論文の概要: From Bench to Bedside: A Review of Clinical Trials in Drug Discovery and Development
- arxiv url: http://arxiv.org/abs/2412.09378v2
- Date: Thu, 19 Dec 2024 15:14:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-20 13:28:55.480014
- Title: From Bench to Bedside: A Review of Clinical Trials in Drug Discovery and Development
- Title（参考訳）: ベンチからベッドサイドへ:薬物発見・開発における臨床試験のレビュー
- Authors: Tianyang Wang, Ming Liu, Benji Peng, Xinyuan Song, Charles Zhang, Xintian Sun, Qian Niu, Junyu Liu, Silin Chen, Keyu Chen, Ming Li, Pohsun Feng, Ziqian Bi, Yunze Wang, Yichao Zhang, Cheng Fei, Lawrence KQ Yan,
- Abstract要約: 臨床試験は、薬物開発プロセスに欠かせない部分である。
本論文は, 倫理的問題, 対象採用困難, 多様性, 代表性の懸念など, 臨床試験で直面する主な課題について論じる。
本論は,臨床治験の将来,特に遺伝子治療や免疫療法が臨床設計に及ぼす影響を楽しみにしている。
- 参考スコア（独自算出の注目度）: 16.983261704407784
- License:
- Abstract: Clinical trials are an indispensable part of the drug development process, bridging the gap between basic research and clinical application. During the development of new drugs, clinical trials are used not only to evaluate the safety and efficacy of the drug but also to explore its dosage, treatment regimens, and potential side effects. This review discusses the various stages of clinical trials, including Phase I (safety assessment), Phase II (preliminary efficacy evaluation), Phase III (large-scale validation), and Phase IV (post-marketing surveillance), highlighting the characteristics of each phase and their interrelationships. Additionally, the paper addresses the major challenges encountered in clinical trials, such as ethical issues, subject recruitment difficulties, diversity and representativeness concerns, and proposes strategies for overcoming these challenges. With the advancement of technology, innovative technologies such as artificial intelligence, big data, and digitalization are gradually transforming clinical trial design and implementation, improving trial efficiency and data quality. The article also looks forward to the future of clinical trials, particularly the impact of emerging therapies such as gene therapy and immunotherapy on trial design, as well as the importance of regulatory reforms and global collaboration. In conclusion, the core role of clinical trials in drug development will continue to drive the progress of innovative drug development and clinical treatment.
- Abstract（参考訳）: 臨床試験は、基礎研究と臨床応用のギャップを埋める、薬物開発プロセスの必須部分である。
新しい薬物の開発において、臨床試験は医薬品の安全性と有効性を評価するだけでなく、その投与量、治療レギュラー、潜在的な副作用を調べるためにも用いられる。
本論では,第I相(安全評価),第II相(予備効力評価),第III相(大規模検証),第IV相(マーケティング後監視),の各相の特徴と相互関係について論じる。
さらに, 倫理的問題, 対象採用困難, 多様性と代表性に関する懸念など, 臨床試験で直面する大きな課題に対処し, これらの課題を克服するための戦略を提案する。
技術の進歩に伴い、人工知能、ビッグデータ、デジタル化といった革新的な技術は徐々に臨床試験の設計と実装を変え、試験効率とデータ品質を改善している。
また, 臨床治験の将来, 特に遺伝子治療や免疫療法が治験設計に及ぼす影響, 規制改革や国際協力の重要性も期待している。
結論として、医薬品開発における臨床試験の中核的な役割は、革新的な医薬品開発と臨床治療の進歩を加速させ続ける。
関連論文リスト
- Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。
本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。
その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文 参考訳（メタデータ） (2024-10-31T19:48:50Z) - Large Language Models in Drug Discovery and Development: From Disease Mechanisms to Clinical Trials [49.19897427783105]
大規模言語モデル(LLM)の創薬・開発分野への統合は、重要なパラダイムシフトである。
これらの先進的な計算モデルが、ターゲット・ディスリーズ・リンクを明らかにし、複雑なバイオメディカルデータを解釈し、薬物分子設計を強化し、薬物の有効性と安全性を予測し、臨床治験プロセスを促進する方法について検討する。
論文 参考訳（メタデータ） (2024-09-06T02:03:38Z) - TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。
データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。
このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文 参考訳（メタデータ） (2024-06-30T09:13:10Z) - Language Interaction Network for Clinical Trial Approval Estimation [37.60098683485169]
本稿では,言語相互作用ネットワーク(LINT, Language Interaction Network)について紹介する。
臨床治験の3段階にわたって厳格にLINTを試験し,ROC-AUCスコアは0.770,0.740,0.748となった。
論文 参考訳（メタデータ） (2024-04-26T14:50:59Z) - TrialDura: Hierarchical Attention Transformer for Interpretable Clinical Trial Duration Prediction [19.084936647082632]
マルチモーダルデータを用いて臨床試験期間を推定する機械学習に基づくTrialDuraを提案する。
バイオメディカルコンテキストに特化されたBio-BERT埋め込みにエンコードして,より深く,より関連するセマンティック理解を提供する。
提案モデルでは, 平均絶対誤差(MAE)が1.04年, 根平均二乗誤差(RMSE)が1.39年であった。
論文 参考訳（メタデータ） (2024-04-20T02:12:59Z) - Towards quantum computing for clinical trial design and optimization: A perspective on new opportunities and challenges [0.250217476520467]
本稿では,臨床治験設計および最適化における現状の課題について検討する。
焦点は、臨床試験シミュレーション、サイト選択、コホート識別の3つの重要な側面に焦点を当てている。
論文 参考訳（メタデータ） (2024-04-19T18:00:25Z) - SPOT: Sequential Predictive Modeling of Clinical Trial Outcome with
Meta-Learning [67.8195828626489]
臨床試験は薬物開発に不可欠であるが、時間を要する、費用がかかる、失敗する傾向がある。
本稿では,まず,複数ソースの臨床試験データを関連するトライアルトピックにクラスタリングするために,臨床トライアル結果の逐次予測mOdeling(SPOT)を提案する。
タスクとして各トライアルシーケンスを考慮して、メタ学習戦略を使用して、モデルが最小限のアップデートで新しいタスクに迅速に適応できるポイントを達成する。
論文 参考訳（メタデータ） (2023-04-07T23:04:27Z) - Optimal personalised treatment computation through in silico clinical
trials on patient digital twins [0.0]
知的検索によって導かれる広範囲なコンピュータシミュレーションに基づく実験的キャンペーン(ISTC)により、個々の患者の薬理学的治療(精密医療)を最適化する手法とアルゴリズムを提案する。
本研究は, 実薬理学的治療を含む症例研究, すなわち, ヒトの再生支援のための複雑な臨床プロトコルの減量段階における有効性を示すものである。
論文 参考訳（メタデータ） (2021-06-20T12:12:36Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳（メタデータ） (2021-05-03T21:20:20Z) - Contextual Constrained Learning for Dose-Finding Clinical Trials [102.8283665750281]
C3T-Budget(C3T-Budget)は、予算と安全性の両方の制約の下での線量フィリングのための文脈制約付き臨床試験アルゴリズムである。
残りの予算、残業時間、各グループの特徴を考慮して患者を募集する。
論文 参考訳（メタデータ） (2020-01-08T11:46:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。