AI gør kliniske forsøg hurtigere og mere sikre

For alle, der arbejder med kliniske forsøg, er tid og kvalitet to ufravigelige krav. Clario, en af verdens førende leverandører af data- og softwareløsninger til kliniske studier, har nu taget et markant skridt mod at gøre forsøg både hurtigere og mere sikre. Med deres nye Genie AI Service, drevet af generativ AI på Amazon Bedrock, automatiserer Clario konfigurationen af studiesoftware – og det er langt mere end blot endnu en teknisk opdatering. Det er et fundamentalt skifte i, hvordan data håndteres, fejl minimeres og samarbejde styrkes på tværs af teams.

Clario Genie AI Service automatiserer udtræk og strukturering af data fra både PDF-formularer og databaser. Det betyder, at manuelle, tidskrævende processer erstattes af automatiserede workflows, hvor AI og mennesker arbejder tæt sammen. Resultatet er kortere tid fra studieopstart til færdig software, færre fejl og mere tid til det, der virkelig skaber værdi: bedre patientforløb og højere datakvalitet.

Fra manuelle fejl til automatiseret præcision

Traditionelt har manuel dataudtræk fra forskellige kilder været en af de største tidsrøvere i kliniske forsøg – ofte med fejl og inkonsistens til følge. Genie AI Service læser og strukturerer data automatisk fra transmittal forms og studie-databaser. AI’en identificerer nøglefelter, standardiserer formater og sikrer, at alle nødvendige data er korrekt kategoriseret. Klinikpersonale og data managers slipper for at dobbelttjekke og rette fejl, der tidligere kunne snige sig ind i konfigurationsdokumenterne.

Systemet har indbygget validering og audit trail, så alle ændringer og rettelser logges. Det er ikke kun en gevinst for compliance og QA – det gør det også lettere at dokumentere, hvem der har gjort hvad, hvornår. For QA-specialister betyder det færre hovedpiner, når audit eller inspektion banker på døren.

Eksempler fra praksis: Hvad betyder det i klinikken?

For kliniske forskningssygeplejersker og det øvrige personale betyder AI-løsningen, at dataudtræk og konfiguration af studiesoftware ikke længere er en flaskehals. Tidligere kunne det tage dage at gennemgå og strukturere data fra en ny studieprotokol – nu kan det klares på få timer. Samtidig reduceres risikoen for fejl, der kan påvirke patientforløb eller forsinke studiets start.

Et konkret eksempel fra Clario: Ved implementering af Genie AI Service oplevede et klinisk team, at tiden fra modtagelse af nye studieparametre til færdig konfiguration blev halveret. Samtidig blev antallet af manuelle rettelser i dataudtrækket reduceret med over 60%. Det betyder, at personalet kan fokusere på patientkontakt og kvalitetssikring frem for rutinepræget dataarbejde.

Integration og samarbejde på tværs af systemer

For IT-projektledere og data managers er det afgørende, at AI-løsningen kan integreres med eksisterende enterprise-systemer. Genie AI Service henter data via API’er fra studie-databaser og kan udveksle konfigurationsfiler med andre systemer. Versionering og synkronisering mellem dokumenter og software håndteres automatisk, så alle parter altid arbejder med den nyeste og validerede version.

En af de største udfordringer var at sikre, at ændringer i konfigurationsdokumenter også blev reflekteret i de systemer, der bygger selve studiesoftwaren. Her valgte Clario en iterativ tilgang med løbende feedback fra brugerne, hvilket har ført til en robust løsning, hvor versionering og datakvalitet er i top.

Standardisering og automatisering: Færre fejl, bedre samarbejde

Data managers og CRO’er har længe efterspurgt bedre standardisering og færre manuelle processer. Genie AI Service leverer netop dette ved at strukturere data i validerede tabeller og generere både dokumentation og kode (XML) automatisk. Det letter samarbejdet mellem klinik, data management og IT, fordi alle arbejder ud fra samme, opdaterede datasæt.

Systemet har også gjort det lettere at håndtere ændringer og iterationer undervejs i et studie. Tidligere kunne det være svært at holde styr på, hvilke versioner der var gældende – nu er hele processen auditerbar og transparent, hvilket styrker både compliance og samarbejde.

ROI og regulatorisk impact: Hvad siger tallene?

For sponsor-repræsentanter og beslutningstagere i biotek og pharma er det afgørende at se konkrete resultater. Clario rapporterer, at eksekveringstiden for studie-konfigurationer er reduceret markant, samtidig med at kvaliteten er steget. Færre fejl og hurtigere processer betyder lavere omkostninger og hurtigere godkendelse af studier.

Systemet understøtter desuden fuld audit trail og dokumentation, hvilket letter dialogen med myndigheder og sikrer, at alle regulatoriske krav kan dokumenteres. Det er en væsentlig faktor for at opnå hurtigere godkendelser og minimere risikoen for forsinkelser på grund af datakvalitet eller manglende dokumentation.

