详细内容或原文请订阅后点击阅览

Clario 如何使用 AWS 上的生成式 AI 实现临床研究分析自动化

2025年11月10日 18:13 33 Comments
X Twitter Instagram Mail

在这篇文章中，我们演示了 Clario 如何使用 Amazon Bedrock 和其他 AWS 服务来构建基于 AI 的解决方案，该解决方案可自动执行和改进 COA 访谈的分析。

来源:亚马逊云科技 _机器学习
临床结果评估 (COA) 访谈是临床试验中评估治疗效果和安全性的重要工具。在精神病、焦虑和情绪障碍的研究中，这些评估通常决定试验的成功或失败，凸显了数据质量和可靠性的重要性。评估这些结果质量的传统方法非常复杂，并且需要对音频视频记录进行近乎实时的耗时且逻辑上具有挑战性的审查。访谈评估的可变性、不良的评估技术和其他因素可能会引入噪音，导致结果不可靠，并可能导致研究失败。关于 ClarioClario 是端点数据解决方案的领先提供商，用于系统收集、管理和分析特定的预定义结果（端点），以评估临床试验行业中治疗的安全性和有效性。 Clario 为寻求为患者带来新疗法的生命科学公司提供高质量的临床证据。自 50 多年前成立以来，Clario 已部署端点数据解决方案超过 30,000 次，为 100 多个国家/地区的 710 多种新药监管审批提供支持。在这篇文章中，我们将演示 Clario 如何使用 Amazon Bedrock 和其他 AWS 服务来构建由 AI 驱动的解决方案，以自动执行和改进 COA 访谈的分析。我们讨论 Clario 如何：实现说话人分类、多语言转录和大语言模型 (LLM) 使用矢量数据库和语义搜索来评估面试质量 将自动化纳入复杂的评估审查，同时保持法规遵从性 业务挑战 Clario 寻求转变其 COA 审查方法，以提高运营效率，同时提高数据质量。该公司需要一个能够解决全球范围内多语言数据标准化审查的关键挑战的系统，同时减少自然因素
试验的 COA 数据标准 可靠性 临床试验 语言 地区的 有效性 提供 评估 传统方法 治疗的 语义搜索 复杂的 Clario 矢量数据 结果 预定义 可变性 生命科学 质量的 不良的 质量 审查的 高数据 评估的 语言数据 高质量的 解决方案 数据库 需要 标准化 端点 数据 安全性 特定的 公司 访谈 提高 自动化 驱动的 重要性 审查