AI环境下的数据可靠性管理

分享者：陈渊2025年9月 AI在医疗领域的作用 AI的作用：提高效率、加速药物研发进程 核心问题：随着数据量和复杂度的增加，如何确保数据的完整性和可信度？ 医疗领域 •医疗文书写作与病人沟通•医院及药企的运营优化 诊断 •基于医学图像的诊断•疾病发展和治疗结果预测 新药研发 •靶点发现与验证•分子结构设计与优化•临床试验流程优化 医疗器械 •近700个FDA批准的基于AI&ML的医疗器械 什么是数据可靠性？ u定义：指在数据生命周期中，数据完整、一致、准确、无篡改。应当以可靠的方式收集和维护数据，从而保证数据归属至人、清晰可溯、同步记录、原始一致、准确真实。 *建立和完善药品全周期风险管控的监管体系是药品监管部门永恒的目标 AI对数据可靠性的影响 自动化与数据处理 AI和机器学习能够自动化数据收集、清洗与分析，提升处理效率。 AI能在许多领域显著提高数据的可靠性，尤其是在处理大量复杂数据时，但也需要注意其带来的风险，为了确保数据的可靠性，AI的使用需要与适当的监督、验证和安全措施相结合。 数据质量提升 AI可以通过算法对异常数据进行自动检测和修正，减少人为错误。 挑战 •AI模型本身的透明性问题（黑箱问题）•数据偏差与算法训练数据质量•AI技术的误用或滥用可能导致数据不一致 实践中的解决方案与策略MAIN TASKS AND RESPONSIBILITIES 1 3 数据可靠性管理 合规性与标准化 •准确性与完整性：AI生成的数据必须准确、完整。数据输入和输出的全过程要记录并验证，确保其符合标准。•自动校验与验证：建立自动校验系统，在AI生成数据后进行验证，确保其符合预定的规范和标准。•审计追踪：所有数据生成、修改、删除的过程需要有清晰的审计追踪记录，记录每个操作的时间、责任人和操作内容。 •遵循FDA、EMA等机构的合规要求，如21 CFR Part 11、GxP法规等•AI系统的开发、运行和数据生成过程应有清晰的文档支持，以便接受监管检查。所有过程、算法和输出都需有详尽的文档记录。•数据保护与隐私：确保数据在生成、存储和传输过程中都受到充分的保护。 4 2 人在回路 AI模型的透明性与可解释性 •虽然AI可以处理大量数据，但所有关键决策和最终的数据输出需要人工审查，设置定期的人工审核和数据校正流程，确保生成的数据没有偏差或错误。 •确保AI模型的工作原理可解释，并能够清楚地展示为何和如何生成特定数据。•定期进行模型验证，检查AI算法是否符合GxP标准，并能稳定地产生符合质量要求的数据。 案例分享–研发&临床数仓的搭建及AI的应用 案例分享–收益 1.可量化的收益(Quantifiable Benefits): 研发效率提升： •减少数据科学家和数据管理员数据查找、清洗和整合的时间（可节省30-50%的时间）。•加速决策周期，更快地分析实验数据，决定哪些候选药物进入下一阶段。 临床试验优化与成本节约： •通过整合数据更早发现安全性信号，避免投入巨大成本的后期临床试验失败。•利用真实世界数据（RWD）优化临床试验方案设计，可能减少招募患者所需的时间和成本。•更高效地准备监管提交材料（eCTD），缩短IND/BLA申报时间。药品早上市一天，就能带来巨大的收入。 运营成本降低： •减少维护多个孤立数据系统和接口的License和IT运维成本。 2.战略性与无形收益(Strategic & Intangible Benefits): 数据驱动的AI洞察： •发现新的生物标志物，预测哪些疗法响应更好，实现个性化治疗。•优化生产工艺，提高产量和质量。•深化对疾病机理和药物作用机制的理解。 知识产权创造： •基于整合的数据，利用AI和ML进行数据分析，可能产生新的专利和知识产权。 案例分享– ROI示例 •投资成本(Cost):3年内的软件许可、云资源、外部咨询、内部人力成本（假设总计￥3000万）。 •节约与收益(Benefits): •节省30个数据科学家20%的时间：30人*￥100万/人年*20%*3年=￥1800万•因研发决策加速，使一个项目提前3个月进入临床：假设该药物峰值年销售￥10亿，3个月提前上市≈￥2.5亿收入（需折现计算）•避免一次临床二期失败：节省直接临床成本约￥5000万- 1亿 •ROI:即使不考虑提前上市的巨大收益，仅避免一次临床失败，其价值就已远超过投入。真正的ROI在于对研发成功率的提升和对时间的节省。 Thank you