{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3410431"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3410431","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Βελτιστοποίηση λειτουργιών κλινικών δοκίμων χρησιμοποιώντας προηγμένες τεχνολογίες τεχνητής νοημοσύνης","abstract":"Οι κλινικές μελέτες αποτελούν αναπόσπαστο μέρος της ανάπτυξης νέων φαρμάκων καθώς καθορίζουν την ασφάλεια και την αποτελεσματικότητα των ουσιών. Ο σωστός σχεδιασμός κλινικών μελετών μπορεί να γίνει σε δεδομένα υψηλής ποιότητας και κατ' επέκταση η ζωή προάγει την υγεία ενός συνόλου και την ποιότητα ζωής του. Ωστόσο, λόγω του σημαντικού τους ρόλου, συχνά έχουν αρκετά δύσκολο σχεδιασμό για την απόδοση δεδομένων υψηλής ποιότητας. Ένα πολύ μεγάλο ποσοστό κλινικών δοκιμών αποτυγχάνει και αυτό μπορεί να οφείλεται σε πολλούς λόγους, όπως μη αντιπροσωπευτικά κριτήρια ένταξης και αποκλεισμού για την αντιπροσώπευση του πληθυσμού ασθενών στον πληθυσμό της μελέτης, αποτυχίες στη στατιστική ανάλυση, το ρυθμιστικό πλαίσιο ή την εγγραφή ασθενών και διατήρηση. Οι τεχνολογικές εξελίξεις έρχονται να καλύψουν αυτά τα κενά στο σχεδιασμό και την εκτέλεση κλινικών δοκιμών με το πιο πρόσφατο επίτευγμα να φαίνεται να είναι η ενοποίηση της τεχνητής νοημοσύνης και των εφαρμογών της στη βελτιστοποίηση των διαδικασιών δοκιμών. Αυτή η διπλωματική εξετάζει τον κεντρικό ρόλο που παίζει η τεχνολογία AI στη βελτιστοποίηση διαφόρων πτυχών των εργασιών κλινικών δοκιμών. Η μελέτη ξεκινά με μια εις βάθος ανασκόπηση των τρεχουσών προκλήσεων που αντιμετωπίζουν οι παραδοσιακές κλινικές δοκιμές, συμπεριλαμβανομένης της στρατολόγησης, της παρακολούθησης ασθενών, της ανάλυσης δεδομένων και της συμμόρφωσης με τους κανονισμούς. Στη συνέχεια, διερευνά τις πιθανές εφαρμογές της τεχνολογίας AI στην αντιμετώπιση αυτών των προκλήσεων. Ο πρωταρχικός στόχος είναι να διερευνηθεί πώς οι αλγόριθμοι τεχνητής νοημοσύνης και οι τεχνικές μηχανικής μάθησης μπορούν να εξορθολογήσουν τις διαδικασίες, να βελτιώσουν την αποτελεσματικότητα και να βελτιώσουν τα αποτελέσματα στην περιοχή των κλινικών δοκιμών. Η εργασία προσδιορίζει βασικές προσεγγίσεις και εργαλεία που βασίζονται στην τεχνητή νοημοσύνη που έχουν αποδείξει αποτελεσματικότητα σε διαφορετικά στάδια της διαδικασίας κλινικών δοκιμών. Επιπλέον, αυτή η διπλωματική εξετάζει την πρακτική εφαρμογή λύσεων τεχνητής νοημοσύνης σε πραγματικές κλινικές δοκιμές, ενώ αξιολογεί τον αντίκτυπο της τεχνητής νοημοσύνης σε διάφορες λειτουργικές μετρήσεις, όπως η διάρκεια της δοκιμής, η σχέση κόστους-αποτελεσματικότητας και η δέσμευση των συμμετεχόντων. Επιπλέον, αναλύονται κριτικά τα βασικά ζητήματα που αφορούν την ενσωμάτωση της τεχνητής νοημοσύνης σε κλινικές δοκιμές. Μέσω ολοκληρωμένης ανάλυσης και αξιολόγησης, αυτή η εργασία στοχεύει σε μια βαθύτερη κατανόηση της συνεργιστικής σχέσης μεταξύ της τεχνολογίας AI και των λειτουργιών κλινικών δοκιμών.","abstract_html":"Οι κλινικές μελέτες αποτελούν αναπόσπαστο μέρος της ανάπτυξης νέων φαρμάκων καθώς καθορίζουν την ασφάλεια και την αποτελεσματικότητα των ουσιών. Ο σωστός σχεδιασμός κλινικών μελετών μπορεί να γίνει σε δεδομένα υψηλής ποιότητας και κατ&#x27; επέκταση η ζωή προάγει την υγεία ενός συνόλου και την ποιότητα ζωής του. Ωστόσο, λόγω του σημαντικού τους ρόλου, συχνά έχουν αρκετά δύσκολο σχεδιασμό για την