Prever se os testes profissionais COVID-19 certamente deixarão de funcionar ou se sairão bem

O novo método prevê se os ensaios clínicos COVID-19 falharão ou terão sucesso

Para vencer a luta contra o COVID-19, estudos de pesquisa para estabelecer vacinações, medicamentos, ferramentas, bem como medicamentos reaproveitados são rapidamente necessários. Testes profissionais randomizados são usados ​​para dar prova de segurança e eficácia e para reconhecer melhor esta infecção única e em desenvolvimento. Em 15 de julho, mais de 6,180 testes profissionais COVID-19 foram assinados com o Clinical Trials.gov, o registro nacional de computadores e fonte de dados para estudos de pesquisa profissional com financiamento aberto e independente realizados em todo o mundo. Saber quais têm mais probabilidade de se dar bem é crucial.

Pesquisadores da Faculdade de Engenharia da Florida Atlantic University e da Ciência da Computação são os primeiros a fazer a versão COVID-19 conclusão versus interrupção em testes profissionais usando fórmulas de inteligência artificial, bem como detecção de conjuntos. O estudo de pesquisa, lançado em PLoS ONE, oferece uma das coleções mais consideráveis ​​de funções para registros de teste profissional, consistindo em funções para projetar gerenciamento de teste, detalhes de estudo de pesquisa, bem como layout, qualificação, frases de pesquisa, medicamentos, bem como várias outras funções.

Este estudo de pesquisa revela que as técnicas computacionais podem fornecer versões confiáveis ​​para reconhecer a distinção entre testes COVID-19 concluídos e descontinuados. Além disso, essas versões também podem prever o teste COVID-19 com precisão aceitável.

Como a COVID-19 é uma doença bastante única, um número considerável de testes foi oficialmente encerrado. Portanto, para o estudo de pesquisa, os cientistas pensaram em 3 tipos de testes como testes de cessação: terminados, retirados e colocados em espera. Esses testes representam iniciativas de estudo de pesquisa que realmente foram interrompidas / interrompidas por fatores específicos, bem como representam iniciativas de estudo de pesquisa, bem como fontes que não foram eficazes.

“O objetivo principal de nossa pesquisa foi prever se um ensaio clínico COVID-19 será concluído ou encerrado, retirado ou suspenso. Os ensaios clínicos envolvem uma grande quantidade de recursos e tempo, incluindo planejamento e recrutamento de seres humanos ”, afirmou Xingquan 'Hill' Zhu, Ph D., escritor idoso e professor do Departamento de Informática, Engenharia Elétrica e Informática Science, que realizou o estudo de pesquisa com a primeira escritora Magdalyn 'Maggie' Elkin, uma aluna do segundo ano de Ph D. em tecnologia da computação que também funciona de forma permanente. “Se pudermos prever a probabilidade de um teste ser encerrado ou não no futuro, isso ajudará as partes interessadas a planejar melhor seus recursos e procedimentos. Eventualmente, essas abordagens computacionais podem ajudar nossa sociedade a economizar tempo e fontes para combater a pandemia global de COVID-19. ”

Para o estudo de pesquisa, Zhu e Elkin acumularam 4,441 testes COVID-19 do Clinical Trials.gov para construir um banco de testes. Eles criaram 4 tipos de funções (funções de dados, funções de palavras-chave, funções de medicação, bem como funções de incorporação) para identificar gerenciamento de teste profissional, qualificação, detalhes de estudo de pesquisa, padrões, tipos de medicação, frases de pesquisa de estudo de pesquisa, junto com funções de incorporação geralmente feitas uso de inteligência artificial avançada. No total, 693 funções dimensionais foram produzidas para resistir a cada teste profissional. Para objetivos de contraste, os cientistas usaram 4 versões: Rede Neural; Floresta aleatória; XGBoost; bem como Regressão Logística.

A opção de recurso, bem como a posição, revelaram que as funções de palavras-chave originadas do MeSH (cabeçalhos de assuntos clínicos) em relação aos registros de teste profissional, foram uma das mais úteis para a previsão de teste COVID-19, cumprida por funções de medicação, funções de dados também como funções de incorporação. Embora as funções da medicação, bem como as frases de pesquisa do estudo de pesquisa, fossem uma das funções mais úteis, todos os 4 tipos de funções são cruciais para a previsão exata do teste.

Ao fazer uso tanto da descoberta de conjuntos quanto da degustação, a versão utilizada nesta pesquisa atingiu valores superiores a 0.87 localizações sob as classificações de contorno (AUC) e também precisão bem balanceada superior a 0.81, mostrando alta eficácia de aproveitamento. de técnicas computacionais para previsão de teste profissional COVID-19. Os resultados também revelaram versões solitárias com precisão bem balanceada de até 70%, bem como uma pontuação F1 de 50.49%, recomendando que modelar testes profissionais é melhor ao separar locais de estudo de pesquisa ou doenças.

“Os ensaios clínicos que foram interrompidos por vários motivos são caros e muitas vezes representam uma tremenda perda de recursos. Como os surtos futuros de COVID-19 são prováveis ​​mesmo após o declínio da pandemia atual, é fundamental otimizar os esforços de pesquisa eficientes ", afirmou Stella Batalama, Ph D., reitora, Faculdade de Engenharia, bem como Ciência da Computação" Aprendizado de máquina e impulsionado por IA abordagens computacionais foram desenvolvidas para aplicações de saúde COVID-19 e técnicas de aprendizado profundo foram aplicadas ao processamento de imagens médicas para prever surtos, rastrear a propagação de vírus e para diagnóstico e tratamento de COVID-19. A nova abordagem desenvolvida pelo professor Zhu e Elkin será útil para projetar abordagens computacionais para prever se um ensaio clínico COVID-19 será concluído ou não para que as partes interessadas possam aproveitar as previsões para planejar recursos, reduzir custos e minimizar o tempo do estudo clínico.".

Detonic