Добрый день, уважаемые коллеги!
Приветствуем вас в официальном канале ClinScriptum.
ClinScriptum — AI-агент для поддержки подготовки и контроля качества клинической и регуляторной документации. Решение ориентировано на медицинских писателей, специалистов по регистрации, медицинских директоров и проектные команды.
Функциональность платформы включает:
— QC-аудит: проверка числовых, логических и терминологических несоответствий
— междокументную сверку: контроль согласованности документов (Протокол ↔️ ИС ↔️ Отчёт)
— генерацию и адаптацию текста: подготовка черновиков разделов, упрощение формулировок
— audit trail и управление изменениями: прозрачная история правок и контроль версий
В канале публикуем практические материалы: типовые ошибки, чек-листы, примеры улучшений и обновления продукта.
Приветствуем вас в официальном канале ClinScriptum.
ClinScriptum — AI-агент для поддержки подготовки и контроля качества клинической и регуляторной документации. Решение ориентировано на медицинских писателей, специалистов по регистрации, медицинских директоров и проектные команды.
Функциональность платформы включает:
— QC-аудит: проверка числовых, логических и терминологических несоответствий
— междокументную сверку: контроль согласованности документов (Протокол ↔️ ИС ↔️ Отчёт)
— генерацию и адаптацию текста: подготовка черновиков разделов, упрощение формулировок
— audit trail и управление изменениями: прозрачная история правок и контроль версий
В канале публикуем практические материалы: типовые ошибки, чек-листы, примеры улучшений и обновления продукта.
👍2
Цифровое CRO — что это на самом деле?
Сейчас «цифровое CRO» звучит почти в каждом втором обсуждении клинических исследований. Но чаще всего под этим словом понимают разные вещи — от «у нас есть EDC/эИРК» до «у нас всё на AI».
Попробуем объяснить по-простому.
Цифровое CRO — это когда CRO работает не «на письмах и Excel»
А на понятных цифровых процессах, где:
• меньше ручных сверок и «копипаста»
• меньше разночтений между документами
• больше контроля качества прямо в процессе, а не «в конце, когда уже горит»
Что отличает цифровое CRO в реальной жизни?
1) Качество встроено в работу
Ошибки ловятся не на финальном QA (контроле качества), а заранее:
- числа, логика, термины, несостыковки в формулировках.
2) Документы не живут каждый сам по себе
Протокол, БИ, ИЛП(ФИС), Отчет о клиническом исследовании и другие должны «разговаривать» друг с другом.
Цифровой -подход — это когда согласованность между документами проверяется системно, а не «на внимательность команды».
3) Изменения управляемы
Не просто «новая версия», а:
• понятно, что поменялось
• почему поменялось
• кто согласовал
• где это отразилось дальше
То есть качественный audit trail + change management.
4) AI — это помощник, а не замена эксперту!
Он ускоряет черновики и адаптацию текста, но без контрольных точек качества и ответственности человека это легко превращается в новые ошибки, только быстрее.
____
Где здесь ClinScriptum?
ClinScriptum как раз про эту «реальность» цифрового подхода:
✅ QC-аудит (числа, логика, терминология)
✅ междокументная сверка
✅ генерация/адаптация текста с контролем
✅ audit trail и управление изменениями
💬 Вопрос к Вам:
Когда вы слышите «цифровое CRO» — что вы представляете?
Технологии, процессы или просто «красивое название»?
Сейчас «цифровое CRO» звучит почти в каждом втором обсуждении клинических исследований. Но чаще всего под этим словом понимают разные вещи — от «у нас есть EDC/эИРК» до «у нас всё на AI».
Попробуем объяснить по-простому.
Цифровое CRO — это когда CRO работает не «на письмах и Excel»
А на понятных цифровых процессах, где:
• меньше ручных сверок и «копипаста»
• меньше разночтений между документами
• больше контроля качества прямо в процессе, а не «в конце, когда уже горит»
Что отличает цифровое CRO в реальной жизни?
1) Качество встроено в работу
Ошибки ловятся не на финальном QA (контроле качества), а заранее:
- числа, логика, термины, несостыковки в формулировках.
2) Документы не живут каждый сам по себе
Протокол, БИ, ИЛП(ФИС), Отчет о клиническом исследовании и другие должны «разговаривать» друг с другом.
Цифровой -подход — это когда согласованность между документами проверяется системно, а не «на внимательность команды».
3) Изменения управляемы
Не просто «новая версия», а:
• понятно, что поменялось
• почему поменялось
• кто согласовал
• где это отразилось дальше
То есть качественный audit trail + change management.
4) AI — это помощник, а не замена эксперту!
Он ускоряет черновики и адаптацию текста, но без контрольных точек качества и ответственности человека это легко превращается в новые ошибки, только быстрее.
____
Где здесь ClinScriptum?
ClinScriptum как раз про эту «реальность» цифрового подхода:
✅ QC-аудит (числа, логика, терминология)
✅ междокументная сверка
✅ генерация/адаптация текста с контролем
✅ audit trail и управление изменениями
💬 Вопрос к Вам:
Когда вы слышите «цифровое CRO» — что вы представляете?
Технологии, процессы или просто «красивое название»?
🧭 Регуляторика: FDA и EMA задают будущие правила для ИИ в разработке лекарств — и усиливают роль человека
ИИ в клинических и регуляторных процессах всё меньше воспринимают как "удобный черновик”. Регуляторы США и ЕС (FDA и EMA) согласовали принципы “хорошей практики” применения ИИ в разработке лекарств. Это не означает, что “завтра всем надо срочно внедрять ИИ”, но означает другое: когда ИИ будет входить в процессы, ожидания по контролю и ответственности уже понятны.