απόδοση δεδομένων υψηλής ποιότητας. Ένα πολύ μεγάλο ποσοστό κλινικών δοκιμών αποτυγχάνει και αυτό μπορεί να οφείλεται σε πολλούς λόγους, όπως μη αντιπροσωπευτικά κριτήρια ένταξης και αποκλεισμού για την αντιπροσώπευση του πληθυσμού ασθενών στον πληθυσμό της μελέτης, αποτυχίες στη στατιστική ανάλυση, το ρυθμιστικό πλαίσιο ή την εγγραφή ασθενών και διατήρηση. Οι τεχνολογικές εξελίξεις έρχονται να καλύψουν αυτά τα κενά στο σχεδιασμό και την εκτέλεση κλινικών δοκιμών με το πιο πρόσφατο επίτευγμα να φαίνεται να είναι η ενοποίηση της τεχνητής νοημοσύνης και των εφαρμογών της στη βελτιστοποίηση των διαδικασιών δοκιμών. Αυτή η διπλωματική εξετάζει τον κεντρικό ρόλο που παίζει η τεχνολογία AI στη βελτιστοποίηση διαφόρων πτυχών των εργασιών κλινικών δοκιμών. Η μελέτη ξεκινά με μια εις βάθος ανασκόπηση των τρεχουσών προκλήσεων που αντιμετωπίζουν οι παραδοσιακές κλινικές δοκιμές, συμπεριλαμβανομένης της στρατολόγησης, της παρακολούθησης ασθενών, της ανάλυσης δεδομένων και της συμμόρφωσης με τους κανονισμούς. Στη συνέχεια, διερευνά τις πιθανές εφαρμογές της τεχνολογίας AI στην αντιμετώπιση αυτών των προκλήσεων. Ο πρωταρχικός στόχος είναι να διερευνηθεί πώς οι αλγόριθμοι τεχνητής νοημοσύνης και οι τεχνικές μηχανικής μάθησης μπορούν να εξορθολογήσουν τις διαδικασίες, να βελτιώσουν την αποτελεσματικότητα και να βελτιώσουν τα αποτελέσματα στην περιοχή των κλινικών δοκιμών. Η εργασία προσδιορίζει βασικές προσεγγίσεις και εργαλεία που βασίζονται στην τεχνητή νοημοσύνη που έχουν αποδείξει αποτελεσματικότητα σε διαφορετικά στάδια της διαδικασίας κλινικών δοκιμών. Επιπλέον, αυτή η διπλωματική εξετάζει την πρακτική εφαρμογή λύσεων τεχνητής νοημοσύνης σε πραγματικές κλινικές δοκιμές, ενώ αξιολογεί τον αντίκτυπο της τεχνητής νοημοσύνης σε διάφορες λειτουργικές μετρήσεις, όπως η διάρκεια της δοκιμής, η σχέση κόστους-αποτελεσματικότητας και η δέσμευση των συμμετεχόντων. Επιπλέον, αναλύονται κριτικά τα βασικά ζητήματα που αφορούν την ενσωμάτωση της τεχνητής νοημοσύνης σε κλινικές δοκιμές. Μέσω ολοκληρωμένης ανάλυσης και αξιολόγησης, αυτή η εργασία στοχεύει σε μια βαθύτερη κατανόηση της συνεργιστικής σχέσης μεταξύ της τεχνολογίας AI και των λειτουργιών κλινικών δοκιμών.","abstract_has_math":false,"creators":["Κατσίγιαννη Ελένη-Ιωάννα","Katsigianni Eleni-Ioanna"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-11-19T06:30:03Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3410431"],"render_values":[{"text":"uoadl:3410431","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3410431","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3410431","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3410431","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κατσίγιαννη Ελένη-Ιωάννα","Katsigianni Eleni-Ioanna"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3410431","https://pergamos.lib.uoa.gr/uoa/dl/object/3410431"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Οι κλινικές μελέτες αποτελούν αναπόσπαστο μέρος της ανάπτυξης νέων φαρμάκων καθώς καθορίζουν την ασφάλεια και την αποτελεσματικότητα των ουσιών. Ο σωστός σχεδιασμός κλινικών μελετών μπορεί να γίνει σε δεδομένα υψηλής ποιότητας και κατ' επέκταση η ζωή προάγει την υγεία ενός συνόλου και την ποιότητα ζωής του. Ωστόσο, λόγω του σημαντικού τους ρόλου, συχνά έχουν αρκετά δύσκολο