相關報導
FHIR標準在管理實境數據上的應用
當數據量大到一定的程度時,搬移數據到計算設施的所在是一件很困難的事,因此逐漸發展出數據共享區(data commons)的觀念,將公用的數據放在計算設施附近。使用者要計算時,可將演算法搬到計算設施的入口網,直接掛載有權限使用的數據做計算。
FHIR標準翻轉大數據分析與機器學習的分析流程
由電子病歷、疾病登錄、健檢數據等實境數據(real world data, RWD)所衍生出的實境「證據」(real world evidence, RWE),被認為與隨機對照試驗產生的證據一樣有效,可作為藥品上市審查的依據。因此,善用現存的實境數據將有助於發展生技產業與數位醫學,而這些發展都有賴於數據的可交換性。
新冠肺炎 (COVID-19) 檢測與人工智慧
一般醫療器材上市需 3-7 年,人工智慧 (Artificial Intelligence ; AI) 應用於醫療器材產業已多年。由於COVID-19肆虐,需快速檢測以阻斷傳染,故各國對於體外診斷醫療器材 (IVD),包括檢測病毒的抗體、抗原和核酸祭出緊急使用授權 (Emergency Use Authorization; EUA)
新冠疫情下人工智慧在藥物臨床試驗的應用與未來
臨床試驗是新藥研發程序中非常關鍵,也是最耗時、最燒錢的步驟。一般需時6-9年,平均成本約 13億美元。進入臨床試驗第一期的藥物中只有十分之一能夠獲得 FDA 的核准,進入臨床試驗第三期的藥物中平均兩個只有一個能夠成功上市,後期失敗的試驗成本更高。由於Covid-19的肆虐,對臨床試驗無異雪上加霜。若導入人工智慧 (Artificial Intelligence ; AI) 技術可能提供高效率,低成本的解方。
臨床試驗的去識別化方法:全域唯一識別碼簡介
為了要利用人工智慧的方法發展數位醫學,未來有些法令可能會鬆綁,允許電子病歷上雲代管。為了保護這些個人資料保護法認定的敏感性個人資料,最好是以去識別化的方式保存,才能確保病人的隱私。其實在臨床試驗上將患者的數據去識別化已行之有年。
臨床試驗場域的數位轉型
保護受試者的安全是執行臨床試驗者最重要的責任。只要是人在執行的工作,就會有一些漏洞,例如試驗可能會發生不良事件,試驗偏差需要通報、分析與追蹤。也需要醫院中其它的醫師注意使用臨床試驗的禁忌用藥。為了要增加效率,這些與臨床試驗相關的單位都有數位化的需求。