Что ожидают регуляторы (простыми словами)
•Понятно описать, где и для чего используется ИИ: на каком этапе, для какой задачи, какие ограничения (и где ИИ не применяют).
•Контроль по уровню риска: чем выше риск для пациента или решения — тем строже проверки.
•Порядок с данными: откуда данные, насколько они качественные и подходят под задачу.
•Проверяемость результата: можно ли объяснить, как получился вывод, и повторить проверку.
•Контроль изменений: чтобы обновления и правки были видимыми и управляемыми.
Главный акцент: ИИ — не “автор”, а инструмент. Решение всегда за человеком.
Регуляторная логика здесь однозначная:
человек отвечает за итог, человек утверждает документ, человек оценивает риски и принимает финальные формулировки.
ИИ может ускорять рутину, подсвечивать несоответствия, помогать с черновиками — но не заменяет экспертную ответственность.
Почему это важно для документации?
На проверках будет важно не “использовали ли вы ИИ”, а:
“как вы обеспечили качество, согласованность и управляемость изменений — и кто это подтвердил”.
Практический вывод (на будущее, когда ИИ появится в процессах):
Если в компании ИИ пока не используется — это нормально. Но когда вопрос станет актуальным, проще стартовать, если заранее понимать “минимальный каркас”:
•чёткие роли: кто проверяет, кто утверждает, кто несёт ответственность;
•прозрачность правок: что менялось и почему (история изменений);
•контроль качества: автоматические проверки там, где это возможно (числа, логика, термины, ссылки, согласованность);
•ограничения инструмента: где ИИ применять нельзя и какие ошибки типичны.
Где здесь ClinScriptum?
Мы смотрим на ИИ именно в “регуляторной” логике: как на инструмент, который работает в связке с экспертом и усиливает контроль качества:
•проверка качества (числовые, логические, терминологические несоответствия)
•сверка между документами (согласованность Протокол–БИ–ИС–Отчёт и др.)
•поддержка в подготовке текста — с обязательной проверкой и утверждением человеком
•история изменений и управление правками (чтобы всё было прозрачно на аудитах)
Источники:
FDA — Guiding Principles of Good AI Practice in Drug Development
https://www.fda.gov/about-fda/artificial-intelligence-drug-development/guiding-principles-good-ai-practice-drug-development
EMA — EMA and FDA set common principles for AI in medicine development
https://www.ema.europa.eu/en/news/ema-fda-set-common-principles-ai-medicine-development-0
💬Если бы вы начали внедрять AI завтра, с какого процесса в клинической/регуляторной документации вы бы стартовали — и почему именно с него?
ИИ в клинических и регуляторных процессах всё меньше воспринимают как "удобный черновик”. Регуляторы США и ЕС (FDA и EMA) согласовали принципы “хорошей практики” применения ИИ в разработке лекарств. Это не означает, что “завтра всем надо срочно внедрять ИИ”, но означает другое: когда ИИ будет входить в процессы, ожидания по контролю и ответственности уже понятны.
Что ожидают регуляторы (простыми словами)
•Понятно описать, где и для чего используется ИИ: на каком этапе, для какой задачи, какие ограничения (и где ИИ не применяют).
•Контроль по уровню риска: чем выше риск для пациента или решения — тем строже проверки.
•Порядок с данными: откуда данные, насколько они качественные и подходят под задачу.
•Проверяемость результата: можно ли объяснить, как получился вывод, и повторить проверку.
•Контроль изменений: чтобы обновления и правки были видимыми и управляемыми.
Главный акцент: ИИ — не “автор”, а инструмент. Решение всегда за человеком.
Регуляторная логика здесь однозначная:
человек отвечает за итог, человек утверждает документ, человек оценивает риски и принимает финальные формулировки.
ИИ может ускорять рутину, подсвечивать несоответствия, помогать с черновиками — но не заменяет экспертную ответственность.
Почему это важно для документации?
На проверках будет важно не “использовали ли вы ИИ”, а:
“как вы обеспечили качество, согласованность и управляемость изменений — и кто это подтвердил”.
Практический вывод (на будущее, когда ИИ появится в процессах):
Если в компании ИИ пока не используется — это нормально. Но когда вопрос станет актуальным, проще стартовать, если заранее понимать “минимальный каркас”:
•чёткие роли: кто проверяет, кто утверждает, кто несёт ответственность;
•прозрачность правок: что менялось и почему (история изменений);
•контроль качества: автоматические проверки там, где это возможно (числа, логика, термины, ссылки, согласованность);
•ограничения инструмента: где ИИ применять нельзя и какие ошибки типичны.
Где здесь ClinScriptum?
Мы смотрим на ИИ именно в “регуляторной” логике: как на инструмент, который работает в связке с экспертом и усиливает контроль качества:
•проверка качества (числовые, логические, терминологические несоответствия)
•сверка между документами (согласованность Протокол–БИ–ИС–Отчёт и др.)
•поддержка в подготовке текста — с обязательной проверкой и утверждением человеком
•история изменений и управление правками (чтобы всё было прозрачно на аудитах)
Источники:
FDA — Guiding Principles of Good AI Practice in Drug Development
https://www.fda.gov/about-fda/artificial-intelligence-drug-development/guiding-principles-good-ai-practice-drug-development
EMA — EMA and FDA set common principles for AI in medicine development
https://www.ema.europa.eu/en/news/ema-fda-set-common-principles-ai-medicine-development-0
💬Если бы вы начали внедрять AI завтра, с какого процесса в клинической/регуляторной документации вы бы стартовали — и почему именно с него?
