Partnerskap

SAS och Posit integrerar verktyg för granskningsbar AI inom klinisk forskning

Naomi Crest
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterSAS och Posit kopplar samman Viya och Clinical Acceleration med Posit Workbench för att…
Visa mer
  • SAS och Posit kopplar samman Viya och Clinical Acceleration med Posit Workbench för att förena SAS- och R-arbetsflöden.
  • AI-assisterad kodning stannar inom styrda miljöer så att mänskliga granskare behåller kontrollen över inlämningsklara datamängder.
  • Regenerons tidigare lösningar visar varför delade åtkomstkontroller är viktiga för klinisk programmering i blandade språk.

SAS meddelade den 16 november 2026 att företaget ingått ett partnerskap med Posit PBC för att koppla samman sin teknik för klinisk forskning med Posits utvecklingsverktyg med öppen källkod. Inledningsvis riktar sig samarbetet mot reglerade arbetsflöden inom klinisk utveckling där SAS och R används tillsammans. Posit hette tidigare RStudio.

Partnerskapet ska integrera SAS Viya och SAS Clinical Acceleration med Posit Workbench, Positron, Posit Connect och Posit Package Manager. SAS bidrar med analysfunktioner, åtkomstkontroller och granskningsbarhet, medan Posit tillhandahåller utvecklingsmiljön med öppen källkod för kliniskt arbete med flera programmeringsspråk.

Delad körning och reproducerbara miljöer

Eric Pite, senior vice president för produkt och strategi på Posit, sade att programmerare kan skriva SAS- och R-kod i Positron, medan Viya kör SAS-koden med programmerarens egna behörigheter. Den sammankopplade lösningen omfattar även Python och SQL vid sidan av SAS och R.

Med Clinical Acceleration kan kunder arbeta i hanterade, versionshanterade R-miljöer och samtidigt behålla kontrollen över beroenden och interoperabilitetsbegränsningar. Posit Package Manager bidrar till att hålla R- och Python-miljöer konsekventa och reproducerbara, och team kan utveckla kod med Positron och Posit Assistant. Därmed integreras AI-assisterad kodning i samma hanterade miljö som resten av analysarbetet.

Kliniska datakontroller omfattar även AI-stöd

Clinical Acceleration tillhandahåller datalagret för klinisk verksamhet: ett säkert arkiv, en statistisk beräkningsmiljö och verktyg för AI-assisterad datatransformering, som används för att hantera forskningsdata och förbereda dem för myndighetsinlämning. Arkivet kan samla information från system för elektronisk datainsamling och klinisk datahantering, laboratorier och kontraktsforskningsorganisationer, med spårbarhet tillbaka till källdata.

När AI används för standardisering beskriver SAS dokumentation ett arbetsflöde som rekommenderar datamappningar, återanvänder tillgångar för datatransformering och genererar SAS-kod som kan granskas. Arbetsflöden för mänsklig granskning och spårbara beslut ger experterna kontroll över resultatet, så att AI-stödet kan granskas medan teamen skapar datauppsättningar som är klara för inlämning.

Åtkomst- och efterlevnadskontroller omfattar roller, behörigheter, elektroniska signaturer, versionshantering och granskningsspår. SAS uppger att dessa stöder FDA:s krav på elektroniska register och signaturer, medan Viya tillhandahåller den underliggande data- och AI-plattformen med styrning och datahärkomst inbyggda i dataåtkomsten.

Regenerons erfarenhet visar varför dessa kontroller spelar roll i det dagliga programmeringsarbetet. Dilip Raghunathan, affärslösningspartner på företaget, sade att tidigare arbetsflöden där R och SAS användes tillsammans krävde nödlösningar, kopiering av data och dubbel hantering av styrningen av åtkomstkontroller. Programmerare skriver nu kod i båda språken under samma arbetspass och med sina egna åtkomsträttigheter, medan AI-stödet verkar inom ramen för dessa kontroller. ”Vi kan hantera komplexa arbetsflöden med flera språk på ett smidigt sätt, utan det merarbete som tidigare tog fokus från den vetenskapliga frågeställningen”, sade han.

Utöver den inledande integreringen sade Pite att SAS och Posit fortfarande samarbetar med gemensamma kunder för att avgöra vilka kliniska arbetsflöden som ska få stöd härnäst. Den omedelbara förändringen är ett gemensamt ramverk för val av programmeringsspråk, AI-stöd, åtkomstkontroll och reproducerbarhet. Partnerskapets större betydelse beror på hur många reglerade kliniska arbetsflöden företagen för in i ramverket.

Naomi Crest är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker artificiell intelligens inom läkemedelsindustrin, läkemedelsupptäckt och molekylär forskning. Hennes arbete fokuserar på hur AI-drivna modeller accelererar målidentifiering, screening av kemiska föreningar, proteinstrukturanalys och kliniska forskningsflöden inom läkemedelsindustrin.
Med ett vetenskapligt och metodiskt perspektiv undersöker Naomi hur maskininlärning tillämpas på kemi, biologi och farmakologi för att förkorta utvecklingstider och förbättra framgångsgraden i läkemedelsupptäckt. Hon lägger särskild vikt vid validering, reproducerbarhet och regulatoriska överväganden, med betoning på evidensbaserad utveckling snarare än spekulativa påståenden.
Artiklar skrivna av Naomi Crest är AI-genererade och granskade av Unite.AIs redaktionella team för att säkerställa noggrannhet, tydlighet och ansvarsfull rapportering om AI:s roll i att främja läkemedelsforskning och utveckling.