Predire i Follow-up Clinici Mancanti con Dati Sintetici Generati dall'IA

Nella prevenzione cardiovascolare secondaria, i follow-up clinici mancanti o non ancora osservati possono ritardare la generazione di evidenze e le decisioni sulla cura del paziente. In questo caso studio, Aindo ha collaborato con un’azienda biofarmaceutica globale per affrontare questa sfida utilizzando la sua tecnologia di IA generativa certificata Europrivacy.

A partire dai dati del mondo reale (real-world data) di 700 pazienti, il modello di Aindo ha generato misurazioni di laboratorio di follow-up statisticamente plausibili, basate sul profilo di base e sull’intensità del trattamento di ciascun paziente. Questi valori sono stati poi utilizzati per prevedere se i pazienti avrebbero raggiunto i loro target di C-LDL. Il modello ha distinto correttamente tra i pazienti che hanno raggiunto il target e quelli che non lo hanno fatto in circa tre casi su quattro, superando costantemente un benchmark di machine learning di riferimento in test di validazione ripetuti.

Scarica il caso studio completo per scoprire come i dati sintetici accelerano i tempi della ricerca clinica, migliorano le prestazioni predittive e sbloccano evidenze del mondo reale (real-world evidence) utilizzabili e in totale sicurezza.