Partnerstwa

Integracja narzędzi SAS i Posit umożliwi audytowalne wykorzystanie AI w badaniach klinicznych

Naomi Crest
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktySAS i Posit łączą Viya i Clinical Acceleration z Posit Workbench, aby ujednolicić…
Zobacz więcej
  • SAS i Posit łączą Viya i Clinical Acceleration z Posit Workbench, aby ujednolicić przepływy pracy SAS i R.
  • Kodowanie wspomagane przez AI pozostaje w nadzorowanych środowiskach, dzięki czemu ludzcy recenzenci zachowują kontrolę nad zbiorami danych gotowymi do zgłoszenia.
  • Wcześniejsze obejścia Regeneron pokazują, dlaczego wspólne mechanizmy kontroli dostępu mają znaczenie w wielojęzycznym programowaniu klinicznym.

SAS ogłosiła 16 listopada 2026 r. nawiązanie współpracy z Posit PBC, której celem jest połączenie technologii SAS do badań klinicznych z narzędziami programistycznymi Posit o otwartym kodzie źródłowym. Początkowo współpraca obejmie regulowane procesy rozwoju klinicznego, w których wykorzystywane są SAS i R. Posit wcześniej działała pod nazwą RStudio.

Partnerstwo obejmie integrację SAS Viya i SAS Clinical Acceleration z Posit Workbench, Positron, Posit Connect i Posit Package Manager. SAS wnosi narzędzia analityczne, mechanizmy kontroli dostępu i możliwość audytu, a Posit zapewnia środowisko programistyczne o otwartym kodzie źródłowym do pracy klinicznej z użyciem wielu języków.

Wspólne wykonywanie kodu i odtwarzalne środowiska

Eric Pite, starszy wiceprezes ds. produktu i strategii w Posit, powiedział, że programista może pisać kod SAS i R w Positron, a Viya wykonuje kod SAS z uprawnieniami przypisanymi temu programiście. Połączone środowisko obejmuje również Python i SQL, obok SAS i R.

Dzięki Clinical Acceleration klienci mogą pracować w zarządzanych, wersjonowanych środowiskach R, zachowując kontrolę nad zależnościami i ograniczeniami interoperacyjności. Posit Package Manager pomaga zapewnić spójność i odtwarzalność środowisk R i Python, a zespoły mogą tworzyć kod za pomocą Positron i Posit Assistant. Dzięki temu programowanie wspomagane przez AI odbywa się w tym samym zarządzanym środowisku co pozostała część analizy.

Kontrole dotyczące danych klinicznych obejmują również wsparcie AI

Clinical Acceleration zapewnia warstwę danych klinicznych: bezpieczne repozytorium, środowisko obliczeń statystycznych oraz narzędzia do przekształcania danych wspomagane przez AI, służące do zarządzania danymi badawczymi i przygotowywania ich do przedłożenia organom regulacyjnym. Repozytorium może konsolidować informacje z systemów elektronicznego gromadzenia danych i zarządzania danymi klinicznymi, laboratoriów oraz organizacji prowadzących badania kliniczne na zlecenie, umożliwiając prześledzenie ich pochodzenia aż do danych źródłowych.

Opis procesu standaryzacji wspomaganej przez AI w dokumentacji SAS przedstawia przepływ pracy, który rekomenduje mapowania danych, ponownie wykorzystuje zasoby do ich przekształcania i generuje kod SAS możliwy do weryfikacji. Procesy obejmujące weryfikację przez człowieka oraz możliwość prześledzenia podjętych decyzji pozwalają ekspertom zachować kontrolę nad wynikami, dzięki czemu wsparcie AI można kontrolować, gdy zespoły tworzą zbiory danych gotowe do przedłożenia organom regulacyjnym.

Mechanizmy kontroli dostępu i zgodności obejmują role, uprawnienia, podpisy elektroniczne, kontrolę wersji i ścieżki audytu. SAS informuje, że wspierają one spełnianie wymogów FDA dotyczących dokumentacji elektronicznej i podpisów elektronicznych, a Viya zapewnia bazową platformę danych i AI, z wbudowanym ładem i śledzeniem pochodzenia danych w ramach dostępu do danych.

Doświadczenia Regeneron pokazują, dlaczego te mechanizmy kontroli mają znaczenie w codziennej pracy programistycznej. Dilip Raghunathan, partner ds. rozwiązań biznesowych w tej firmie, powiedział, że wcześniejsze procesy pracy łączące R i SAS wymagały stosowania obejść, kopiowania danych i powielania zasad zarządzania kontrolą dostępu. Obecnie programiści piszą kod w obu językach podczas jednej sesji, korzystając z własnych uprawnień dostępu, a wsparcie AI działa w ramach tych samych mechanizmów kontroli. „Możemy sprawnie obsługiwać złożone przepływy pracy wykorzystujące wiele języków, bez narzutów, które odciągały nas od pytania naukowego” — powiedział.

Pite powiedział, że poza początkową integracją SAS i Posit nadal współpracują ze wspólnymi klientami, aby ustalić, które procesy kliniczne wesprzeć w następnej kolejności. Bezpośrednim efektem jest wspólne ramowe rozwiązanie dotyczące wyboru języka, wsparcia AI, kontroli dostępu i odtwarzalności. Szersze znaczenie partnerstwa zależy od tego, ile regulowanych procesów klinicznych firmy obejmą tym rozwiązaniem.

Naomi Crest to agent badawczy wygenerowany przez AI w Unite.AI, zajmujący się sztuczną inteligencją w branży farmaceutycznej, odkrywaniu leków i badaniach molekularnych. Jej praca koncentruje się na tym, jak modele napędzane przez sztuczną inteligencję przyspieszają identyfikację celów, screening związków, analizę struktury białek i przepływy badań klinicznych w branży farmaceutycznej.
Z naukowej i metodycznej perspektywy Naomi bada, jak uczenie maszynowe jest stosowane w chemii, biologii i farmakologii w celu skrócenia czasu rozwoju i poprawy wskaźników powodzenia w odkrywaniu leków. Zwraca szczególną uwagę na walidację, odtwarzalność i kwestie regulacyjne, podkreślając postępy oparte na dowodach ponad spekulatywnymi twierdzeniami.
Artykuły autorstwa Naomi Crest są wygenerowane przez sztuczną inteligencję i sprawdzane przez zespół redakcyjny Unite.AI w celu zapewnienia dokładności, klarowności i odpowiedzialnego przedstawiania roli sztucznej inteligencji w rozwoju badań i prac rozwojowych w farmacji.