{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5431487"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5431487","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Η χρήση ηλεκτρονικών φακέλων υγείας και εργαλείων τεχνητής νοημοσύνης για τη βελτιστοποίηση της διαδικασίας των κλινικών δοκιμών","abstract":"Εισαγωγή: Οι ηλεκτρονικοί φάκελοι υγείας αποτελούν πλέον θεμελιώδες εργαλείο για την αποθήκευση, διαχείριση και ανάλυση δεδομένων, ενώ η τεχνητή νοημοσύνη προσφέρει νέες δυνατότητες στην επεξεργασία τους, επιτρέποντας την ταχύτερη και πιο ακριβή διεξαγωγή κλινικών δοκιμών. Παρά τις σημαντικές ευκαιρίες, παραμένουν προκλήσεις που αφορούν την ποιότητα των δεδομένων, τη διαλειτουργικότητα, την ηθική και τη νομική συμμόρφωση. Σκοπός: Σκοπός της παρούσας εργασίας ήταν η διερεύνηση του ρόλου των EMRs και των εργαλείων ΑΙ στη βελτιστοποίηση της διαδικασίας των κλινικών δοκιμών, μέσω ανασκόπησης της διεθνούς βιβλιογραφίας και ανάλυσης των προοπτικών ενσωμάτωσης των δεδομένων πραγματικού κόσμου στη ρυθμιστική και ερευνητική διαδικασία. Μεθοδολογία: Η εργασία βασίστηκε σε εκτενή ανασκόπηση της διεθνούς βιβλιογραφίας, αξιοποιώντας επιστημονικές βάσεις δεδομένων, όπως το PubMed, το Scopus και το Google Scholar. Επιλέχθηκαν μελέτες δημοσιευμένες την περίοδο 2010 – 2025, που εξετάζουν την εφαρμογή των EMRs και της AI στην κλινική έρευνα, τη διαχείριση δεδομένων, την ανάπτυξη συστημάτων υποστήριξης αποφάσεων και τις κανονιστικές κατευθυντήριες γραμμές (FDA, EMA). Αποτελέσματα: Η ανασκόπηση ανέδειξε ότι η ενσωμάτωση των EMRs στην κλινική έρευνα συμβάλλει ουσιαστικά στη βελτίωση της στρατολόγησης ασθενών, στη μείωση των σφαλμάτων τεκμηρίωσης και στην αύξηση της αποδοτικότητας των διαδικασιών. Παράλληλα, τα δεδομένα που προκύπτουν από EMRs μπορούν να χρησιμοποιηθούν για τη δημιουργία εξωτερικών βραχιόνων ελέγχου, μειώνοντας τον χρόνο και το κόστος των δοκιμών. Η ΑΙ ενισχύει περαιτέρω τη διαδικασία μέσω αυτοματοποιημένων. μηχανισμών αναγνώρισης επιλέξιμων συμμετεχόντων, πρόβλεψης θεραπευτικών αποκρίσεων και ανίχνευσης ανεπιθύμητων ενεργειών. Επιπλέον, η μηχανική μάθηση και η επεξεργασία φυσικής γλώσσας αξιοποιούνται για την εξαγωγή και ερμηνεία μη δομημένων δεδομένων, όπως κλινικές σημειώσεις και ιατρικές εικόνες. Παρά τα πλεονεκτήματα, εντοπίστηκαν εμπόδια όπως η ετερογένεια των δεδομένων, οι διαφορετικές προσεγγίσεις τυποποίησης, η ανάγκη εκπαίδευσης των χρηστών και η απουσία ενοποιημένων κανονιστικών πλαισίων. Συμπεράσματα: Τα EMRs και η ΑΙ αποτελούν μοχλούς εκσυγχρονισμού της κλινικής έρευνας, συμβάλλοντας στην ιατρική ακριβείας και στη βελτίωση της ασφάλειας των ασθενών. Η πλήρης αξιοποίησή τους απαιτεί επενδύσεις, θεσμική εναρμόνιση και εμπιστοσύνη στη χρήση των δεδομένων.","abstract_html":"Εισαγωγή: Οι ηλεκτρονικοί φάκελοι υγείας αποτελούν πλέον θεμελιώδες εργαλείο για την αποθήκευση, διαχείριση και ανάλυση δεδομένων, ενώ η τεχνητή νοημοσύνη προσφέρει νέες δυνατότητες στην επεξεργασία τους, επιτρέποντας την ταχύτερη και πιο ακριβή διεξαγωγή κλινικών δοκιμών. Παρά τις σημαντικές ευκαιρίες, παραμένουν προκλήσεις που αφορούν την ποιότητα των δεδομένων, τη διαλειτουργικότητα, την