醫療研究人員和製藥公司通過試驗，來驗證針對癌症和其他重症疾病新療法的有效性。但是隻有不到 10％ 的癌症患者參加了臨床試驗，由於試驗參與者短缺，80% 的相關研究都不得不被推遲。
對於有興趣參加試驗的患者，卻沒有簡便的方法來確定他們是否符合試驗條件。AI 工具 Ancora 則旨在通過自然語言處理模型，將患者與潛在研究進行匹配，以改善試驗匹配過程。
“這一切都是因為我朋友的父母被診斷出患有癌症三期，”Ancora 背後的瑞士（Switzerland）初創公司 Intrepida 的創始人兼首席執行官 Danielle Ralic 說。“我知道可以進行臨床試驗，但是當我試圖幫助他們尋找合適的試驗時，卻十分困難。”
美國國立衛生研究院（U.S. National Institutes of Health）維護著數十萬個臨床試驗數據庫，其中，每項研究都列出了針對試驗參與者的一系列詳細文本要求。
儘管用戶可以根據病情和基本人口統計數據進行分類，但仍然可能有數百項研究需要進行手動分類，即通過複雜的醫學術語進行繁瑣的篩選過程。
Intrepida 的定製自然語言處理模型可以完成這項艱鉅的工作，為患者和醫師解釋這些繁重的文本標準，並在 NVIDIA GPU 上處理新的研究。Ancora 工具中列出的研究會每週更新一次，用戶可以填寫一份簡單的、有針對性的問卷，以篩選出合適的臨床試驗，並收到新的潛在研究的提醒。
Ralic 說：“我們通過對 20 個問題進行評估，可以有效地幫助患者，將其試驗清單從 250 個可能試驗降低到 10 個。” 該平臺還會向患者提供其他有效信息，以幫助患者決定是否進行試驗。
Intrepida 所提供的工具目前可用於乳腺癌和肺癌患者。此外，該公司即將推出醫生版本的工具，以幫助其為患者匹配合適的試驗。Intrepida 還是 NVIDIA 初創加速計劃（NVIDIA Inception）中的一員，該計劃致力於為 AI 初創公司提供上市支持，其中包括 NVIDIA 深度學習學院（Deep Learning Institute）相關權益、營銷支持和硬件購買優惠。
尋找完美的臨床試驗匹配
儘管患者瞭解臨床試驗的主要渠道為醫生，但僅有不到 25% 的患者可以從醫生那裡得知臨床試驗也是一種選擇。因為這些醫生的時間和資源有限，無法跟蹤現有的試驗。
Intrepida 創始人 Danielle Ralic 在去年的生物物理學會年會上介紹了 AI 和藥物發現
Ralic 回憶在巴塔哥尼亞（Patagonia）徒步旅行時，遇到了一名癌症四期倖存者，這使他感到驚訝，他發現該名男子參加了一項新的突破性藥物臨床試驗。
“我問他，你是怎麼知道新藥臨床試驗的？他說，他是通過妻子朋友的親戚瞭解到的， 但這不是正確的瞭解渠道，” Ralic 說。
對於醫生和患者來說，能從專業渠道，更加及時地瞭解到臨床試驗可以挽救生命。這樣還可以通過提高試驗入選率，幫助製藥公司加快新藥研究週期，並將其投放市場。
作為 NVIDIA 初創加速計劃的一員，Ralic 表示，她和 Intrepida 團隊能夠與其他 AI 初創公司，以及 NVIDIA 開發人員在 2018 年慕尼黑（Munich）舉行的 GPU 大會上見面。
她說：“我們加入該計劃是因為，作為一家已經在使用 NVIDIA GPU 的公司，我們希望開發更加複雜的自然語言模型。我們通過該計劃從 NVIDIA 團隊成員，和其他作為該計劃成員的初創公司學到了很多東西。”
使用 NVIDIA GPU，Intrepida 可以將一個時期的訓練時間從 20 分鐘縮短到僅 12 秒。
數據多樣化
在這個迄今為止一直由男性主導的行業裡，一位女性初創公司的創始人 Ralic 說，數據更加多樣化是改善整個醫療行業（尤其是臨床試驗）的關鍵。
“醫療領域涉及許多不同類型的人和知識。”她說。“沒有多樣化的數據為我們提供相應見解，我們將永遠無法解決醫療行業所面臨的問題。”
美國的臨床試驗參與者絕大多數為白人和男性，而試驗中缺乏數據多樣性會導致藥物劑量的嚴重錯誤。
例如，2013 年，美國食品藥品監督管理局（U.S. Food and Drug Administration）要求將幾種助眠劑的劑量針對女性減少一半。由於女性的藥物代謝方式不同，因此女性服用安眠藥後，增加了其早晨發生車禍的風險。
Ralic 說：“如果我們的試驗人群不夠多樣化，我們將無法瞭解到不同性別或種族的患者，對新藥的反應是否會不同。如果我們從一開始就做對了，那麼我們就可以根據不同類別的人，改善為患者開藥的方式。”
閱讀更多 英偉達NVIDIA中國 的文章
