Digitale Datenbanken für die Suche nach klinischen Studien haben die Zugänglichkeit des Gesundheitswesens bereits verändert und wichtige Informationen über klinische Studien zu den Patienten gebracht, die sie benötigen – und zu den Ärzten, die sie betreuen. Aber auch diese Datenbanken sind riesig – allein www.clinicaltrials.gov verfügt über Details zu fast 500.000 Studien. Daher können Informationen über klinische Studien oft zu komplex und unzugänglich sein – selbst wenn sie relevant sind –, als dass Menschen sich darin zurechtfinden könnten.
Glücklicherweise haben neue und fortlaufende technologische Fortschritte effizientere, intuitivere Tools für die Suche und das Verständnis klinischer Studien ermöglicht. Ähnliche technologiegetriebene Verbesserungen haben wir auch in anderen Branchen beobachtet: Nehmen wir den E-Commerce: Wenn Menschen einen Fernseher online kaufen möchten, können sie eine Reihe von Spezifikationen eingeben, von der Rechenleistung über die Grafikfunktionen bis hin zur Marke, und erhalten schnell maßgeschneiderte Ergebnisse zu ihren Anzeigepräferenzen, damit sie sie berücksichtigen können. Es ist Zeit für die Suche nach klinischen Studien, um die Entwicklung der Computerverarbeitung zu nutzen, die heute im E-Commerce Standard ist.
Warum sollte die Suche nach potenziell rekrutierenden und geeigneten klinischen Studienergebnissen nicht genauso genau sein wie die Suche nach dem perfekten Fernsehgerät? Tatsächlich gibt es bereits Technologien, mit denen sich die Suche nach klinischen Studien eingrenzen und verfeinern lässt. Jetzt geht es nur noch um Anpassung, Übernahme und Integration.
Herausforderungen bei Datenbanken für klinische Studien
Während digitale Datenbanken die Ressourcen für klinische Studien erfolgreich konsolidiert haben, wird ihre Effektivität bei der Generierung nützlicher Suchergebnisse durch mangelnde Standardisierung, Kennzeichnung, Benutzerfreundlichkeit und Filterung in den Datenbanken beeinträchtigt. Beispielsweise kann der spezifische Wortlaut einer krankheitsbezogenen Suche – z. B. „Plattenepithelkarzinom des Kopfes und Halses“ im Vergleich zu „Plattenepithelkarzinom des Kopfes und Halses“ – zu unterschiedlichen Ergebnissen führen. Solche unterschiedlichen Parameter machen es für den durchschnittlichen Benutzer äußerst schwierig, die relevantesten Informationen zu finden und die Optionen zwischen verschiedenen Plattformen zu vergleichen. Dies kann dazu führen, dass Patienten und Ärzte relevante Studien verpassen, selbst wenn sie sehr gezielt suchen.
Die von den Prüfzentren gemeinsam genutzten Zulassungskriterien sind aufgrund der klinischen Forschungsziele nicht einheitlich, was die Suche noch weiter erschwert. Patientendetails wie frühere Medikamente, Genomsequenzierung oder Anzahl der Therapielinien werden typischerweise als unstrukturierter Text eingegeben, was ihre Indexierung noch schwieriger macht. Daher können Patienten und Ärzte nicht immer erkennen, ob ein Patient alle notwendigen Zulassungskriterien erfüllt, um sich für eine bestimmte Studie zu bewerben. Diese Herausforderung wird durch die Tatsache verschärft, dass die Suchergebnisse nicht auf der Grundlage der persönlichen Merkmale des Patienten priorisiert werden. Es werden alle Ergebnisse angezeigt, die für die Suchanfrage als zutreffend erachtet werden, ohne dass danach gefiltert wird, was relevant ist und was nicht. Das Fazit: In diesen Datenbanken können die Ergebnisse sehr spezifischer Suchvorgänge immer noch Hunderte von nicht zielgerichteten Optionen ergeben. Selbst wenn ein Suchender die Zeit hat, die überwältigende Anzahl an Ergebnissen einzugrenzen – angesichts der Menge kann das Durchsuchen der Bewertungsoptionen für die Vorqualifizierung einer Studie sogar eine Vollzeitbeschäftigung sein –, mangelt es dem durchschnittlichen Patienten in der Regel an der Fachkenntnis, um zu wissen, welche Studien möglicherweise durchgeführt werden Es stellt sich heraus, dass sie am besten geeignet sind und die Zeit und Energie wert sind, für die Sie sich bewerben. Selbst ausgebildete Ärzte haben häufig mit der Flut komplexer Informationen in diesen Datenbanken zu kämpfen, insbesondere angesichts ihrer normalerweise hektischen Arbeitsbelastung.