👍1
ИИ может ускорять набор в КИ — и это уже показывают на реальных кейсах 🤖
Cleveland Clinic протестировала ИИ-систему для прескрининга пациентов в действующем исследовании фазы 3 по ATTR-CM — редкому сердечному заболеванию. За одну неделю система проанализировала 1 476 электронных медицинских карт 📄 и выделила 46 потенциальных кандидатов. После экспертной проверки врачами 30 пациентов были признаны подходящими для дальнейшего рассмотрения, при этом 29 из них не были выявлены стандартными методами набора.
По данным центра, с использованием такого подхода удалось включить 7 пациентов за 6 дней ⚡️, тогда как при традиционном процессе ранее было включено 10 пациентов за 90 дней ⏳.
Практическая ценность кейса в том, что ИИ использовался не как инструмент автономного отбора, а как средство ускорения первичного анализа медицинских данных 🤖. Финальная оценка соответствия критериям включения и невключения оставалась за врачами и исследовательской командой👩⚕️👨⚕️. Обоснования по критериям врачи оценили как интерпретируемые и корректные, а общая точность классификации составила 96,2% ✅
Для ClinScriptum такие кейсы особенно показательны, потому что они подтверждают главный практический принцип внедрения ИИ в КИ: технология даёт наибольший эффект там, где снижает рутинную нагрузку, делает логику решений проверяемой и сохраняет контроль за специалистом 🔎. Именно такой подход сегодня выглядит наиболее реалистичным для клинических исследований — не "замена эксперта", а усиление команды за счёт скорости, прозрачности и управляемости процесса.
Этот кейс показывает, что ИИ может стать рабочим инструментом для снижения рутинной нагрузки на центры и повышения эффективности набора пациентов в клинические исследования 🚀
Источники: Cleveland Clinic; Journal of Cardiac Failure.
Cleveland Clinic протестировала ИИ-систему для прескрининга пациентов в действующем исследовании фазы 3 по ATTR-CM — редкому сердечному заболеванию. За одну неделю система проанализировала 1 476 электронных медицинских карт 📄 и выделила 46 потенциальных кандидатов. После экспертной проверки врачами 30 пациентов были признаны подходящими для дальнейшего рассмотрения, при этом 29 из них не были выявлены стандартными методами набора.
По данным центра, с использованием такого подхода удалось включить 7 пациентов за 6 дней ⚡️, тогда как при традиционном процессе ранее было включено 10 пациентов за 90 дней ⏳.
Практическая ценность кейса в том, что ИИ использовался не как инструмент автономного отбора, а как средство ускорения первичного анализа медицинских данных 🤖. Финальная оценка соответствия критериям включения и невключения оставалась за врачами и исследовательской командой👩⚕️👨⚕️. Обоснования по критериям врачи оценили как интерпретируемые и корректные, а общая точность классификации составила 96,2% ✅
Для ClinScriptum такие кейсы особенно показательны, потому что они подтверждают главный практический принцип внедрения ИИ в КИ: технология даёт наибольший эффект там, где снижает рутинную нагрузку, делает логику решений проверяемой и сохраняет контроль за специалистом 🔎. Именно такой подход сегодня выглядит наиболее реалистичным для клинических исследований — не "замена эксперта", а усиление команды за счёт скорости, прозрачности и управляемости процесса.
Этот кейс показывает, что ИИ может стать рабочим инструментом для снижения рутинной нагрузки на центры и повышения эффективности набора пациентов в клинические исследования 🚀
Источники: Cleveland Clinic; Journal of Cardiac Failure.
🔥2👍1
🤖 Правительство РФ усиливает практическое внедрение ИИ - и это хороший сигнал для фармы, КИ и регуляторики
В России ИИ всё заметнее переходит из плоскости обсуждений в плоскость практического применения.
6 марта 2026 года правительство создало подкомиссию по развитию и внедрению технологий ИИ, а 12 марта прошло её первое заседание. В центре внимания - уже не только общие перспективы, но и конкретные механизмы внедрения, а также показатели эффективности.
Для фармы, клинических исследований и регуляторной документации это особенно важный сигнал.
Рынок движется к модели, в которой ценятся не просто «ИИ-возможности», а решения, встроенные в реальный рабочий процесс: с проверкой, прослеживаемостью изменений, понятной логикой применения и контролем со стороны специалиста.
На этом фоне показательно, что в регионах уже собрано около 350 ИИ-решений и более 430 сценариев применения, а здравоохранение входит в число наиболее активных направлений внедрения.
Именно в этой логике мы видим роль ClinScriptum ✍️
Ценность ИИ сегодня - не в генерации ради генерации, а в том, чтобы помогать команде работать быстрее и точнее: сверять документы, находить несоответствия, поддерживать единый стиль, фиксировать изменения и усиливать контроль качества. Не заменять эксперта, а усиливать его работу в критически важных процессах клинической и регуляторной документации.
Для команд, которые занимаются клинической и регуляторной документацией, это ещё один сигнал: ИИ в отрасли всё больше становится рабочим инструментом, а не просто темой для обсуждения. 🚀
💬 Вопрос:
Где, по-вашему, ИИ уже сейчас может дать наибольший эффект в клинических исследованиях: в контроле качества, междокументной сверке, подготовке текста или аналитике?