σχεδιασμό για την απόδοση δεδομένων υψηλής ποιότητας. Ένα πολύ μεγάλο ποσοστό κλινικών δοκιμών αποτυγχάνει και αυτό μπορεί να οφείλεται σε πολλούς λόγους, όπως μη αντιπροσωπευτικά κριτήρια ένταξης και αποκλεισμού για την αντιπροσώπευση του πληθυσμού ασθενών στον πληθυσμό της μελέτης, αποτυχίες στη στατιστική ανάλυση, το ρυθμιστικό πλαίσιο ή την εγγραφή ασθενών και διατήρηση. Οι τεχνολογικές εξελίξεις έρχονται να καλύψουν αυτά τα κενά στο σχεδιασμό και την εκτέλεση κλινικών δοκιμών με το πιο πρόσφατο επίτευγμα να φαίνεται να είναι η ενοποίηση της τεχνητής νοημοσύνης και των εφαρμογών της στη βελτιστοποίηση των διαδικασιών δοκιμών. Αυτή η διπλωματική εξετάζει τον κεντρικό ρόλο που παίζει η τεχνολογία AI στη βελτιστοποίηση διαφόρων πτυχών των εργασιών κλινικών δοκιμών. Η μελέτη ξεκινά με μια εις βάθος ανασκόπηση των τρεχουσών προκλήσεων που αντιμετωπίζουν οι παραδοσιακές κλινικές δοκιμές, συμπεριλαμβανομένης της στρατολόγησης, της παρακολούθησης ασθενών, της ανάλυσης δεδομένων και της συμμόρφωσης με τους κανονισμούς. Στη συνέχεια, διερευνά τις πιθανές εφαρμογές της τεχνολογίας AI στην αντιμετώπιση αυτών των προκλήσεων. Ο πρωταρχικός στόχος είναι να διερευνηθεί πώς οι αλγόριθμοι τεχνητής νοημοσύνης και οι τεχνικές μηχανικής μάθησης μπορούν να εξορθολογήσουν τις διαδικασίες, να βελτιώσουν την αποτελεσματικότητα και να βελτιώσουν τα αποτελέσματα στην περιοχή των κλινικών δοκιμών. Η εργασία προσδιορίζει βασικές προσεγγίσεις και εργαλεία που βασίζονται στην τεχνητή νοημοσύνη που έχουν αποδείξει αποτελεσματικότητα σε διαφορετικά στάδια της διαδικασίας κλινικών δοκιμών. Επιπλέον, αυτή η διπλωματική εξετάζει την πρακτική εφαρμογή λύσεων τεχνητής νοημοσύνης σε πραγματικές κλινικές δοκιμές, ενώ αξιολογεί τον αντίκτυπο της τεχνητής νοημοσύνης σε διάφορες λειτουργικές μετρήσεις, όπως η διάρκεια της δοκιμής, η σχέση κόστους-αποτελεσματικότητας και η δέσμευση των συμμετεχόντων. Επιπλέον, αναλύονται κριτικά τα βασικά ζητήματα που αφορούν την ενσωμάτωση της τεχνητής νοημοσύνης σε κλινικές δοκιμές. Μέσω ολοκληρωμένης ανάλυσης και αξιολόγησης, αυτή η εργασία στοχεύει σε μια βαθύτερη κατανόηση της συνεργιστικής σχέσης μεταξύ της τεχνολογίας AI και των λειτουργιών κλινικών δοκιμών.","Clinical studies are an integral part of the development of new drugs as they determine the safety and effectiveness of substances. The right design of clinical studies can be done on high-quality data and by extension life promote the health of a whole and their quality of life. However, due to their important role, they often have quite a difficult design to yield high-quality data. A very large proportion of clinical trials fail, and this may be caused due to a multitude of reasons such as non-representative inclusion and exclusion criteria to represent the patient population in the study population, failures in statistical analysis, regulatory framework, or patient enrolment and retention. Technological advances are coming to fill these gaps in the design and execution of clinical trials with the most recent achievement appearing to be the consolidation of artificial intelligence and its applications in optimizing trial processes. This thesis dives into the crucial role that AI technology plays in optimizing various facets of clinical trial operations. Beginning