Schließlich können die von diesen digitalen Ressourcen bereitgestellten Daten veraltet sein. Es kann sowohl für den Arzt als auch für den Patienten verheerend sein, sich durch endlose Ergebnisse zu wälzen und schließlich zu einer geeigneten Option zu gelangen, nur um dann festzustellen, dass eine mögliche Versuchsoption den Antragstellern nicht mehr offensteht.
Ermöglicht effektive E-Commerce-ähnliche Suchen
Wie kann die Gesundheitsbranche diese Herausforderungen bewältigen? Durch die Adaption von Technologielösungen, die in anderen Branchen wie dem E-Commerce wegweisend sind. Hier sind einige Funktionen, die auf den meisten E-Commerce-Plattformen üblich sind und zur Umgestaltung von Suchdatenbanken für klinische Studien beitragen können:
Standardisierung
Wie bei einem normalen Online-Kauf eines Fernsehgeräts müssen bei der Suche nach klinischen Studien detaillierte Produktbeschreibungen verwendet werden, also geeignete Schlüsselwörter, Titel und Meta-Beschreibungs-Tags. Für Datenbanken klinischer Studien ist es von entscheidender Bedeutung, ihre Metadaten auf ähnliche Weise zu sammeln und zu standardisieren, um sicherzustellen, dass Patienten und Pflegekräfte möglichst genaue Ergebnisse erhalten.
Personalisierung
Die meisten E-Commerce-Plattformen profitieren von hyperspezifischen Filtern, die Benutzern die Möglichkeit bieten, während der gesamten Customer Journey nach Kategorien wie Artikeltyp, Leistung, Preis, Marke usw. zu sortieren. Fortschrittliche E-Commerce-Plattformen zeichnen sich auch durch die Priorisierung der Ergebnisse aus und stellen sicher, dass die Artikel angeboten werden, die den Profilen und Vorlieben der Benutzer am besten entsprechen.
In einer Datenbank für klinische Studien würden ähnliche Filter und priorisierte Ergebnisse es Patienten und Ärzten ermöglichen, ihre Suchergebnisse während des gesamten Prozesses anzupassen, sodass sie nicht bei jeder neuen Abfrage ganz von vorne beginnen müssten.
E-Commerce ist mit Autofill-Funktionen vertraut und fordert Benutzer dazu auf, Vorschläge einzugeben, die auf die Produktdatenbank abgestimmt sind. Sobald jemand zuvor nach einem bestimmten Thema einer klinischen Studie gesucht hat, kann das System ihn an andere Ergebnisse erinnern, die in Zukunft möglicherweise relevant sind.
KI und Verarbeitung natürlicher Sprache
KI-gestützte Abfrageverfolgung nutzt Marktforschung, die eine E-Commerce-Website erheblich verbessern kann. Durch die Nutzung von Daten zu den spezifischen Begriffen, die Menschen bei der Suche nach einem bestimmten Angebot verwenden, können Schlüsselwörter oder Neukennzeichnungen von Produkten entsprechend priorisiert werden. In Kombination mit Tools zur Verarbeitung natürlicher Sprache wie KI-gestützten Suchmaschinen und Chatbots können diese Daten Patienten und Ärzten eine effektive Suche ermöglichen, selbst wenn ihre Suchanfrage nicht genau mit den auf der Testseite aufgeführten Schlüsselwörtern übereinstimmt.
Weniger Schwierigkeiten bei klinischen Studien
Patienten, die auf der Suche nach klinischen Studien sind, müssen ihre Optionen oft unbedingt verstehen und sind dennoch mit einem Grad an Komplexität und Unklarheit konfrontiert, den selbst ihre Ärzte und andere erfahrene medizinische Fachkräfte nur schwer bewältigen können. Ebenso müssen die Datenbanken für klinische Studien dringend aktualisiert werden, da einige Krankenhäuser und das Personal an Versuchsstandorten unter der Last veralteter Praktiken und Geräte zu kämpfen haben. Es reicht nicht mehr aus, dass Studiendatenbanken nur „digital“ sind – sie müssen Patientendaten und die Suchzeit von Patienten und Ärzten nutzen und daraus lernen sowie die Personalisierung durch Filter und Standardisierung stärken, um den Suchprozess zu rationalisieren und relevante Informationen zu priorisieren. Die Anwendung eines E-Commerce-Ansatzes – der durch jahrelange Praxis und zahlreiche Benutzeranfragen verfeinert wurde – auf Datenbanken für klinische Studien wird die Erfahrung bei der Suche nach klinischen Studien erheblich verbessern und schnellere und genauere Suchergebnisse für diejenigen liefern, die auf dem neuesten Stand sind Informationen zu möglichen Behandlungen.
Foto: FotografiaBasica, Getty Images, 503105612