🔗 Ссылки:
— Распоряжение Правительства РФ от 06.03.2026 № 435-р о создании подкомиссии
— Сообщение Правительства РФ о создании подкомиссии
— Сообщение о первом заседании подкомиссии от 12.03.2026
— Данные Правительства РФ о 350 ИИ-решениях и 430 сценариях применения
В России ИИ всё заметнее переходит из плоскости обсуждений в плоскость практического применения.
6 марта 2026 года правительство создало подкомиссию по развитию и внедрению технологий ИИ, а 12 марта прошло её первое заседание. В центре внимания - уже не только общие перспективы, но и конкретные механизмы внедрения, а также показатели эффективности.
Для фармы, клинических исследований и регуляторной документации это особенно важный сигнал.
Рынок движется к модели, в которой ценятся не просто «ИИ-возможности», а решения, встроенные в реальный рабочий процесс: с проверкой, прослеживаемостью изменений, понятной логикой применения и контролем со стороны специалиста.
На этом фоне показательно, что в регионах уже собрано около 350 ИИ-решений и более 430 сценариев применения, а здравоохранение входит в число наиболее активных направлений внедрения.
Именно в этой логике мы видим роль ClinScriptum ✍️
Ценность ИИ сегодня - не в генерации ради генерации, а в том, чтобы помогать команде работать быстрее и точнее: сверять документы, находить несоответствия, поддерживать единый стиль, фиксировать изменения и усиливать контроль качества. Не заменять эксперта, а усиливать его работу в критически важных процессах клинической и регуляторной документации.
Для команд, которые занимаются клинической и регуляторной документацией, это ещё один сигнал: ИИ в отрасли всё больше становится рабочим инструментом, а не просто темой для обсуждения. 🚀
💬 Вопрос:
Где, по-вашему, ИИ уже сейчас может дать наибольший эффект в клинических исследованиях: в контроле качества, междокументной сверке, подготовке текста или аналитике?
🔗 Ссылки:
— Распоряжение Правительства РФ от 06.03.2026 № 435-р о создании подкомиссии
— Сообщение Правительства РФ о создании подкомиссии
— Сообщение о первом заседании подкомиссии от 12.03.2026
— Данные Правительства РФ о 350 ИИ-решениях и 430 сценариях применения
👍2
🤖 Минцифры вынесло на общественное обсуждение проект закона о регулировании ИИ в России.
Документ предлагает ⚖️ риск-ориентированный подход, 🏷 маркировку ИИ-контента, 🛡 требования к тестированию систем на безопасность, ℹ️ информирование пользователей об ограничениях и 📌 распределение ответственности между разработчиком, оператором, владельцем сервиса и пользователем. Обсуждение проекта идёт до 15 апреля 2026 года, а вступление в силу планируется с 1 сентября 2027 года.
🔎 Для сферы клинических исследований этот проект важен прежде всего как индикатор регуляторного подхода. Несмотря на то, что он не содержит специального регулирования КИ, из него уже просматриваются базовые ожидания к применению ИИ: прозрачность, проверяемость, надлежащее качество, управляемость рисков и ясное определение пределов использования.
📘 Для ClinScriptum это особенно созвучно: ценность ИИ-инструментов в профессиональной среде всё больше будет определяться не «магией автоматизации», а тем, насколько они поддерживают эксперта, сохраняют прослеживаемость решений и позволяют контролировать результат на каждом этапе. Это уже не просто вопрос удобства, а вопрос 🤝 доверия к процессу.
🔗 Источники: Интерфакс, РБК
Документ предлагает ⚖️ риск-ориентированный подход, 🏷 маркировку ИИ-контента, 🛡 требования к тестированию систем на безопасность, ℹ️ информирование пользователей об ограничениях и 📌 распределение ответственности между разработчиком, оператором, владельцем сервиса и пользователем. Обсуждение проекта идёт до 15 апреля 2026 года, а вступление в силу планируется с 1 сентября 2027 года.
🔎 Для сферы клинических исследований этот проект важен прежде всего как индикатор регуляторного подхода. Несмотря на то, что он не содержит специального регулирования КИ, из него уже просматриваются базовые ожидания к применению ИИ: прозрачность, проверяемость, надлежащее качество, управляемость рисков и ясное определение пределов использования.
📘 Для ClinScriptum это особенно созвучно: ценность ИИ-инструментов в профессиональной среде всё больше будет определяться не «магией автоматизации», а тем, насколько они поддерживают эксперта, сохраняют прослеживаемость решений и позволяют контролировать результат на каждом этапе. Это уже не просто вопрос удобства, а вопрос 🤝 доверия к процессу.
🔗 Источники: Интерфакс, РБК
👍1🔥1
🔐 Нас часто спрашивают: насколько безопасно использовать ClinScriptum с точки зрения конфиденциальности?
Для профессиональной работы с документами важен не только результат, но и то, что происходит с данными внутри системы.
В ClinScriptum базовый принцип простой:
ваши данные используются только для вашей рабочей задачи.
Это значит, что документы, загружаемые в систему, обрабатываются в рамках конкретного запроса пользователя — без выхода за пределы этого процесса.
🖥 Как это устроено?
ClinScriptum работает на выделенных серверах в закрытом контуре.
Локально развёрнутая модель обрабатывает данные внутри системы и не передаёт их в публичные модели.
🏢 Для компаний с повышенными требованиями к безопасности решение может быть развёрнуто внутри инфраструктуры заказчика.
В этом случае хранение, обработка и управление доступом остаются в пределах собственного защищённого контура компании.
Почему это важно?
Потому что доверие к профессиональному инструменту строится не на общих обещаниях, а на понятных правилах:
— где работает система;
— кто контролирует доступ к информации;
— как ограничено использование данных;
— насколько защищена среда обработки.
