| Название НИОКТР |
Разработка модуля Main AI Clinical Intelligence Hub для интеллектуального анализа и прогнозирования хода клинических исследований с целью повышения их эффективности, снижения рисков и обеспечения высокого качества данных с бесшовной интеграцией в экосистему MainEDC
|
| Аннотация |
Main AI Clinical Intelligence Hub — это бесшовно интегрированный модуль в составе экосистемы MainEDC, на которой уже проводится 80% клинических исследований в Российской Федерации. MainEDC создана для интеллектуального управления всеми аспектами данных клинических исследований и Hub усиливает возможности MainEDC введением предиктивной аналитики.
Совместно с уже разработанным ранее Main AI Coder — модулем ИИ-кодирования медицинских данных, Hub формирует единую цифровую среду для сбора, кодирования, анализа данных, ускоряя процессы и повышая качество клинических исследований.
Новый интеллектуальный модуль — это шаг вперед в развитии отечественной науки и технологий, предоставляющий исследователям и компаниям инструменты мирового уровня для минимизации рисков для пациентов и производителей лекарств, а также существенного сокращения затрат на проведение клинических исследований.
Развитие специализированного отечественного ПО особенно важно в свете отмечаемого всеми участниками рынка клинически исследований кризиса, возникшего в 2022 году для тех компаний, который пользовались решениями западных производителей, таких как Veeva, Medidata, Ennov и другие.
Как это преобразит отрасль:
- Новый разрабатываемый продукт позволит российским компаниям и научным организациям конкурировать с мировыми лидерами.
- Повысится доверие к данным, полученным в РФ, благодаря объективности и прозрачности ИИ-решений.
- Страна получит современный, высокоэффективный инструмент, снижающий зависимость от импортных решений.
- Это станет новым стандартом для проведения клинических исследований в России.
Проблемы, которые решает Hub:
Современные клинические исследования сталкиваются с рядом критических вызовов, главными из которых являются:
- Высокий процент неудачных исследований из-за непрогнозируемых рисков.
- Значительные затраты на набор пациентов и высокий уровень их выбытия.
Main AI Clinical Intelligence Hub направлен на решение этих проблем за счет:
- Предиктивной оценки рисков на ранних этапах.
- Прогнозирования успешности участия пациента по данным скрининга.
Планируемый эффект в цифрах:
- Снижение затрат на мониторинг и контроль качества данных до 50%.
- Повышение точности прогнозирования рисков и завершения исследований — до 85-90%.
Какой функционал предполагается:
Бесшовная интеграция с MainEDC:
- все данные автоматически доступны для анализа, кодирования и прогнозирования без необходимости в дополнительных системах.
- результаты анализа автоматически доступны в MainEDC.
Main AI Risk & Success Analytics Suite – предиктивный модуль для анализа рисков и вероятности успеха исследования на индивидуальном и проектном уровне.
- Прогноз успешности на основании исторических и текущих данных.
- Анализ рисков в реальном времени.
- Интеграция с MainEDC.
Main AI Screen2Success – ИИ для оценки вероятности завершения участия пациента, еще на этапе скрининга.
- Оценка профиля пациента без влияния ИП.
- Поддержка решений по набору и оптимизация траты ресурсов.
- Интеграция с MainEDC.
Будут реализованы технологические преимущества:
- Интегрированная платформа "все в одном" (в отличие от разрозненных решений, Hub объединяет предиктивную аналитику и управление данными в единой архитектуре).
- Гибридные модели ИИ (использование комбинации глубокого обучения для более точного прогнозирования сложных взаимосвязей).
- Реал-тайм анализ и адаптация (модели обучаются на потоковых данных, адаптируются к новым исследованиям и протоколам, поддерживая постоянное самообучение).
Модульная архитектура (гибкая структура, позволяющая использовать как полную экосистему, так и отдельные компоненты в зависимости от потребностей клиента).
Поддержка соответствия международным стандартам (GCP, FDA 21 CFR Part 11, EMA, MHRA – что критически важно для регуляторного признания решений).
Возможные потребители результатов:
- Фармацевтические компании, проводящие клинические испытания новых препаратов.
- Исследовательские центры и организации, занимающиеся разработкой лекарственных средств.
- Регуляторные органы, контролирующие качество и прозрачность данных клинических исследований.
|
| Доступ к ОКОГУ исполнителя |
False
|
| Количество связанных РИД |
0
|
| Количество завершенных ИКРБС |
0
|
| Сумма бюджета |
30000.0
|
| Дата начала |
2025-09-18
|
| Дата окончания |
2027-03-17
|
| Номер контракта |
5ГРЦТОРС22/106657 от 18.09.2025
|
| Дата контракта |
2025-09-18
|
| Количество отчетов |
3
|
| УДК |
002.6:004.3; 002.6:022.9
|
| Количество просмотров |
5
|
| Руководитель работы |
Ипатова Ольга Михайловна
|
| Руководитель организации |
Ипатова Ольга Михайловна
|
| Исполнитель |
ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "ДАТА МЕНЕДЖМЕНТ 365"
|
| Заказчик |
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ УЧРЕЖДЕНИЕ "ФОНД СОДЕЙСТВИЯ РАЗВИТИЮ МАЛЫХ ФОРМ ПРЕДПРИЯТИЙ В НАУЧНО-ТЕХНИЧЕСКОЙ СФЕРЕ"
|
| Федеральная программа |
Отсутствует
|
| Госпрограмма |
—
|
| Основание НИОКТР |
Грант
|
| Последний статус |
2025-10-22 14:38:05 UTC, 2025-10-22 14:38:05 UTC
|
| ОКПД |
Услуги по проектированию и разработке информационных технологий для прикладных задач и тестированию программного обеспечения
|
| Отраслевой сегмент |
—
|
| Минздрав |
—
|
| Межгосударственная целевая программа |
—
|
| Ключевые слова |
клинические исследования; интеллектуальный анализ и прогнозирование; экосистема MainEDC; модуля Main AI Clinical Intelligence Hub; интеллектуальный модуль
|
| Соисполнители |
—
|
| Типы НИОКТР |
Проектные работы
|
| Приоритетные направления |
—
|
| Критические технологии |
—
|
| Рубрикатор |
20.53.19 - Средства обработки и поиска информации
|
| OECD |
—
|
| OESR |
Автоматизированные системы управления
|
| Приоритеты научно-технического развития |
в) переход к персонализированной, предиктивной и профилактической медицине, высокотехнологичному здравоохранению и технологиям здоровьесбережения, в том числе за счет рационального применения лекарственных препаратов (прежде всего антибактериальных) и использования генетических данных и технологий;
|
| Регистрационные номера |
—
|
