임상검사 파라미터 기반 임상시험 참여자 선별 최적화 연구

Clinical Laboratory Parameter-Driven Optimization of Clinical Trial Participant Selection Research

연구 내용

전자기록 기반 임상검사 파라미터를 활용해 머신러닝 모델로 참여자를 선별하고 임상시험 등록 효율을 높이는 연구

임상시험 실패 요인인 참여자 미충원 문제를 해결하기 위해 전자의무기록에서 확보한 임상검사 파라미터를 입력으로 하는 머신러닝 기반 선별 프레임을 구성합니다. 교육용 데이터와 평가용 데이터를 분리하고, 다수의 혈액검사 및 간·신장 기능 관련 지표와 검사 채택 시점을 함께 사용하여 후보군의 적합도를 예측합니다. 선별 결과를 기반으로 화면 단계에서의 작업량을 줄이는 방식으로 임상시험 등록 속도를 개선하는 데 초점을 둡니다. 또한 임의 선별 대비 성능과 일반화 특성을 함께 검증합니다.

관련 프로젝트

0건

연구 흐름

초기에는 위암 환자 전자의무기록을 기반으로 임상검사 파라미터와 검사 시점을 활용하는 머신러닝 후보 선별 프레임을 제안하고, 예측 성능을 평가하는 검증 단계를 수행했습니다. 이후 프레임을 더 체계화하여 생체동등성 연구 맥락에서 참여자 선별의 효율을 검토하고, 임의 선별 대비 작업량 감소와 예측 정확도를 함께 확인하는 방향으로 연구를 확장했습니다. 최근에는 선별 모델의 활용성을 높이기 위해 앙상블 기반 학습과 우선순위 스코어링 절차를 강화하는 흐름으로 발전하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

임상시험 미충원 완화
등록 프로세스 자동화
선별 우선순위 기반 스크리닝
전자기록 기반 적격성 예측
바이오마커 연계 후보군 확장
연구 설계 단계의 자원 최적화
바이오동등성 시험 운영 효율 개선
다기관 데이터 기반 모델 전이
시험 프로토콜의 사전 적합도 평가
환자 재방문 횟수 최소화 계획