Medidata는 6개 릴리스의 베타 프로그램에서 38명의 고객 및 200명의 사용자와 협력하여 Rave Coder+를 개발했으며, 이를 통해 고객 피드백을 신속하게 포함하고 각 새로운 기능에 대한 엄격한 테스트를 수행할 수 있었습니다.

메디데이터는 6천만 개 이상의 과거 코딩 결정으로 훈련되고 테스트된 머신러닝 모델을 사용하여 새로운 예측 코딩 알고리듬을 개발했습니다.

Rave Coder+는 예측 Confidence 수치가 기준점에 도달하면 자동으로 verbatim을 코딩합니다. 높은 임계값의 예측 정확도는 93-96% (사전에 따라 상이) 정도를 보여주고 있습니다. 일반적으로 Verbatim 코딩을 위한 검색과 탐색은 5분 정도 걸리지만, Rave Coder+는 몇 초안에 자동으로 코딩이 완료됩니다.

모든 코딩 관련 스터디 설정이 Rave Coder+에 포함되어 있어 EDC 스터디 빌드를 수정할 필요 없이 더 빠른 스터디 구성과 더욱 간단하고 빠른 중간 스터디 변경이 가능합니다.

병력, 병용 약물, 이상반응 또는 증상으로 Rave EDC에 입력되는 verbatim이나, 약물, 절차 등을 포함하는 필드들은 자동으로 Rave Coder+에서 코딩이 되도록 flag처리 됩니다. 자동 생성된 예측이 잘 일치하지 않는 경우, Rave Coder+의 고급 탐색 및 검색 기능을 사용하여 담당자는 수동으로 사전 일치 항목을 빠르게 찾을 수 있습니다. 코딩 결정은 자동으로 Rave EDC로 반환되어 verbatim 코딩에 사용됩니다.

본 백서에서는 임상 데이터 관리(CDM)가 현대 임상시험의 데이터 압력 증가에 빠르게 적응해야 하는 이유를 요약하고, 점점 복잡해지는 임상시험 분야에서의 성공을 위해 필요한 현대적인 지능형 CDM 플랫폼의 기초를 형성하는 3가지 핵심 사항에 대해 논의합니다.

임상 데이터 환경은 계속해서 진화하고 있는 반면, 데이터 관리 방식(검토 및 클린징)은 데이터 소스, 유형, 볼륨 및 속도의 성장을 따라가지 못하고 있습니다. 본 인포그래픽에서는 현재 직면한 과제를 탐색하고 임상 데이터 수집 및 관리의 현대화를 위한 해결책을 제안합니다.

“여러분의 시험에서 임상 데이터 수집 및 관리와 관련한 가장 큰 과제와 우선순위는 무엇입니까?

대화형 도구를 통해 메디데이터의 솔루션이 여러분에게 역할과 관련된 문제를 해결하고 맞춤형 실행 계획을 수령할 수 있도록 어떠한 지원을 제공하는지 알아보세요.”