ClinScriptum создаётся как профессиональный инструмент, где конфиденциальность, контроль доступа и предсказуемость работы с данными являются частью самой архитектуры решения.
🔗 Проект регулирования применения искусственного интеллекта в Российской Федерации https://www.consultant.ru/document/cons_doc_LAW_529215/?utm
🔗 Al Act. https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai?utm
🔗 Generative AI Navigating intellectual property. https://www.wipo.int/edocs/pubdocs/en/wipo-pub-rn2024-8-en-generative-ai-navigating-intellectual-property.pdf?utm
Для профессиональной работы с документами важен не только результат, но и то, что происходит с данными внутри системы.
В ClinScriptum базовый принцип простой:
ваши данные используются только для вашей рабочей задачи.
Это значит, что документы, загружаемые в систему, обрабатываются в рамках конкретного запроса пользователя — без выхода за пределы этого процесса.
🖥 Как это устроено?
ClinScriptum работает на выделенных серверах в закрытом контуре.
Локально развёрнутая модель обрабатывает данные внутри системы и не передаёт их в публичные модели.
🏢 Для компаний с повышенными требованиями к безопасности решение может быть развёрнуто внутри инфраструктуры заказчика.
В этом случае хранение, обработка и управление доступом остаются в пределах собственного защищённого контура компании.
Почему это важно?
Потому что доверие к профессиональному инструменту строится не на общих обещаниях, а на понятных правилах:
— где работает система;
— кто контролирует доступ к информации;
— как ограничено использование данных;
— насколько защищена среда обработки.
ClinScriptum создаётся как профессиональный инструмент, где конфиденциальность, контроль доступа и предсказуемость работы с данными являются частью самой архитектуры решения.
🔗 Проект регулирования применения искусственного интеллекта в Российской Федерации https://www.consultant.ru/document/cons_doc_LAW_529215/?utm
🔗 Al Act. https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai?utm
🔗 Generative AI Navigating intellectual property. https://www.wipo.int/edocs/pubdocs/en/wipo-pub-rn2024-8-en-generative-ai-navigating-intellectual-property.pdf?utm
🔥2
📍 ClinScriptum на IPhEB 2026 в Санкт-Петербурге
🗓 7–9 апреля 2026 года в Санкт-Петербурге пройдет Международный форум по фармацевтике и биотехнологиям IPhEB.
🎤 В рамках форума 9 апреля состоится выступление ClinScriptum в рубрике «Будущее клинических исследований: организационные и технические сдвиги».
🤖 Будем говорить о том, как ИИ-инструменты меняют повседневную работу в клинических исследованиях, где проходит граница между автоматизацией и экспертной оценкой, и почему будущее отрасли — за решениями, которые усиливают специалиста, а не подменяют его.
🤝 Будем рады встрече с коллегами и профессиональному диалогу в Санкт-Петербурге.
🔗 https://gotoipheb.ru
🗓 7–9 апреля 2026 года в Санкт-Петербурге пройдет Международный форум по фармацевтике и биотехнологиям IPhEB.
🎤 В рамках форума 9 апреля состоится выступление ClinScriptum в рубрике «Будущее клинических исследований: организационные и технические сдвиги».
🤖 Будем говорить о том, как ИИ-инструменты меняют повседневную работу в клинических исследованиях, где проходит граница между автоматизацией и экспертной оценкой, и почему будущее отрасли — за решениями, которые усиливают специалиста, а не подменяют его.
🤝 Будем рады встрече с коллегами и профессиональному диалогу в Санкт-Петербурге.
🔗 https://gotoipheb.ru
gotoipheb.ru
IPhEB 2027 | Будь в центре фарминдустрии | 06-08 апреля 2027, Санкт-Петербург
IPhEB является идеальной площадкой для тех, кто ищет новые направления развития бизнеса и заинтересован в проведении эффективных деловых переговоров с целью установления партнерских отношений с лидерами мирового фармацевтического рынка.
🔥2
Зачем автоматизация медицинскому писателю?
Автоматизация не заменяет медицинского писателя. Она забирает рутину, чтобы у специалиста оставалось больше времени на то, что действительно требует экспертизы. ✍️
В medical writing много процессов, которые забирают часы: сверка версий, поиск несоответствий, контроль терминологии, форматирования и повторяющихся ошибок. Все это важно, но именно на такой рутине часто теряется ресурс, который можно направить на качество документа. ⏳
Что дает автоматизация:
— снижает риск механических ошибок ✅
— ускоряет работу с документами 📄
— помогает сосредоточиться на содержании, логике и качестве, а не на ручных проверках 🔎
— позволяет повышать эффективность и брать в работу больше проектов без потери качества 🚀
На что можно потратить освободившееся время:
— на более глубокую работу с логикой документа 🧠
— на сложные разделы и интерпретацию данных 📊
— на повышение качества текста и аргументации ✨
— на профессиональное развитие 📚
— на выполнение других проектных задач без снижения качества основной работы 📌
— на поддержку медицинского отдела: подготовку справочных материалов, согласование формулировок, разбор комментариев и участие в обсуждении сложных клинических вопросов 🤝
Ценность медицинского писателя - не в ручной рутине, а в способности видеть документ целиком, понимать клинический и регуляторный контекст и делать текст точным, последовательным и убедительным.
Автоматизация не уменьшает роль медицинского писателя. Она делает ее сильнее.
