利用人工智能预测临床试验结果可以帮助生物医学利益相关者更好地了解药物和设备批准过程。针对新药和新设备的随机临床试验一直是投资者、生物医学领袖、监管机构，当然还有病人及其家属等各种利益相关者的高风险冒险项目。
现在，麻省理工学院的研究人员正在使用机器学习和统计技术来增强临床试验结果的数据，使他们能够更好地加速药物和设备的批准过程。
利用人工智能的目的是为临床试验的风险提供更及时和准确的估计。这些数据可以帮助利益相关者更有效地管理他们的资源，导致更少的失败，更快的药品批准时间，更低的资本成本，以及更多的资金用于开发新的疗法。
每个人都会受到药物在临床试验过程中失败的风险的影响，有了更准确的药物和设备研发风险的衡量标准，我们希望在生物医学这个独特的拐点上鼓励更多的投资。
这项研究利用了迄今为止最大的一组数据来分析临床试验的成功或失败，并使用了140多个特征-包括试验结果、试验状态、试验应计率、持续时间、对另一项指示的事先批准和赞助记录来预测临床试验结果。
回顾历史上的胜负，假设当你预测一场赛马的结果，还是根据马的血统、履历、气质、训练方案、赛道状况、骑师的技术等多种因素来预测可能的胜利者，这是不同的，当然利用人工智能预测临床试验结果也会受到很多因素的影响，希望这个系统越来越完善，能够帮助更多相关利益者。