with an in-depth review of the current challenges traditional clinical trial operations face, including recruitment, patient monitoring, data analysis, and regulatory compliance. It then explores, the potential applications of AI technology in addressing these challenges. The primary objective is to explore how AI algorithms and machine learning techniques can streamline processes, enhance efficiency, and improve outcomes within the region of clinical trials. The study identifies key AI-driven approaches and tools that have demonstrated efficacy in different stages of the clinical trial process. Furthermore, this thesis examines the practical implementation of AI solutions in real-world clinical trial settings while assessing the impact of AI on various operational metrics such as trial duration, cost-effectiveness, and participant engagement. Additionally, the key considerations surrounding the integration of AI in clinical trials are analyzed critically. Through comprehensive analysis and evaluation, this research aims to a deeper understanding of the synergistic relationship between AI technology and clinical trial operations."]},{"key":"dc:title","label":"Title","values":["Βελτιστοποίηση λειτουργιών κλινικών δοκίμων χρησιμοποιώντας προηγμένες τεχνολογίες τεχνητής νοημοσύνης"]}]}],"canonical_facts":{"dc:creator":["Κατσίγιαννη Ελένη-Ιωάννα","Katsigianni Eleni-Ioanna"],"dc:date":["2024"],"dc:description":["Οι κλινικές μελέτες αποτελούν αναπόσπαστο μέρος της ανάπτυξης νέων φαρμάκων καθώς καθορίζουν την ασφάλεια και την αποτελεσματικότητα των ουσιών. Ο σωστός σχεδιασμός κλινικών μελετών μπορεί να γίνει σε δεδομένα υψηλής ποιότητας και κατ' επέκταση η ζωή προάγει την υγεία ενός συνόλου και την ποιότητα ζωής του. Ωστόσο, λόγω του σημαντικού τους ρόλου, συχνά έχουν αρκετά δύσκολο σχεδιασμό για την απόδοση δεδομένων υψηλής ποιότητας. Ένα πολύ μεγάλο ποσοστό κλινικών δοκιμών αποτυγχάνει και αυτό μπορεί να οφείλεται σε πολλούς λόγους, όπως μη αντιπροσωπευτικά κριτήρια ένταξης και αποκλεισμού για την αντιπροσώπευση του πληθυσμού ασθενών στον πληθυσμό της μελέτης, αποτυχίες στη στατιστική ανάλυση, το ρυθμιστικό πλαίσιο ή την εγγραφή ασθενών και διατήρηση. Οι τεχνολογικές εξελίξεις έρχονται να καλύψουν αυτά τα κενά στο σχεδιασμό και την εκτέλεση κλινικών δοκιμών με το πιο πρόσφατο επίτευγμα να φαίνεται να είναι η ενοποίηση της τεχνητής νοημοσύνης και των εφαρμογών της στη βελτιστοποίηση των διαδικασιών δοκιμών. Αυτή η διπλωματική εξετάζει τον κεντρικό ρόλο που παίζει η τεχνολογία AI στη βελτιστοποίηση διαφόρων πτυχών των εργασιών κλινικών δοκιμών. Η μελέτη ξεκινά με μια εις βάθος ανασκόπηση των τρεχουσών προκλήσεων που αντιμετωπίζουν οι παραδοσιακές κλινικές δοκιμές, συμπεριλαμβανομένης της στρατολόγησης, της παρακολούθησης ασθενών, της ανάλυσης δεδομένων και της συμμόρφωσης με τους κανονισμούς. Στη συνέχεια, διερευνά τις πιθανές εφαρμογές της τεχνολογίας AI στην αντιμετώπιση αυτών των προκλήσεων. Ο πρωταρχικός στόχος είναι να διερευνηθεί πώς οι αλγόριθμοι τεχνητής νοημοσύνης και οι τεχνικές μηχανικής μάθησης μπορούν να εξορθολογήσουν τις διαδικασίες, να βελτιώσουν την αποτελεσματικότητα και να βελτιώσουν τα αποτελέσματα στην περιοχή των κλινικών δοκιμών. Η εργασία προσδιορίζει βασικές προσεγγίσεις και εργαλεία που βασίζονται στην