보안 및 개인정보 보호에 부여하는 중요성을 보여줍니다.
이로써 약물시험계 지능모집 사업에 대한 인터뷰가 모두 끝났다.
이러한 디지털화 물결에 따른 임상 연구 피험자 모집의 혁명에서, 약물 시험계가 개척한 "인터넷 + AI" 모집의 새로운 모델을 탐구함으로써 우리는 임상 연구 분야에서 새로운 기술을 구현하는 또 다른 가능성과 가능성을 볼 수 있었습니다. 임상 연구를 통해 미래 AI 기술은 의료 산업의 질병 예측 및 진단 지원에서부터 교통 분야의 지능형 운전 및 교통 흐름 최적화에 이르기까지 정확도, 적응성, 지능 등의 측면에서 질적 도약을 이룰 것으로 예상됩니다. 일상생활에서의 품질검사와 공정자동화부터 스마트홈과 일상생활에서의 개인화 서비스에 이르기까지, AI 기술의 적용 범위는 매우 넓어 사회 발전에 새로운 활력을 불어넣고 사람들의 삶에 전례 없는 편리함과 혁신을 가져옵니다.
약물 시험 서클은 관련 업계 당사자와 협력하기를 기대하며 AI 기술을 계속 사용하여 우리나라의 혁신적인 약물 개발을 지원할 것입니다. (시안닝 뉴스 네트워크)
