10月28日，由克利夫兰诊所（Cleveland Clinic）和IBM领导的国际医疗保健与生命科学工作组探索临床试验的量子优势，深挖量子计算在临床试验中的应用。![]()
来源：Cleveland Clinic
临床试验对于开发新疗法和新药至关重要，但确保安全性、效率和招募的过程可能漫长而复杂。为了克服这些障碍，研究小组探索了如何使用量子计算来推进临床试验。研究人员研究了临床试验过程的每个步骤，以确定潜在的量子优势。由于量子计算机的功能与传统计算机不同，它们可以更快或更有效地解决某些问题。确定量子计算最有可能取得成功的领域是将其应用于复杂医疗保健挑战的开始。“临床试验成本高昂，无论是设计和执行临床试验所需的时间还是金钱成本，但临床试验对于推动科学发展至关重要，”这篇论文的作者Daniel Blankenberg博士说道。“在临床试验这个庞大而复杂的过程中，我们认为量子计算可以解决许多细小而复杂的方面。”![]()
来源：Cell Press
量子计算如何应用于临床试验设计和优化？研究小组在Cell Press上分享了他们的见解。
![]()
量子计算和模拟试验
研究人员经常对虚拟患者进行审前模拟，以测试治疗和药物的潜在效果并评估成功或风险。当前的方法依赖于经典的人工智能（AI）和机器学习（ML），而这些方法往往难以处理复杂的计算。该工作组提出，基于生理学的药代动力学和药效学（PBPK/PD）建模与量子机器学习（QML）相结合，有助于在传统计算机所需时间的一小部分内准确预测潜在影响。通过PBPK/PD建模，研究人员可以更好地了解药物分子的特性。QML可以通过将量子计算机的计算能力与ML算法相结合来帮助提高这些PBPK/PD模型的速度和准确性。![]()
图：利用量子计算方法进行临床试验的基于生理的药代动力学和药效学（PBPK/PD）模型开发和估计工作流程示意图
克利夫兰诊所计算生命科学中心助理研究员Blankenberg博士说：“随着我们探索这种方法，我们可能能够设计出专注于个体层面反应的模型，这将是开发个性化医疗的关键一步。”
![]()
量子计算和选址优化
临床试验的成功取决于研究人员选择正确的地点。试验地点需要有足够的人员和资源，同时还要靠近目标患者群体。为了选择试验地点，专家通常会实施基于规则的方法来识别数据中的模式，这可能既昂贵又耗时。
![]()
图：量子优化和量子机器学习（QML）方法用于改善临床试验地点选择
工作组提出，量子优化算法可以帮助以极少的时间和成本选择站点。量子优化通过使用量子计算原理从一组可能性中找到最优解来解决问题。这些算法需要较少的训练数据来进行分析，并且不太容易出现偏差，这是选址的一个常见问题。这可以通过确保只选择可行的站点来减少延迟和试验失败。
![]()
量子计算和患者选择
研究人员根据病史、年龄、性别和健康状况等多种因素来评估潜在的临床试验参与者。传统的机器学习和人工智能可以根据这些因素帮助筛选和选择患者，但这需要较长的计算时间和统计偏差风险。
工作组确定量子神经网络（QNN）有潜力克服这些问题。QNN是一种像人脑一样处理数据的量子计算。通过这种方法，研究人员可以快速分析患者数据，以选择最适合试验的患者。![]()
图：使用资格标准在临床试验中执行队列识别任务的量子机器学习（QML）应用程序
QNN不仅有助于筛选过程，还可以减少参与者的数量。临床试验通常分为接受治疗的组和不接受治疗的安慰剂组。这有助于确定治疗是否有效，或者外部因素是否导致了变化。QNN可以帮助减少对大型安慰剂组的需求，因为它可以创建高质量的合成数据。通过生成合成数据，QNN可以帮助预测未接受药物/治疗的患者会发生什么情况。
“通过减少安慰剂组所需的患者数量，更多的患者可以接受他们所需的药物和治疗，”布兰肯伯格博士说。“这还可以降低临床试验的成本，使最需要的患者更容易获得这些药物。”综上所述，量子计算有望进一步彻底变革临床试验领域，突破现有技术的若干关键瓶颈。将量子算法整合到临床试验的设计和优化过程中，不仅能够提升模拟试验、选址选择和队列识别的效率与精确度，还有可能确保试验过程更具包容性、更加个性化，最终更有效地评估新疗法的安全性和疗效。![]()
关于Cleveland Clinic
![]()
Cleveland Clinic，即克利夫兰诊所，是一家世界知名的非营利性多专业学术医疗中心，以其卓越的临床治疗、患者体验、研究创新和教育项目而闻名。成立于1921年，Cleveland Clinic提供广泛的医疗服务，包括心脏疾病、癌症和神经学等多个领域的诊断和治疗。它也是美国最大的医疗保健提供者之一，每年为来自全球的患者提供服务。
参考链接
[1]https://www.lerner.ccf.org/news/article/?title=Cleveland+Clinic+and+IBM+researchers+identify+opportunities+for+quantum+computing+and+clinical+trials++&id=fd9c2e701533de951a465fc3165856c113441474[2]https://www.cell.com/trends/pharmacological-sciences/fulltext/S0165-6147(24)00167-6[3]https://www.cell.com/action/showPdf?pii=S0165-6147%2824%2900167-6![]()
![]()
![]()
![]()
