Designing clinical trials for patients who are not average.
Designing clinical trials for patients who are not average.
复制标题
为不一般的病人设计临床试验。
DOI：
10.1016/j.isci.2023.108589
复制
发表时间：
2024-01-19
期刊：
影响因子：
5.8
通讯作者：
Chung, Caroline
中科院分区：
文献类型：
--
作者：
Yankeelov, Thomas E.;Hormuth II, David A.;Lima, Ernesto A. B. F.;Lorenzo, Guillermo;Wu, Chengyue;Okereke, Lois C.;Rauch, Gaiane M.;Venkatesan, Aradhana M.;Chung, Caroline
癌症固有的异质性意味着，即使是成功的临床试验，其治疗方案平均而言也仅在一部分患者中获得阳性结果。为个体患者优化干预的唯一方法是将其治疗重新定义为自己的个性化试验。为了实现这一目标，我们制定了一个计算框架进行个性化的试验，依赖于四个数学技术。首先，可以用患者特定数据校准的数学模型，以准确预测反应。第二，数字孪生模型建立在这些能够模拟干预效果的模型之上。第三，将最优控制理论应用于数字孪生，以优化结果。第四，数据同化，以不断更新和完善预测，以应对治疗干预。从这个角度来看，我们描述了这些技术中的每一种，量化了它们的“准备状态”，并确定了个性化临床试验的用例。健康科学
The heterogeneity inherent in cancer means that even a successful clinical trial merely results in a therapeutic regimen that achieves, on average, a positive result only in a subset of patients. The only way to optimize an intervention for an individual patient is to reframe their treatment as their own, personalized trial. Toward this goal, we formulate a computational framework for performing personalized trials that rely on four mathematical techniques. First, mathematical models that can be calibrated with patient-specific data to make accurate predictions of response. Second, digital twins built on these models capable of simulating the effects of interventions. Third, optimal control theory applied to the digital twins to optimize outcomes. Fourth, data assimilation to continually update and refine predictions in response to therapeutic interventions. In this perspective, we describe each of these techniques, quantify their “state of readiness”, and identify use cases for personalized clinical trials. Health sciences
登录
查看更多内容
影响因子：
3.7
作者：
Corwin D;Holdsworth C;Rockne RC;Trister AD;Mrugala MM;Rockhill JK;Stewart RD;Phillips M;Swanson KR
通讯作者：
Swanson KR
影响因子：
--
作者：
Kamel Boulos MN;Zhang P
通讯作者：
Zhang P
DOI：
10.1016/j.neo.2020.10.011
发表时间：
2020-12
期刊：
Neoplasia (New York, N.Y.)
影响因子：
--
作者：
Jarrett AM;Hormuth DA 2nd;Wu C;Kazerouni AS;Ekrut DA;Virostko J;Sorace AG;DiCarlo JC;Kowalski J;Patt D;Goodgame B;Avery S;Yankeelov TE
通讯作者：
Yankeelov TE
影响因子：
4
作者：
Chaudhuri, Anirban;Pash, Graham;Hormuth II, David A.;Lorenzo, Guillermo;Kapteyn, Michael;Wu, Chengyue;Lima, Ernesto A. B. F.;Yankeelov, Thomas E.;Willcox, Karen
通讯作者：
Willcox, Karen
影响因子：
5.2
作者：
Hormuth DA 2nd;Phillips CM;Wu C;Lima EABF;Lorenzo G;Jha PK;Jarrett AM;Oden JT;Yankeelov TE
通讯作者：
Yankeelov TE