Contexte de terrain : « Rôles multiples » dans la recherche clinique
La recherche clinique est une activité de recherche scientifique dont le diagnostic, le traitement, le pronostic et l'étiologie des maladies sont le principal contenu de recherche et les patients sont les principaux objets de recherche. Le développement de projets de recherche clinique modernes présente les caractéristiques d'une participation « multi-rôle » . En plus du chercheur principal qui initie le projet, l'équipe de base du projet peut également comprendre plusieurs cliniciens, CRC, CRA, biostatisticiens, etc.
En mars 2023, le ministère de la Science et de la Technologie, en collaboration avec la Fondation des sciences naturelles de Chine, a lancé le travail spécial de déploiement de la « Recherche scientifique basée sur l'intelligence artificielle ( AI for Science) ». Avec l’approfondissement des nouvelles technologies telles que l’IA dans le processus de recherche et le devenir d’une nouvelle méthode d’exploration et de transformation des preuves cliniques, les caractéristiques de synergie croisée multicentrique de la recherche clinique deviennent de plus en plus évidentes. Dans le parcours complet d'une recherche dans le monde réel, des cliniciens et des experts professionnels en recherche scientifique clinique, des méthodologistes et des biostatisticiens sont nécessaires , qu'il s'agisse du contrôle standardisé de la collecte précoce de données, du processus de gouvernance des données de base et du processus d'analyse statistique. pour assurer le déroulement fluide et conforme du projet.
Point problématique sur le terrain : goulot d’étranglement en matière d’efficacité dans la recherche collaborative
Dans la recherche clinique réelle, en raison de la pénurie de méthodologistes professionnels et de biostatisticiens, les cliniciens doivent souvent jouer plusieurs rôles , ce qui non seulement augmente le fardeau de la recherche, mais affecte également les progrès et la qualité de la recherche clinique.
-
D'une part, dans la recherche du monde réel, la collecte de données est soumise à des normes et standards stricts pour éviter les écarts de résultats, et la gouvernance des données et l'analyse statistique nécessitent également l'aide de l'intelligence artificielle et d'autres technologies. Excellentes capacités de conception, mais expérience de recherche scientifique relativement limitée et capacités d'ingénierie ;
-
D'un autre côté, même si les cliniciens sont occupés par leur travail, ils sont également confrontés à la forte pression de la publication d'articles de recherche scientifique en raison de la promotion de leurs titres personnels . Cela les rend plus enclins à choisir la recherche fondamentale avec un cycle court et plus de financement que la recherche clinique. recherche.
De plus, il existe de nombreux processus d'analyse statistique de base dans la recherche clinique , et près de 80 % d'entre eux peuvent constituer un travail relativement répétitif. Pour les cliniciens, construire un cadre de 0 à 1 à chaque fois prend non seulement du temps et demande beaucoup de travail, mais provoque également de nombreuses irrégularités en raison de capacités d'ingénierie limitées ; pour les chercheurs cliniques professionnels, aider de manière répétée différents cliniciens à corriger des problèmes de base similaires fera perdre du temps . , et davantage d’énergie devrait être consacrée à la résolution de problèmes plus difficiles et plus précieux.
Alliance puissante : une plateforme de recherche low-code qui favorise la collaboration multi-rôles
Le Centre de développement de l'hôpital Shenkang de Shanghai (ci-après dénommé « Centre Shenkang ») a été créé en septembre 2005, promouvant continuellement un diagnostic et un traitement cliniques de haute qualité, des services médicaux de haute qualité, une innovation médicale de haut niveau et une gouvernance hospitalière de haute efficacité ; coordonner les ressources de recherche clinique, établir et améliorer le système de gestion innovant et le mécanisme de recherche et de développement cliniques complets ; consolider la construction du système de recherche clinique, faciliter la « microcirculation » du diagnostic clinique, du traitement et de la recherche clinique, et devenir la plaque tournante des activités municipales les hôpitaux pour construire des plateformes de recherche clinique et parvenir à l'industrialisation.
Compte tenu de la faible efficacité de la collaboration en matière de recherche clinique causée par la rareté des chercheurs professionnels et un travail répétitif excessif, Hejing Technology et le Centre Shenkang, combinés à diverses spécifications du processus de recherche clinique et aux besoins réels des cliniciens en matière de recherche scientifique, se sont basés sur le modèle ModelWhale. plate-forme de collaboration en science des données Son concept de produit et ses fonctions créent conjointement une plate-forme d'informations low-code qui peut être utilisée par les biostatisticiens et les cliniciens pour la recherche collaborative .
Biostatisticien : modèles d'analyse standardisés et réutilisables
L'étudiant encadrant est le « fournisseur » parmi les utilisateurs de la plateforme. Rompant avec le flux de travail individuel traditionnel avec les cliniciens, la plateforme ModelWhale les aide à intégrer des processus et des spécifications dans des outils, formant ainsi une variété de modèles d'analyse standardisés et réutilisables pour les utilisateurs ayant des besoins différents.
