Использование обработки текста при определении эффективных клинических исследований

13-14 Мая 2008 года. Сергей Ананян (Megaputer Intelligence Inc.) совместно с 2-мя исследователями компании "Merc" проводит презентацию проекта обработки данных PolyAnalyst™ на технологическом симпозиуме "Merck-2008".

Стенд компании Megaputer Intelligence на выставке IDEA (стенд EX21, вторник-среда): http://merck.planetconnect.com/exhibits.html#75

Пол Каллукаран, доктор наук (Ph.D.), "Мерк"

Разек Карнуб, доктор наук (Ph.D.), "Мерк"

Сергей Ананян, доктор наук (Ph.D.), "Megaputer Intelligence"

Резюме доклада

Проводя прогнозирование роста объема продаж, можно воспользоваться сведениями о том, в какой мере клинические исследования влияют на качество товара и функционирование рынка. Потенциальное воздействие клинического исследования может быть определено в ходе анализа научных статей и другой информации о данном исследовании. Однако ручной анализ огромного количества литературы по конкретной теме требует много времени и сил даже у первоклассного специалиста. Тщательный анализ всей имеющейся литературы по конкретной проблеме может занять у аналитика несколько месяцев.

Объединив наши усилия, мы разработали передовые технологии, позволяющие автоматизировать процесс предварительного просмотра литературы по разнообразным клиническим исследованиям проблемы остеопороза. Мы ставили цель автоматически определить те клинические исследования, которые вероятнее всего окажутся эффективными, а также направить усилия анализа вручную на изучение литературы об этих исследованиях. Был выполнен анализ 489 клинических исследований остеопороза. Список потенциально эффективных клинических исследований, определенных посредством анализа и обработки текстовых данных, был заверен медицинским экспертом, выполнявшим предварительный анализ всех статей о соответствующих клинических исследованиях вручную. Исследования, выбранные по результатам обработки текстовых данных, были признаны перспективными для дальнейшего неавтоматизированного анализа. Наш проект доказал, что обработка текстовых данных является отличной перспективой для значительного снижения временных затрат, с которыми сталкиваются аналитики при прогнозировании воздействия клинических исследований на качество продукта.