Webinář
Využití umělé inteligence a analytiky ke zlepšení posuzování přínosů a rizik životního cyklu
Webinář letní série AI
Hodnocení přínosů a rizik (BRA) tvoří jádro marketingové žádosti o novou terapii a poskytuje regulačním orgánům jeden z nejdůležitějších důkazů k ospravedlnění schválení. S tím, jak se klinické studie, schvalování uvádění na trh a regulační požadavky po uvedení na trh stávají složitějšími, však rostou i výzvy spojené s vypracováním komplexního a přesného posouzení přínosů a rizik životního cyklu. Podívejte se na záznam a prozkoumejte možné způsoby, jak zlepšit hodnocení přínosů a rizik použitím inovativních statistických technik, umělé inteligence a hlubokých odborných znalostí v oblasti farmakovigilance a regulace při sestavování hodnocení přínosů a rizik.
Hodnocení přínosů a rizik (BRA) tvoří jádro marketingové žádosti o novou terapii a poskytuje regulačním orgánům jeden z nejdůležitějších důkazů k ospravedlnění schválení. S tím, jak se klinické studie, schvalování uvádění na trh a regulační požadavky po uvedení na trh stávají složitějšími, však rostou i výzvy spojené s vypracováním komplexního a přesného posouzení přínosů a rizik životního cyklu. Podívejte se na záznam a prozkoumejte možné způsoby, jak zlepšit hodnocení přínosů a rizik použitím inovativních statistických technik, umělé inteligence a hlubokých odborných znalostí v oblasti farmakovigilance a regulace při sestavování hodnocení přínosů a rizik.
Hlavní přednosti
- Metody pro posílení kvalitativních i kvantitativních složek hodnocení přínosů a rizik
- Jak může umělá inteligence podpořit rychlejší a přesnější sestavování hodnocení přínosů a rizik v souladu se specifickými požadavky příslušného regulačního rámce (např. FDA nebo EMA)
- Využití stávajících zdrojů dat, jako jsou srovnávací terapie a důkazy z reálného světa (RWE), s cílem pomoci posílit předkládání produktů – například tím, že bude představovat konkrétní důležitou výhodu oproti aktuálně dostupným terapiím
- Jak dosáhnout lepšího vhledu do kritických údajů, které v posouzení přínosů a rizik chybí, v rané fázi procesu
- Pokročilé modely pro získání prediktivního vhledu do návrhu hodnocení přínosů a rizik s kvantitativním "skóre spolehlivosti" celkového návrhu a podrobnou analýzou slabých a silných stránek v dokumentu
Moderátor:
Chris Englerth, ředitel globálních poradenských služeb, Cencora
Reproduktory:
Sophie Besset-Dangla, viceprezidentka, vedoucí oddělení globální farmakovigilance, Cencora
Lin Li, PhD, vedoucí oddělení statistiky a prediktivní umělé inteligence, Cencora
Stephen Sun, MD, MPH, VP, farmakovigilance, Cencora
Získejte přístup nyní a prozkoumejte umělou inteligenci napříč regulovanými farmaceutickými funkcemi
