I prossimi passi potrebbero includere l’esecuzione di un’analisi per capire in che misura l’aggiunta delle funzionalità sponsor della sperimentazione E numero di partecipanti contribuiscono a migliorare le prestazioni (su alcuni parametri) rispetto ad altri fattori come la scelta del modello e le tecniche di incorporamento. Intuitivamente, sembra che queste caratteristiche potrebbero migliorare le prestazioni predittive, poiché alcuni sponsor hanno storicamente ottenuto risultati migliori di altri, e ci si potrebbe aspettare anche una relazione tra la dimensione dello studio e il risultato.
Ora potresti chiederti: “Qual è l’utilità di un modello così predittivo? Non possiamo fare affidamento su un modello del genere e rinunciare a condurre il processo? E hai ragione (anche se alcune aziende stanno creando gemelli digitali di pazienti con l’obiettivo di eseguire sperimentazioni virtuali). Un modello come quello presentato in questa serie potrebbe, ad esempio, essere utilizzato per migliorare l’analisi della potenza della sperimentazione clinica, una pratica statistica correlata. Per determinare il numero ottimale di partecipanti da arruolare in uno studio specifico viene utilizzata un’analisi della potenza e per eseguire tale analisi è necessario formulare un’ipotesi forte sull’effetto del trattamento. Un modello predittivo che utilizza informazioni sulla sperimentazione come la struttura della molecola del farmaco, l’indicazione della malattia e i criteri di ammissibilità della sperimentazione, come il modello che abbiamo implementato qui, può potenzialmente aiutare a creare un’analisi della potenza più accurata.
Fonte: towardsdatascience.com