Composants personnalisés pour s'adapter aux caractéristiques médicales
Les biostatisticiens doivent généralement participer à la gestion de la qualité des données et à l'analyse statistique de la recherche. Pour cela, la plate-forme ModelWhale fournit un outil d'analyse par glisser-déposer à faible code Canvas avec des composants communs d'analyse statistique médicale modulaire intégrés, tels que des statistiques descriptives . et le prétraitement des données, l'analyse statistique, l'ingénierie des fonctionnalités, etc., peuvent aider les élèves enseignants en statistique à créer rapidement des cadres d'analyse sur divers sujets.
Pour les étapes d'analyse avec des caractéristiques médicales, le biostatisticien peut également personnaliser les composants de construction - par exemple, lorsqu'il s'agit de valeurs manquantes, il faut se concentrer sur la qualité des données avec une corrélation évidente en fonction de l'objectif de la recherche, le biostatisticien peut alors construisez-le et affichez-le séparément Les composants associés tels que les valeurs manquantes, le calcul des ratios manquants et le traitement de visualisation conviennent aux scénarios d'analyse réels.
Flux d’analyse packagé, standardisé et pratique
Après avoir terminé la construction des composants, le superviseur biologique peut combiner la partie fréquemment utilisée ou le processus complet selon la relation logique et le regrouper dans un flux d'analyse, pratique pour le partage et la réutilisation. Sous la forme low-code, il vous suffit de saisir des paramètres pour générer les résultats d'analyse correspondants.
Sur cette base, le superviseur biologique peut créer plusieurs flux d'analyse de recherche clinique low-code ou modèles d'analyse en fonction des caractéristiques du sujet de différents départements, et les fournir aux cliniciens de différents départements , afin qu'ils puissent rapidement effectuer des recherches sur le sujet directement via le des modèles conformes aux spécifications de la recherche et une praticité améliorée. En outre, la plate-forme ModelWhale intègre également un certain nombre de flux spécifiques au traitement médical , tels que la génération d'histogrammes basés sur ggplot2, l'analyse de survie, etc., qui peuvent être utilisés directement.
Avec Notebook, il peut être reproduit et calculé
Avec l'augmentation rapide de la quantité de données de recherche clinique, et les sources de données sont nombreuses et très hétérogènes, de nouvelles méthodes de recherche émergent pour le traitement d'informations cliniques massives. Pour cela, le superviseur peut avoir besoin de concevoir et de développer des modèles plus ciblés, ou mener davantage de recherches multidisciplinaires et multiméthodes. La plate-forme ModelWhale offre une liberté de recherche suffisante. En plus d'utiliser Canvas, les superviseurs étudiants peuvent également utiliser directement Notebook pour un traitement de données et une analyse statistique plus complexes .
L'image dédiée fournie par la plateforme ModelWhale pour l'exploration de données médicales prend en charge plusieurs langues et dispose d'une bibliothèque intégrée d'extraits de code médical courants tels que le nettoyage et la visualisation des données, ce qui facilite une recherche rapide. Le superviseur étudiant peut convertir le flux Canvas encapsulé en un document Notebook pour une programmation plus raffinée. Au final, les données, le code et l'environnement miroir sont combinés et précipités dans un seul projet pour former un modèle d'analyse de cahier , qui peut également être directement fourni aux cliniciens pour leurs calculs récurrents.
Cliniciens : outils d’analyse prêts à l’emploi
Les cliniciens représentent le « côté demande » parmi les utilisateurs de la plateforme. Combinée à la situation dans laquelle les cliniciens sont confrontés à la fois à une pression de travail intense et à une pression de recherche scientifique, la plate-forme ModelWhale leur fournit un outil d'analyse prêt à l'emploi, facile à utiliser, facile à utiliser et pouvant directement produire des résultats.
Paramètres d'entrée, résultats de sortie
Pour le flux Canvas packagé fourni par le biostatisticien, les cliniciens n'ont qu'à saisir des paramètres, puis ils peuvent exécuter en ligne pour générer les résultats d'analyse correspondants, afin de pouvoir effectuer le travail d'analyse de données standardisé sans l'aide d'experts méthodologiques .
En plus du flux complet, les superviseurs biologiques peuvent également partager leurs composants personnalisés avec les caractéristiques de la recherche clinique avec les cliniciens, et les cliniciens peuvent indépendamment glisser-déposer des composants dans Canvas pour créer un cadre d'analyse . La présentation visuelle de Canvas montre non seulement les idées de recherche de manière plus intuitive, mais facilite également les audits et inspections ultérieurs, aidant ainsi les cliniciens à trouver des failles à temps et à améliorer le processus lors de la coopération avec les superviseurs biologiques.