Compliance og kvalitetssikring i praksis

Automatisering med AI kan give anledning til bekymringer om compliance og validering. Clario har derfor indbygget menneskelig validering i workflowet, så alle AI-genererede data gennemgås og godkendes af eksperter, før de bruges i produktion. Alle ændringer logges, og systemet er designet til at leve op til gældende regulatoriske krav.

QA-specialister kan derfor være trygge ved, at automatiseringen ikke går på kompromis med kvalitet eller sporbarhed. Tværtimod er det nu lettere at dokumentere processer og sikre, at alle krav til dataintegritet og audit trail er opfyldt.

Tekniske og organisatoriske udfordringer – og løsninger

Overgangen fra manuelle processer til AI-drevet automatisering har ikke været uden udfordringer. En af de største var at håndtere variationen i dataformater og terminologi på tværs af forskellige terapeutiske områder. Clario løste dette med løbende prompt engineering og tæt samarbejde mellem AI-udviklere og domæneeksperter.

Desuden blev løsningen rullet ud i faser, hvor pilotteams testede funktionaliteten og fungerede som ambassadører for resten af organisationen. Træning og brugervenlighed har været i fokus, så alle brugere hurtigt kunne tage systemet til sig og udnytte dets fulde potentiale.

Læring og perspektiver for fremtiden

Clarios erfaring viser, at succes med AI i kliniske forsøg kræver mere end teknologi – det handler om at definere konkrete use cases, sikre menneskelig validering og måle effekterne løbende. Systemet er bygget til at kunne udvides til andre processer, og erfaringerne fra implementeringen bruges nu til at optimere både workflow og prompt engineering.

For organisationer, der overvejer lignende løsninger, er anbefalingen klar: Start med et afgrænset, værdifuldt område, involver brugerne tidligt, og mål effekten. Med den rette tilgang kan AI blive en reel katalysator for bedre data, hurtigere processer og højere kvalitet i kliniske forsøg.

Hvad betyder det for Snillds målgruppe?

For Snillds kunder og samarbejdspartnere – fra data managers og QA-specialister til IT-projektledere og sponsor-repræsentanter – viser Clarios case, hvordan AI kan løfte både kvalitet og effektivitet i komplekse, regulerede miljøer. Det handler ikke kun om at spare tid, men om at skabe mere robuste processer, hvor både compliance og samarbejde styrkes. Vi ser, at erfaringerne fra Clario kan overføres til mange andre områder, hvor dataudtræk, validering og dokumentation er centrale udfordringer.

Hvis du vil vide mere om, hvordan vi hos Snilld kan hjælpe din organisation med at implementere AI-løsninger, der både er sikre, effektive og compliant, så tag fat i os. Vi hjælper dig hele vejen fra use case-definition til produktion – og vi lover, at vi ikke lader dig stå alene med prompt engineering!

Kilder:

• https://aws.amazon.com/blogs/machine-learning/clario-streamlines-clinical-trial-software-configurations-using-amazon-bedrock/
• https://aws.amazon.com/blogs/machine-learning/clario-enhances-the-quality-of-the-clinical-trial-documentation-process-with-amazon-bedrock/

Målgruppens mening om artiklen

Anne, Data Manager: Jeg giver artiklen 85. Den er meget relevant for mit arbejde, fordi den beskriver præcist de udfordringer, vi har med manuelle processer og fejl i dataudtræk. Jeg kan godt lide, at der er konkrete eksempler og tal på tidsbesparelse og fejlreduktion. Dog kunne jeg godt have ønsket lidt flere tekniske detaljer om integrationen med eksisterende systemer.

Michael, QA-specialist: Jeg giver den 80. Artiklen rammer plet i forhold til compliance og audit trail, som er ekstremt vigtigt for mig. Det er positivt, at der er fokus på sporbarhed og validering, men jeg savner lidt mere kritisk vinkel på de potentielle faldgruber ved AI-automatisering.

Lene, Klinisk Forskningssygeplejerske: Jeg giver den 75. Det er spændende at se, hvordan AI kan lette vores hverdag og reducere fejl, men artiklen er lidt teknisk og kunne godt have haft flere eksempler fra det kliniske gulv. Jeg savner patientperspektivet lidt mere.

Thomas, IT-projektleder: Jeg giver den 90. Artiklen er meget relevant, især fordi den adresserer integration og versionering, som ofte er en kæmpe udfordring i vores projekter. Jeg synes, det er stærkt, at der er fokus på samarbejde mellem IT og klinik, og at løsningen er rullet ud i faser med brugerinddragelse.

Camilla, Sponsor-repræsentant i pharma: Jeg giver den 82. Artiklen taler direkte ind i de krav, vi har til dokumentation, compliance og ROI. Det er vigtigt for os at kunne dokumentere effekter og opnå hurtigere godkendelser. Jeg kunne dog godt have ønsket lidt mere om regulatoriske erfaringer fra myndighedernes side.

*Denne artiklen er skrevet af en redaktion bestående af kunstig intelligenser, der har skrevet artiklen på baggrund af automatiseret research og oplysninger om de seneste teknologi nyheder fra internettet.

Billederne i artiklen er lavet af FLUX.1.1 Pro fra Black Forest Labs.