ηθική και τη νομική συμμόρφωση. Σκοπός: Σκοπός της παρούσας εργασίας ήταν η διερεύνηση του ρόλου των EMRs και των εργαλείων ΑΙ στη βελτιστοποίηση της διαδικασίας των κλινικών δοκιμών, μέσω ανασκόπησης της διεθνούς βιβλιογραφίας και ανάλυσης των προοπτικών ενσωμάτωσης των δεδομένων πραγματικού κόσμου στη ρυθμιστική και ερευνητική διαδικασία. Μεθοδολογία: Η εργασία βασίστηκε σε εκτενή ανασκόπηση της διεθνούς βιβλιογραφίας, αξιοποιώντας επιστημονικές βάσεις δεδομένων, όπως το PubMed, το Scopus και το Google Scholar. Επιλέχθηκαν μελέτες δημοσιευμένες την περίοδο 2010 – 2025, που εξετάζουν την εφαρμογή των EMRs και της AI στην κλινική έρευνα, τη διαχείριση δεδομένων, την ανάπτυξη συστημάτων υποστήριξης αποφάσεων και τις κανονιστικές κατευθυντήριες γραμμές (FDA, EMA). Αποτελέσματα: Η ανασκόπηση ανέδειξε ότι η ενσωμάτωση των EMRs στην κλινική έρευνα συμβάλλει ουσιαστικά στη βελτίωση της στρατολόγησης ασθενών, στη μείωση των σφαλμάτων τεκμηρίωσης και στην αύξηση της αποδοτικότητας των διαδικασιών. Παράλληλα, τα δεδομένα που προκύπτουν από EMRs μπορούν να χρησιμοποιηθούν για τη δημιουργία εξωτερικών βραχιόνων ελέγχου, μειώνοντας τον χρόνο και το κόστος των δοκιμών. Η ΑΙ ενισχύει περαιτέρω τη διαδικασία μέσω αυτοματοποιημένων. μηχανισμών αναγνώρισης επιλέξιμων συμμετεχόντων, πρόβλεψης θεραπευτικών αποκρίσεων και ανίχνευσης ανεπιθύμητων ενεργειών. Επιπλέον, η μηχανική μάθηση και η επεξεργασία φυσικής γλώσσας αξιοποιούνται για την εξαγωγή και ερμηνεία μη δομημένων δεδομένων, όπως κλινικές σημειώσεις και ιατρικές εικόνες. Παρά τα πλεονεκτήματα, εντοπίστηκαν εμπόδια όπως η ετερογένεια των δεδομένων, οι διαφορετικές προσεγγίσεις τυποποίησης, η ανάγκη εκπαίδευσης των χρηστών και η απουσία ενοποιημένων κανονιστικών πλαισίων. Συμπεράσματα: Τα EMRs και η ΑΙ αποτελούν μοχλούς εκσυγχρονισμού της κλινικής έρευνας, συμβάλλοντας στην ιατρική ακριβείας και στη βελτίωση της ασφάλειας των ασθενών. Η πλήρης αξιοποίησή τους απαιτεί επενδύσεις, θεσμική εναρμόνιση και εμπιστοσύνη στη χρήση των δεδομένων.","abstract_has_math":false,"creators":["Σαμαντζή Ευδοκία","Samantzi Evdokia"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:20:32Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5431487"],"render_values":[{"text":"uoadl:5431487","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5431487","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5431487","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%3A5431487","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Σαμαντζή Ευδοκία","Samantzi Evdokia"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"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":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5431487","https://pergamos.lib.uoa.gr/uoa/dl/object/5431487"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Εισαγωγή: Οι ηλεκτρονικοί φάκελοι υγείας αποτελούν πλέον θεμελιώδες εργαλείο για την αποθήκευση, διαχείριση και ανάλυση δεδομένων, ενώ η τεχνητή νοημοσύνη προσφέρει νέες δυνατότητες στην επεξεργασία τους, επιτρέποντας την ταχύτερη και πιο ακριβή διεξαγωγή κλινικών δοκιμών. Παρά τις σημαντικές ευκαιρίες, παραμένουν