Environnement cloud prêt à l'emploi
Les cliniciens possédant certaines compétences en ingénierie peuvent utiliser le modèle Notebook fourni par le biostatisticien pour l’analyse des données. Grâce à l'environnement cloud de la plateforme ModelWhale, les cliniciens n'ont pas besoin de perdre du temps à faire leurs valises et peuvent exécuter le projet à tout moment et n'importe où en allumant l'ordinateur après le travail clinique et en commençant l'analyse et la recherche. De plus, après avoir converti le flux Canvas en un document Notebook , un rapport interactif peut être généré et les cliniciens peuvent appliquer directement les résultats de l'image et les extraits de code au brouillon papier, améliorant ainsi encore l'efficacité de la recherche scientifique.
Collaboration bidirectionnelle : flux de travail pour un retour immédiat
Le processus d'analyse des données en médecine clinique peut nécessiter de multiples révisions du plan de recherche, un ajustement des stratégies d'extraction et d'analyse des données, et la plateforme ModelWhale intègre des capacités de collaboration dans le flux de travail de la recherche clinique, aidant ainsi les superviseurs biologiques et les cliniciens à obtenir un retour d'information bidirectionnel en temps opportun. .
Collaboration en ligne, échange de commentaires « dirigés »
L'environnement cloud de la plateforme ModelWhale accompagne d'abord les deux parties pour finaliser le partage de projet en ajoutant des collaborateurs , ainsi que des commentaires et échanges en ligne sur des contenus d'analyse spécifiques. Sur cette base, lorsque les cliniciens ont des doutes sur la méthode de traitement ou les résultats du fonctionnement de certaines données, ils peuvent directement commenter le flux dans Canvas, ou poser des questions sur des cellules spécifiques dans Notebook ; Correction des irrégularités de fonctionnement. Les discussions et collaborations sur des questions clés et difficiles directement sur la plateforme sont plus directionnelles et améliorent encore l'efficacité de la communication entre les deux parties.
Task Kanban, un aperçu en temps réel des progrès de la recherche
Le cycle de la recherche clinique est relativement long, de la détermination des problèmes cliniques à l'évaluation des données existantes, en passant par la sélection du plan de recherche, la détermination des méthodes statistiques, etc., impliquera de multiples parties prenantes.
La plateforme ModelWhale vise le problème de la gestion de projet et de la synchronisation des ressources au sein de l'équipe pendant le processus de recherche, et prend en charge le démantèlement des sujets de recherche en tâches à plusieurs étapes, ainsi que la macro-gestion et le contrôle sous la forme de tableaux de tâches . Les superviseurs biologiques et les cliniciens peuvent visualiser la progression de chaque tâche de subdivision en temps réel, et télécharger et partager des projets, des ensembles de données et des fichiers pour que d'autres puissent les reproduire et les utiliser. Tous les matériaux de production du processus peuvent être déposés dans la base de connaissances de l'équipe, accumulés en continu et synchronisés dans le temps.
conclusion
Le travail d'équipe dans le processus de recherche clinique peut surmonter les lacunes et les limites de la recherche monocentrique, maximiser l'utilisation des ressources, améliorer encore l'efficacité de la recherche, améliorer la qualité de la recherche et promouvoir le développement global de la recherche clinique en Chine. En tant qu'infrastructure numérique qui promeut la réforme du paradigme de recherche scientifique AI for Science et renforce la recherche scientifique organisée , la plateforme ModelWhale attache une grande importance à l'expérience utilisateur, se concentre sur des scénarios concrets de travail d'équipe et fournit un support outil pour la recherche médicale et la pratique clinique.
En plus de la collaboration organisationnelle, la plateforme ModelWhale se concentre également sur la gestion complète et centralisée des objets de recherche , depuis les données, les algorithmes jusqu'aux modèles ; basée sur le principe FAIR et le concept de recherche scientifique ouverte, elle offre une plateforme ouverte , sûre et complète. portail de partage et travail interactif en ligne pour les données et autres plates-formes de recherche et de production ; intégration hétérogène, gestion et contrôle intensifs, allocation à la demande, réponse agile et gestion puissante de la planification de la puissance de calcul permettent aux ordinateurs personnels d'appeler de grands modèles de langage LLM ; l'introduction du concept ModelOps facilite la gestion complète du cycle de vie des grands modèles.
La plateforme ModelWhale couvre les sciences de la terre, la biomédecine, les sciences humaines et sociales et d'autres domaines professionnels, et a mis en œuvre les meilleures pratiques dans les institutions nationales de recherche scientifique telles que le Centre national d'information météorologique et le Centre d'exploration géophysique et de télédétection des ressources naturelles de Chine. travaillant sur la recherche sur l’innovation des données et son équipe lui apporte son soutien. Pour tout besoin connexe, vous êtes invités à accéder au site officiel de ModelWhale pour vous inscrire et expérimenter, ou cliquer sur [Contacter le consultant produit (redirection vers le terminal mobile)] pour communiquer avec nous.