Автоматизация не заменяет медицинского писателя. Она забирает рутину, чтобы у специалиста оставалось больше времени на то, что действительно требует экспертизы. ✍️
В medical writing много процессов, которые забирают часы: сверка версий, поиск несоответствий, контроль терминологии, форматирования и повторяющихся ошибок. Все это важно, но именно на такой рутине часто теряется ресурс, который можно направить на качество документа. ⏳
Что дает автоматизация:
— снижает риск механических ошибок ✅
— ускоряет работу с документами 📄
— помогает сосредоточиться на содержании, логике и качестве, а не на ручных проверках 🔎
— позволяет повышать эффективность и брать в работу больше проектов без потери качества 🚀
На что можно потратить освободившееся время:
— на более глубокую работу с логикой документа 🧠
— на сложные разделы и интерпретацию данных 📊
— на повышение качества текста и аргументации ✨
— на профессиональное развитие 📚
— на выполнение других проектных задач без снижения качества основной работы 📌
— на поддержку медицинского отдела: подготовку справочных материалов, согласование формулировок, разбор комментариев и участие в обсуждении сложных клинических вопросов 🤝
Ценность медицинского писателя - не в ручной рутине, а в способности видеть документ целиком, понимать клинический и регуляторный контекст и делать текст точным, последовательным и убедительным.
Автоматизация не уменьшает роль медицинского писателя. Она делает ее сильнее.
👍2
🔎 Можно ли автоматизировать мониторинг с помощью ИИ? Самый очевидный сценарий оказался не самым простым
На словах идея выглядит очень привлекательно: загрузить первичную документацию в электронную индивидуальную регистрационную карту и автоматически сверить её с данными в эИРК. 🔄
Но на практике заметнее другое. 🔎
Публично описанные кейсы показывают, что ИИ и продвинутая аналитика сегодня чаще применяются для централизованного мониторинга, поиска аномалий, сигналов возможных нарушений и выбора того, что нужно проверить в первую очередь. Среди таких сигналов — визиты в выходные и праздники, возможные дубли пациентов, округлённые или повторяющиеся значения, нетипичные исправления и другие проблемы на уровне исследовательского центра.
Почему так?
Потому что первичная документация в реальной жизни редко бывает единой и чистой. Источники данных могут находиться в медицинских записях, лабораторных данных, таблицах, изображениях и других форматах. 🧩
Поэтому задача быстро перестаёт быть «автосверкой двух массивов» и превращается в работу с разрозненными источниками и разным качеством данных.
🔒 Отдельный барьер — персональные данные.
Если первичная документация используется вне клинической среды, копии должны быть отредактированы так, чтобы не раскрывать личность пациента, а объём передаваемых данных должен быть ограничен только действительно необходимой информацией. Европейские регуляторы отдельно подчёркивают, что масштабный централизованный сбор копий медицинских документов не должен подменять собой сверку данных с первичной документацией в исследовательском центре.
⚙️ Есть и ещё один принципиальный момент и вопросы аудитора: если в такой процесс добавляется ИИ, он сам становится отдельным этапом обработки данных. Поэтому важно не только то, что модель умеет находить сигналы, но и то, насколько весь процесс остаётся понятным, управляемым и пригодным для применения: как передаются документы, как скрываются персональные данные, кто получает доступ к материалам, как оценивается работа модели и сохраняется ли человеческий контроль на ключевых этапах.
📌 Поэтому на сегодня самая реалистичная роль ИИ здесь — не полная автоматическая сверка первичной документации, а приоритизация.
Не «проверить всё», а быстрее показать, где риск выше, какой центр или визит выглядит нетипично и что действительно стоит проверить в первую очередь. Именно такой риск-ориентированный подход закреплён и в ICH E6(R3). Для аудитории ЕАЭС это тоже уже практический вопрос: в 2025 году ЕЭК утвердила новую редакцию Правил надлежащей клинической практики ЕАЭС, гармонизированную с ICH.
💬 А как вы считаете: что сегодня главный барьер для ИИ в мониторинге — качество первичной документации, требования к защите данных или управляемости ИИ? И какие задачи мониторинга вы бы приоритизировали в первую очередь для ИИ?
🔗ICH E6(R3) GCP:
https://database.ich.org/sites/default/files/ICH_E6%28R3%29_Step4_FinalGuideline_2025_0106.pdf
🔗EMA Guideline on computerised systems and electronic data in clinical trials:
https://www.ema.europa.eu/en/documents/regulatory-procedural-guideline/guideline-computerised-systems-and-electronic-data-clinical-trials_en.pdf
🔗 EMA Q&A: Good clinical practice (GCP):
https://www.ema.europa.eu/en/human-regulatory-overview/research-development/compliance-research-development/good-clinical-practice/qa-good-clinical-practice-gcp
🔗FDA: Artificial Intelligence for Drug Development:
https://www.fda.gov/about-fda/center-drug-evaluation-and-research-cder/artificial-intelligence-drug-development
🔗FDA/EMA Guiding Principles of Good AI Practice in Drug Development:
https://www.fda.gov/about-fda/artificial-intelligence-drug-development/guiding-principles-good-ai-practice-drug-development
🔗Medidata: Detecting Clinical Trial Fraud and Misconduct:
https://www.medidata.com/en/life-science-resources/medidata-blog/detecting-clinical-trial-fraud-and-misconduct/
🔗Medidata: Signal Management in Clinical Trials:
https://www.medidata.com/en/life-science-resources/medidata-blog/signal-management/
На словах идея выглядит очень привлекательно: загрузить первичную документацию в электронную индивидуальную регистрационную карту и автоматически сверить её с данными в эИРК. 🔄
Но на практике заметнее другое. 🔎
Публично описанные кейсы показывают, что ИИ и продвинутая аналитика сегодня чаще применяются для централизованного мониторинга, поиска аномалий, сигналов возможных нарушений и выбора того, что нужно проверить в первую очередь. Среди таких сигналов — визиты в выходные и праздники, возможные дубли пациентов, округлённые или повторяющиеся значения, нетипичные исправления и другие проблемы на уровне исследовательского центра.
