Оглавление

Фармацевтическая индустрия сталкивается с фундаментальной проблемой: выбор подходящих мест для клинических испытаний до сих пор остается медленным, субъективным и неэффективным процессом. Компания Kitsa решила эту задачу с помощью автоматизации на базе AWS.

Проблема выбора исследовательских центров

Клинические испытания — основа медицинского прогресса, но их запуск регулярно задерживается из-за несовершенства процесса отбора исследовательских центров. Несмотря на наличие десятков тысяч потенциальных площадок по всему миру, решения часто принимаются на основе личных связей и ограниченных данных.

Ключевые проблемы отрасли включают:

  • Фрагментация данных: информация о производительности центров разбросана по изолированным системам и неструктурированным источникам
  • Ручной труд: спонсоры и CRO анализируют лишь небольшую часть доступных площадок из-за временных затрат
  • Субъективность: личные предпочтения часто преобладают над объективными метриками производительности
  • Недозагруженность квалифицированных центров: многие площадки остаются незамеченными из-за отсутствия централизованной платформы

Индустрия клинических испытаний десятилетиями работала по старинке, где личные знакомства значили больше, чем данные. Автоматизация этого процесса — не просто техническое улучшение, а фундаментальный сдвиг в подходе к медицинским исследованиям. Интересно, сколько перспективных препаратов так и не дошли до пациентов из-за неэффективного выбора площадок.

Решение на базе AWS

Kitsa, медтех-компания, специализирующаяся на AI-решениях для клинических испытаний, использовала Amazon Quick Automate для создания автоматизированного конвейера обработки данных. Решение объединяет информацию из сотен разрозненных источников:

  • Веб-сайты исследовательских центров
  • Реестры клинических испытаний
  • Резюме исследователей
  • Регуляторные документы
  • Научные публикации и конференции

Quick Automate использует генеративный ИИ для анализа пользовательских запросов и предлагает рабочие процессы, которые можно модифицировать и расширять. Специализированные AI-агенты автоматизируют сложные процессы между приложениями и отделами.

Диаграмма архитектуры рабочего процесса выбора мест для клинических испытаний Kitsa
Источник: aws.amazon.com

Техническая реализация

Решение Kitsa требовало автоматизации, способной обрабатывать сотни тысяч веб-сайтов и извлекать более 50 различных точек данных. Ключевым компонентом стал UI Agent — передовой агент интерфейса, настроенный для автономной навигации по сайтам и извлечения данных.

Архитектура решения включает:

  • Параллельную обработку кейсов
  • Натурально-языковой ввод со структурированным выводом
  • Специализированные промпты для оптимальной работы автоматизации
  • Полностью управляемое решение с UI-автоматизацией и API-интеграциями

Благодаря использованию сервисов AWS, Kitsa преобразует процесс выбора площадок из медленного, основанного на отношениях подхода в быструю, управляемую данными и глобально масштабируемую систему. Это особенно важно для строго регулируемой сферы общественных наук и медицины.

По материалам AWS Machine Learning Blog.