προκλήσεις που αφορούν την ποιότητα των δεδομένων, τη διαλειτουργικότητα, την ηθική και τη νομική συμμόρφωση. Σκοπός: Σκοπός της παρούσας εργασίας ήταν η διερεύνηση του ρόλου των EMRs και των εργαλείων ΑΙ στη βελτιστοποίηση της διαδικασίας των κλινικών δοκιμών, μέσω ανασκόπησης της διεθνούς βιβλιογραφίας και ανάλυσης των προοπτικών ενσωμάτωσης των δεδομένων πραγματικού κόσμου στη ρυθμιστική και ερευνητική διαδικασία. Μεθοδολογία: Η εργασία βασίστηκε σε εκτενή ανασκόπηση της διεθνούς βιβλιογραφίας, αξιοποιώντας επιστημονικές βάσεις δεδομένων, όπως το PubMed, το Scopus και το Google Scholar. Επιλέχθηκαν μελέτες δημοσιευμένες την περίοδο 2010 – 2025, που εξετάζουν την εφαρμογή των EMRs και της AI στην κλινική έρευνα, τη διαχείριση δεδομένων, την ανάπτυξη συστημάτων υποστήριξης αποφάσεων και τις κανονιστικές κατευθυντήριες γραμμές (FDA, EMA). Αποτελέσματα: Η ανασκόπηση ανέδειξε ότι η ενσωμάτωση των EMRs στην κλινική έρευνα συμβάλλει ουσιαστικά στη βελτίωση της στρατολόγησης ασθενών, στη μείωση των σφαλμάτων τεκμηρίωσης και στην αύξηση της αποδοτικότητας των διαδικασιών. Παράλληλα, τα δεδομένα που προκύπτουν από EMRs μπορούν να χρησιμοποιηθούν για τη δημιουργία εξωτερικών βραχιόνων ελέγχου, μειώνοντας τον χρόνο και το κόστος των δοκιμών. Η ΑΙ ενισχύει περαιτέρω τη διαδικασία μέσω αυτοματοποιημένων. μηχανισμών αναγνώρισης επιλέξιμων συμμετεχόντων, πρόβλεψης θεραπευτικών αποκρίσεων και ανίχνευσης ανεπιθύμητων ενεργειών. Επιπλέον, η μηχανική μάθηση και η επεξεργασία φυσικής γλώσσας αξιοποιούνται για την εξαγωγή και ερμηνεία μη δομημένων δεδομένων, όπως κλινικές σημειώσεις και ιατρικές εικόνες. Παρά τα πλεονεκτήματα, εντοπίστηκαν εμπόδια όπως η ετερογένεια των δεδομένων, οι διαφορετικές προσεγγίσεις τυποποίησης, η ανάγκη εκπαίδευσης των χρηστών και η απουσία ενοποιημένων κανονιστικών πλαισίων. Συμπεράσματα: Τα EMRs και η ΑΙ αποτελούν μοχλούς εκσυγχρονισμού της κλινικής έρευνας, συμβάλλοντας στην ιατρική ακριβείας και στη βελτίωση της ασφάλειας των ασθενών. Η πλήρης αξιοποίησή τους απαιτεί επενδύσεις, θεσμική εναρμόνιση και εμπιστοσύνη στη χρήση των δεδομένων.","Introduction: Electronic health records are now a fundamental tool for storing, managing and analyzing data, while artificial intelligence offers new possibilities in their processing, allowing for faster and more accurate clinical trials. Despite significant opportunities, challenges remain regarding data quality, interoperability, ethics and legal compliance. Aim: The purpose of this paper was to investigate the role of EMRs and AI tools in optimizing the clinical trials process, through a review of the international literature and an analysis of the prospects for integrating real-world data into the regulatory and research process. Methodology: The paper was based on an extensive review of the international literature, utilizing scientific databases such as PubMed, Scopus and Google Scholar. Studies published between 2010 and 2025 were selected, examining the application of EMRs and AI in clinical research, data management, development of decision support systems and regulatory guidelines (FDA, EMA). Results: The review showed that the integration of EMRs in clinical research contributes substantially to improving patient recruitment, reducing documentation errors and increasing the efficiency of procedures. At the same time, data obtained from EMRs can be used to create external control arms, reducing the time and cost of trials. AI further enhances the process through automated mechanisms for identifying eligible participants, predicting therapeutic responses and detecting adverse events. In addition, machine learning and natural language processing are being used to extract and interpret unstructured data, such as clinical notes and medical images. Despite the advantages, obstacles such as data heterogeneity, different standardization approaches, the need for user education, and the absence of unified regulatory frameworks were identified. Conclusions: EMRs and AI are levers for the modernization of clinical research, contributing to precision medicine and improving patient safety. Their full utilization requires investment, institutional harmonization, and trust in the use of data."]},{"key":"dc:title","label":"Title","values":["Η χρήση ηλεκτρονικών φακέλων υγείας και εργαλείων τεχνητής νοημοσύνης για τη βελτιστοποίηση της διαδικασίας των κλινικών δοκιμών"]}]}],"canonical_facts":{"dc:creator":["Σαμαντζή Ευδοκία","Samantzi Evdokia"],"dc:date":["2026"],"dc:description":["Εισαγωγή: Οι ηλεκτρονικοί φάκελοι υγείας αποτελούν πλέον θεμελιώδες εργαλείο για την αποθήκευση, διαχείριση και ανάλυση δεδομένων, ενώ η τεχνητή νοημοσύνη προσφέρει νέες δυνατότητες στην επεξεργασία τους, επιτρέποντας την ταχύτερη και πιο ακριβή διεξαγωγή κλινικών δοκιμών. Παρά τις σημαντικές ευκαιρίες, παραμένουν προκλήσεις που αφορούν την ποιότητα των δεδομένων, τη διαλειτουργικότητα, την ηθική και τη νομική συμμόρφωση. Σκοπός: Σκοπός της παρούσας εργασίας ήταν η διερεύνηση του ρόλου των EMRs και των εργαλείων ΑΙ στη βελτιστοποίηση της διαδικασίας των κλινικών δοκιμών, μέσω ανασκόπησης της διεθνούς βιβλιογραφίας και ανάλυσης των προοπτικών ενσωμάτωσης των δεδομένων πραγματικού κόσμου στη ρυθμιστική και ερευνητική διαδικασία. Μεθοδολογία: Η εργασία βασίστηκε σε εκτενή ανασκόπηση της διεθνούς βιβλιογραφίας, αξιοποιώντας επιστημονικές βάσεις δεδομένων, όπως το PubMed, το Scopus και το Google Scholar. Επιλέχθηκαν μελέτες δημοσιευμένες την περίοδο 2010 – 2025, που εξετάζουν την εφαρμογή των EMRs και της AI στην κλινική έρευνα, τη διαχείριση δεδομένων, την ανάπτυξη συστημάτων υποστήριξης αποφάσεων και τις κανονιστικές κατευθυντήριες γραμμές (FDA, EMA). Αποτελέσματα: Η ανασκόπηση ανέδειξε ότι η ενσωμάτωση των EMRs στην κλινική έρευνα συμβάλλει ουσιαστικά στη βελτίωση της στρατολόγησης ασθενών, στη μείωση των σφαλμάτων τεκμηρίωσης και στην αύξηση της αποδοτικότητας των διαδικασιών. Παράλληλα, τα δεδομένα που προκύπτουν από EMRs μπορούν να χρησιμοποιηθούν για τη δημιουργία εξωτερικών βραχιόνων ελέγχου, μειώνοντας τον χρόνο και το κόστος των δοκιμών. Η ΑΙ ενισχύει περαιτέρω τη διαδικασία μέσω αυτοματοποιημένων. μηχανισμών αναγνώρισης επιλέξιμων συμμετεχόντων, πρόβλεψης θεραπευτικών αποκρίσεων και ανίχνευσης ανεπιθύμητων