Почему так?
Потому что первичная документация в реальной жизни редко бывает единой и чистой. Источники данных могут находиться в медицинских записях, лабораторных данных, таблицах, изображениях и других форматах. 🧩
Поэтому задача быстро перестаёт быть «автосверкой двух массивов» и превращается в работу с разрозненными источниками и разным качеством данных.
🔒 Отдельный барьер — персональные данные.
Если первичная документация используется вне клинической среды, копии должны быть отредактированы так, чтобы не раскрывать личность пациента, а объём передаваемых данных должен быть ограничен только действительно необходимой информацией. Европейские регуляторы отдельно подчёркивают, что масштабный централизованный сбор копий медицинских документов не должен подменять собой сверку данных с первичной документацией в исследовательском центре.
⚙️ Есть и ещё один принципиальный момент и вопросы аудитора: если в такой процесс добавляется ИИ, он сам становится отдельным этапом обработки данных. Поэтому важно не только то, что модель умеет находить сигналы, но и то, насколько весь процесс остаётся понятным, управляемым и пригодным для применения: как передаются документы, как скрываются персональные данные, кто получает доступ к материалам, как оценивается работа модели и сохраняется ли человеческий контроль на ключевых этапах.
📌 Поэтому на сегодня самая реалистичная роль ИИ здесь — не полная автоматическая сверка первичной документации, а приоритизация.
Не «проверить всё», а быстрее показать, где риск выше, какой центр или визит выглядит нетипично и что действительно стоит проверить в первую очередь. Именно такой риск-ориентированный подход закреплён и в ICH E6(R3). Для аудитории ЕАЭС это тоже уже практический вопрос: в 2025 году ЕЭК утвердила новую редакцию Правил надлежащей клинической практики ЕАЭС, гармонизированную с ICH.
💬 А как вы считаете: что сегодня главный барьер для ИИ в мониторинге — качество первичной документации, требования к защите данных или управляемости ИИ? И какие задачи мониторинга вы бы приоритизировали в первую очередь для ИИ?
🔗ICH E6(R3) GCP:
https://database.ich.org/sites/default/files/ICH_E6%28R3%29_Step4_FinalGuideline_2025_0106.pdf
🔗EMA Guideline on computerised systems and electronic data in clinical trials:
https://www.ema.europa.eu/en/documents/regulatory-procedural-guideline/guideline-computerised-systems-and-electronic-data-clinical-trials_en.pdf
🔗 EMA Q&A: Good clinical practice (GCP):
https://www.ema.europa.eu/en/human-regulatory-overview/research-development/compliance-research-development/good-clinical-practice/qa-good-clinical-practice-gcp
🔗FDA: Artificial Intelligence for Drug Development:
https://www.fda.gov/about-fda/center-drug-evaluation-and-research-cder/artificial-intelligence-drug-development
🔗FDA/EMA Guiding Principles of Good AI Practice in Drug Development:
https://www.fda.gov/about-fda/artificial-intelligence-drug-development/guiding-principles-good-ai-practice-drug-development
🔗Medidata: Detecting Clinical Trial Fraud and Misconduct:
https://www.medidata.com/en/life-science-resources/medidata-blog/detecting-clinical-trial-fraud-and-misconduct/
🔗Medidata: Signal Management in Clinical Trials:
https://www.medidata.com/en/life-science-resources/medidata-blog/signal-management/
👍3
🔎 Автоматизация мониторинга начинается не с ИИ
После прошлого поста вывод простой:
самый очевидный сценарий — не всегда лучший для старта.
Если в мониторинге ещё не выстроены риск-ориентированный подход, централизованный мониторинг и управляемые дистанционные активности, внедрение ИИ вряд ли даст устойчивый результат.
Почему?
Потому что ИИ — не первый шаг.
Сначала должна работать база: автоматические проверки, контроль сроков и полноты данных, понятные показатели, централизованный обзор отклонений и т.д.
Только после этого становится видно, где ИИ действительно нужен.
Не для полной автоматизации мониторинга, а для более точной настройки процесса:
— быстрее выделять отклонения;
— расставлять приоритеты между центрами и визитами;
— замечать нетипичные шаблоны;
— точнее определять, что требует внимания в первую очередь.
Именно такой сценарий сейчас выглядит наиболее практичным:
сначала — выстроить работающий контур мониторинга,
потом — подключать ИИ там, где он помогает точнее управлять фокусом работы.
📌 Иными словами:
не сначала ИИ, а сначала управляемый процесс
После прошлого поста вывод простой:
самый очевидный сценарий — не всегда лучший для старта.
Если в мониторинге ещё не выстроены риск-ориентированный подход, централизованный мониторинг и управляемые дистанционные активности, внедрение ИИ вряд ли даст устойчивый результат.
Почему?
Потому что ИИ — не первый шаг.
Сначала должна работать база: автоматические проверки, контроль сроков и полноты данных, понятные показатели, централизованный обзор отклонений и т.д.
Только после этого становится видно, где ИИ действительно нужен.