τεχνητή νοημοσύνη που έχουν αποδείξει αποτελεσματικότητα σε διαφορετικά στάδια της διαδικασίας κλινικών δοκιμών. Επιπλέον, αυτή η διπλωματική εξετάζει την πρακτική εφαρμογή λύσεων τεχνητής νοημοσύνης σε πραγματικές κλινικές δοκιμές, ενώ αξιολογεί τον αντίκτυπο της τεχνητής νοημοσύνης σε διάφορες λειτουργικές μετρήσεις, όπως η διάρκεια της δοκιμής, η σχέση κόστους-αποτελεσματικότητας και η δέσμευση των συμμετεχόντων. Επιπλέον, αναλύονται κριτικά τα βασικά ζητήματα που αφορούν την ενσωμάτωση της τεχνητής νοημοσύνης σε κλινικές δοκιμές. Μέσω ολοκληρωμένης ανάλυσης και αξιολόγησης, αυτή η εργασία στοχεύει σε μια βαθύτερη κατανόηση της συνεργιστικής σχέσης μεταξύ της τεχνολογίας AI και των λειτουργιών κλινικών δοκιμών.","Clinical studies are an integral part of the development of new drugs as they determine the safety and effectiveness of substances. The right design of clinical studies can be done on high-quality data and by extension life promote the health of a whole and their quality of life. However, due to their important role, they often have quite a difficult design to yield high-quality data. A very large proportion of clinical trials fail, and this may be caused due to a multitude of reasons such as non-representative inclusion and exclusion criteria to represent the patient population in the study population, failures in statistical analysis, regulatory framework, or patient enrolment and retention. Technological advances are coming to fill these gaps in the design and execution of clinical trials with the most recent achievement appearing to be the consolidation of artificial intelligence and its applications in optimizing trial processes. This thesis dives into the crucial role that AI technology plays in optimizing various facets of clinical trial operations. Beginning with an in-depth review of the current challenges traditional clinical trial operations face, including recruitment, patient monitoring, data analysis, and regulatory compliance. It then explores, the potential applications of AI technology in addressing these challenges. The primary objective is to explore how AI algorithms and machine learning techniques can streamline processes, enhance efficiency, and improve outcomes within the region of clinical trials. The study identifies key AI-driven approaches and tools that have demonstrated efficacy in different stages of the clinical trial process. Furthermore, this thesis examines the practical implementation of AI solutions in real-world clinical trial settings while assessing the impact of AI on various operational metrics such as trial duration, cost-effectiveness, and participant engagement. Additionally, the key considerations surrounding the integration of AI in clinical trials are analyzed critically. Through comprehensive analysis and evaluation, this research aims to a deeper understanding of the synergistic relationship between AI technology and clinical trial operations."],"dc:identifier":["uoadl:3410431","https://pergamos.lib.uoa.gr/uoa/dl/object/3410431"],"dc:language":["English"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Βελτιστοποίηση λειτουργιών κλινικών δοκίμων χρησιμοποιώντας προηγμένες τεχνολογίες τεχνητής νοημοσύνης"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:30:03Z"}