ενεργειών. Επιπλέον, η μηχανική μάθηση και η επεξεργασία φυσικής γλώσσας αξιοποιούνται για την εξαγωγή και ερμηνεία μη δομημένων δεδομένων, όπως κλινικές σημειώσεις και ιατρικές εικόνες. Παρά τα πλεονεκτήματα, εντοπίστηκαν εμπόδια όπως η ετερογένεια των δεδομένων, οι διαφορετικές προσεγγίσεις τυποποίησης, η ανάγκη εκπαίδευσης των χρηστών και η απουσία ενοποιημένων κανονιστικών πλαισίων. Συμπεράσματα: Τα EMRs και η ΑΙ αποτελούν μοχλούς εκσυγχρονισμού της κλινικής έρευνας, συμβάλλοντας στην ιατρική ακριβείας και στη βελτίωση της ασφάλειας των ασθενών. Η πλήρης αξιοποίησή τους απαιτεί επενδύσεις, θεσμική εναρμόνιση και εμπιστοσύνη στη χρήση των δεδομένων.","Introduction: Electronic health records are now a fundamental tool for storing, managing and analyzing data, while artificial intelligence offers new possibilities in their processing, allowing for faster and more accurate clinical trials. Despite significant opportunities, challenges remain regarding data quality, interoperability, ethics and legal compliance. Aim: The purpose of this paper was to investigate the role of EMRs and AI tools in optimizing the clinical trials process, through a review of the international literature and an analysis of the prospects for integrating real-world data into the regulatory and research process. Methodology: The paper was based on an extensive review of the international literature, utilizing scientific databases such as PubMed, Scopus and Google Scholar. Studies published between 2010 and 2025 were selected, examining the application of EMRs and AI in clinical research, data management, development of decision support systems and regulatory guidelines (FDA, EMA). Results: The review showed that the integration of EMRs in clinical research contributes substantially to improving patient recruitment, reducing documentation errors and increasing the efficiency of procedures. At the same time, data obtained from EMRs can be used to create external control arms, reducing the time and cost of trials. AI further enhances the process through automated mechanisms for identifying eligible participants, predicting therapeutic responses and detecting adverse events. In addition, machine learning and natural language processing are being used to extract and interpret unstructured data, such as clinical notes and medical images. Despite the advantages, obstacles such as data heterogeneity, different standardization approaches, the need for user education, and the absence of unified regulatory frameworks were identified. Conclusions: EMRs and AI are levers for the modernization of clinical research, contributing to precision medicine and improving patient safety. Their full utilization requires investment, institutional harmonization, and trust in the use of data."],"dc:identifier":["uoadl:5431487","https://pergamos.lib.uoa.gr/uoa/dl/object/5431487"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Η χρήση ηλεκτρονικών φακέλων υγείας και εργαλείων τεχνητής νοημοσύνης για τη βελτιστοποίηση της διαδικασίας των κλινικών δοκιμών"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:20:32Z"}