Не для полной автоматизации мониторинга, а для более точной настройки процесса:
— быстрее выделять отклонения;
— расставлять приоритеты между центрами и визитами;
— замечать нетипичные шаблоны;
— точнее определять, что требует внимания в первую очередь.
Именно такой сценарий сейчас выглядит наиболее практичным:
сначала — выстроить работающий контур мониторинга,
потом — подключать ИИ там, где он помогает точнее управлять фокусом работы.
📌 Иными словами:
не сначала ИИ, а сначала управляемый процесс
👍2
📚 Один из самых чувствительных вопросов от пользователей: где заканчивается обработка документа и начинается обучение модели?
И это действительно очень важный вопрос!
Сегодня в мире ещё нет единого универсального правила, которое одинаково регулировало бы использование материалов при обучении моделей во всех странах. Но общий подход уже складывается: всё большее значение имеют прозрачность источников данных, соблюдение прав на материалы, защита конфиденциальной информации и контроль над тем, как именно используются данные.
🧭 Уже есть и конкретные ориентиры:
🇪🇺 август 2024 года - в ЕС вступил в силу AI Act.
🇺🇸 май 2025 года - Бюро по авторскому праву США опубликовало доклад Copyright and Artificial Intelligence, Part 3: Generative AI Training.
🇪🇺 июль 2025 года - Европейская комиссия опубликовала шаблон для раскрытия сведений о данных, использованных при обучении моделей общего назначения.
🇬🇧 март 2026 года - Великобритания выпустила государственный Report and impact assessment on Copyright and Artificial Intelligence.
🇷🇺 В России специальное регулирование в этой части также формируется.
🔒 Подход ClinScriptum принципиален:
документация заказчика не используется для обучения модели, потому что она передаётся в систему для решения конкретной рабочей задачи, а не для развития самой модели.
⚠️ Это важно по двум причинам:
— такие материалы могут содержать внутреннюю информацию, персональные данные и коммерчески чувствительные сведения;
— права на эти документы могут принадлежать заказчику или третьим лицам.
✅ В условиях формирующегося регулирования мы выбираем заведомо более строгий стандарт обращения с данными:
— использование информации только в пределах заявленной цели;
— защита конфиденциальных сведений;
— соблюдение прав на материалы;
— полный контроль среды обработки.
Для ClinScriptum обучение модели — это не только вопрос технологии. Это вопрос профессиональной ответственности!
🔗 AI Act. https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai?utm
🔗 Explanatory Notice and Template for the Public Summary of Training Content for general-purpose AI model. https://digital-strategy.ec.europa.eu/en/library/explanatory-notice-and-template-public-summary-training-content-general-purpose-ai-models
🔗 Report on Copyright and Artificial Intelligence. https://www.gov.uk/government/publications/report-and-impact-assessment-on-copyright-and-artificial-intelligence
🔗 Copyright and Artificial Intelligence, Part 3: Generative AI Training
https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-3-Generative-AI-Training-Report-Pre-Publication-Version.pdf
🔗 Проект регулирования применения искусственного интеллекта в Российской Федерации
https://www.consultant.ru/document/cons_doc_LAW_529215/
И это действительно очень важный вопрос!
Сегодня в мире ещё нет единого универсального правила, которое одинаково регулировало бы использование материалов при обучении моделей во всех странах. Но общий подход уже складывается: всё большее значение имеют прозрачность источников данных, соблюдение прав на материалы, защита конфиденциальной информации и контроль над тем, как именно используются данные.
🧭 Уже есть и конкретные ориентиры:
🇪🇺 август 2024 года - в ЕС вступил в силу AI Act.
🇺🇸 май 2025 года - Бюро по авторскому праву США опубликовало доклад Copyright and Artificial Intelligence, Part 3: Generative AI Training.
🇪🇺 июль 2025 года - Европейская комиссия опубликовала шаблон для раскрытия сведений о данных, использованных при обучении моделей общего назначения.
🇬🇧 март 2026 года - Великобритания выпустила государственный Report and impact assessment on Copyright and Artificial Intelligence.
🇷🇺 В России специальное регулирование в этой части также формируется.
🔒 Подход ClinScriptum принципиален:
документация заказчика не используется для обучения модели, потому что она передаётся в систему для решения конкретной рабочей задачи, а не для развития самой модели.
⚠️ Это важно по двум причинам:
— такие материалы могут содержать внутреннюю информацию, персональные данные и коммерчески чувствительные сведения;
— права на эти документы могут принадлежать заказчику или третьим лицам.
✅ В условиях формирующегося регулирования мы выбираем заведомо более строгий стандарт обращения с данными:
— использование информации только в пределах заявленной цели;
— защита конфиденциальных сведений;
— соблюдение прав на материалы;
— полный контроль среды обработки.
Для ClinScriptum обучение модели — это не только вопрос технологии. Это вопрос профессиональной ответственности!
🔗 AI Act. https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai?utm
🔗 Explanatory Notice and Template for the Public Summary of Training Content for general-purpose AI model. https://digital-strategy.ec.europa.eu/en/library/explanatory-notice-and-template-public-summary-training-content-general-purpose-ai-models
🔗 Report on Copyright and Artificial Intelligence. https://www.gov.uk/government/publications/report-and-impact-assessment-on-copyright-and-artificial-intelligence
🔗 Copyright and Artificial Intelligence, Part 3: Generative AI Training
https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-3-Generative-AI-Training-Report-Pre-Publication-Version.pdf
🔗 Проект регулирования применения искусственного интеллекта в Российской Федерации
https://www.consultant.ru/document/cons_doc_LAW_529215/
👍2