本文提出了一种以人为中心的代理AI的方法,作为使用现实世界中DCT预测和预防数据漂移的新颖解决方案,可耐磨设备和传感器的可用数据集。在这种方法中,对不断发展的数据模式进行连续监测以保护临床试验结果的完整性。,它会在纠正机制和切割机器学习方法的帮助下自动最大程度地减少人类干预措施,同时允许快速响应数据分布中可能出乎意料地发生的变化。我们概述了实施过程,描述我们的方法与经典数据质量管理技术之间的比较,并概述了一些挑战,包括监管问题和偏见 - 需要克服。这些结果表明,使用代理AI可以显着提高数据可靠性,从而提高了新的途径,以获得更准确有效的DCT。
主要关键词