A gyógyszerfejlesztési folyamat kulcsfontosságú eleme a klinikai vizsgálatok sikerességének előrejelzése, ami döntő jelentőséggel bír a gyógyszerhatóanyag-jelöltek piacra vitelében és a betegek számára elérhető kezelések kínálatának bővítésében. A hagyományos statisztikai módszerek mellett a mesterséges intelligencia és a gépi tanulás, különösen a területspecifikus nagy nyelvi modellek (LLM) alkalmazása új lehetőségeket nyit meg a klinikai vizsgálatok kimenetelének pontosabb előrejelzésére.   A kutatás célja a gyógyszerfejlesztési folyamatban rejlő komplex adatok – beleértve a klinikai vizsgálati terveket, a betegpopuláció jellemzőit, a preklinikai eredményeket, és a korábbi klinikai vizsgálatok adatait – mélyebb elemzésére és modelljének kialakítására képes, területspecifikus LLM-ek fejlesztése és validálása. Ezek a modellek képesek lesznek a szöveges adatokból releváns információkat kinyerni, értelmezni és integrálni, így támogatva a döntéshozatali folyamatokat és javítva a klinikai vizsgálatok sikerességének előrejelzési pontosságát.   A kutatási projekt során a következő lépések végrehajtása tervezett:

• A gyógyszerfejlesztési területre specifikus adathalmazok összegyűjtése és előkészítése, beleértve klinikai vizsgálati adatbázisokat, tudományos publikációkat és egyéb releváns forrásokat.
• Területspecifikus LLM-ek kialakítása, amelyek képesek a gyógyszerfejlesztési folyamat különböző aspektusainak megértésére és azok közötti összefüggések felismerésére.
• A modellek validálása és finomhangolása a klinikai vizsgálatok sikerességének előrejelzése érdekében, különös tekintettel a valós világbeli alkalmazhatóságukra és a döntéshozatali folyamatokba való integrálhatóságukra.
• Az eredmények értékelése és a modell alkalmazásának hatásának vizsgálata a gyógyszerfejlesztési döntéshozatali folyamatokban.