임상시험 프로세스에 AI를 도입하면 데이터 프라이버시 및 보호와 관련한 일반적인 우려를 완화할 수 있다는 잠재적인 이점이 있습니다. 전통적인 임상시험 환경에서 기업은 환자 데이터 프라이버시나 엄격한 데이터 보호법을 위반하는 것에 대한 두려움으로 인해 자연스럽게 임상시험 데이터 공유를 망설이는 경우가 많습니다.
임상시험 데이터가 미래 임상 개발에 대한 관련 인사이트를 제공하는 데 필수적이라는 것은 널리 알려진 사실입니다. 이 데이터가 없다면 기업이 주요 의사결정을 내리는 데 사용할 수 있는 증거가 크게 줄어들 것입니다. 그러나 이러한 풍부한 데이터의 필요성에도 불구하고 이를 공유하는 능력은 엄격한 규제 및 제한을 받는 경우가 많습니다.
합성 데이터의 활용은 데이터 프라이버시에 대한 일반적인 우려와 장애물을 해소하는 데 기여할 수 있습니다. 합성 데이터는 생성형 AI 알고리즘을 통해 ‘합성’되지만 실제 임상 이벤트에서 파생됩니다. 적절한 합성 데이터세트는 충실도를 유지하면서 개인 정보 유출 위험 없이 전통적인 방식으로 생성된 실제 데이터와 동일한 역할을 수행합니다. 임상시험 환경에서는 안전 장치를 마련하여 데이터 프라이버시를 보장하는 동시에 임상시험 데이터의 무결성을 보존하는 것이 특히 중요합니다.
데이터 공유를 저해하는 주요 식별자를 포함하지 않는 합성 데이터는 익명화 및 비식별화를 통해 데이터를 활용할 수 있는 시나리오의 범위를 확장합니다.
메디데이터의 Simulants는 임상시험 프로그램에서 환자 데이터와 프라이버시의 보호를 지원하는 AI 생성 합성 데이터세트 솔루션입니다. Simulants는 프라이버시와 무결성을 유지하면서 개인식별정보(PII)로 알려진 상세 환자 레벨 데이터를 사용할 수 있도록 합니다.
의뢰자는 임상시험 프로그램에서 Simulants와 같은 생성형 AI 도구를 사용하여 전통적으로 확보에 많은 어려움을 겪었던 중요한 인사이트를 확보할 수 있습니다. 이러한 인사이트는 궁극적으로 전체 임상시험의 성공 또는 실패로 이어질 수 있는 진행/미진행 결정에 대한 정보를 제공하고, 약물의 안전성과 유효성을 판단하고, 이상반응을 완화하며, 시험기관과 환자를 보다 신속히 선정하는 데 도움을 줄 수 있습니다.
전반적으로 합성 데이터는 임상시험 환경에서 데이터 프라이버시 및 보호 문제로 인해 야기되는 여러 장애물을 처리 및 해결하는 데 효과적입니다. 이러한 유형의 AI 생성 데이터는 의뢰자가 임상 개발에 대한 핵심 인사이트를 도출할 수 있도록 도와줍니다. 이러한 데이터가 없을 경우, 데이터 제약 및 중요 임상시험 데이터에 대한 접근성 문제로 인해 임상시험 프로그램의 속도와 비용이 증가할 수 있습니다.