National and Kapodistrian University of Athens
Τεχνητή νοημοσύνη και διαχείριση μεγάλων δεδομένων στις κλινικές μελέτες
Abstract
dc:descriptionΕισαγωγή: Οι κλινικές δοκιμές είναι ο πιο αξιόπιστος τρόπος για την απόδειξη της ασφάλειας και της αποτελεσματικότητας μιας νέας θεραπείας. Χρειάζονται, κατά μέσο όρο, 10-15 χρόνια εκ των οποίων 5-6 απαιτούνται για την έρευνα και την ανάπτυξη μιας δραστικής ουσίας και άλλα 5-7 χρόνια για την ολοκλήρωση των κλινικών δοκιμών. Η κυκλοφορία ενός νέου φαρμάκου στην αγορά απαιτεί τεράστιο κόστος στις Η.Π.Α ανέρχεται στα 1.5 – 2 δισεκατομμύρια δόλάρια. Το μεγαλύτερο μέρος των χρημάτων αυτών δαπανάται στις κλινικές δοκιμές και κυρίως στη φάση ΙΙΙ η οποία ξεχωρίζει ως η πλέον χρονοβόρα, σύνθετη και απαιτητική. Τα τελευταία χρόνια, η χρήση της τεχνητής νοημοσύνης και των δεδομένων του πραγματικού κόσμου (RWD), δηλαδή επιστημονικών δεδομένων από διάφορες πηγές, στην υγειονομική περίθαλψη, είναι εργαλεία που θα μπορούσαν να μεταμορφώσουν κάποιες διαδικασίες και να αλλάξουν τον τρόπο με τον οποίο προσεγγίζουμε τις κλινικές δοκιμές. Σκοπός: Σκοπός της παρούσας εργασίας είναι να εξετάσει κατά πόσο η τεχνητή νοημοσύνη και η χρήση των μεγάλων δεδομένων μπορούν να βελτιώσουν τις διάφορες πτυχές των κλινικών μελετών, καθώς και να τονίσει τους περιορισμούς, τους κινδύνους και τα εμπόδια που θα θέσει μελλοντικά μία τόσο νέα και πολυδιάστατη τεχνολογία. Μεθοδολογία: Η παρούσα διπλωματική βασίζεται σε συστηματική βιβλιογραφική ανασκόπηση με στόχο να απαντήσει στα ερευνητικά ερωτήματα. Η αναζήτηση πληροφοριών έγινε σε αξιόπιστες βάσεις δεδομένων όπως Google Scholar, PubMed, Elsevier. Οι λέξεις-κλειδιά που χρησιμοποιήθηκαν ήταν οι εξής: Artificial Intelligence, Clinical trials, Big data, Drug development, Machine Learning, Deep Learning, Omics, Decentralized Clinical Trials, Neuronal Networks και σε πολλές περιπτώσεις έγινε και συνδυασμός των όρων αυτών. Η εργασία βασίστηκε σε άρθρα της χρονικής περιόδου 2014 – 2025 και γραμμένα στην αγγλική και στην ελληνική γλώσσα. Συμπέρασμα / Συζήτηση : Η χρήση της τεχνητής νοημοσύνης στις κλινικές μελέτες παρουσιάζει μεγάλες προοπτικές και αναπτύσσεται γρήγορα, με πολλές μελέτες και άρθρα να υποστηρίζουν ότι η τεχνητή νοημοσύνη μπορεί ξεπεράσει τα εμπόδια που αντιμετωπίζουμε σήμερα στην ανάπτυξη φαρμάκων και να δημιουργήσει ένα μοντέλο ιατρικής έρευνας.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Στεφάνου Αγγελική
- Stefanou Angeliki
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:5297290