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.
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.