文章核心观点 - NetraMark公司在两个重要国际学术会议上展示了其NetraAI技术在重度抑郁症临床试验中的两项重要应用，突显了其人工智能平台在提升临床试验设计效率、预测准确性和患者分层方面的强大能力[1][10][12] 技术应用与成果 - 在第一项应用中，NetraAI技术分析了氯胺酮治疗耐药性抑郁症的随机交叉试验数据，揭示了氯胺酮应答者与安慰剂应答者在基线特征上的显著差异[2][3] - 分析表明，组间分离度在首次输注后为0.75（中等），到第二次输注时达到1.0（完全分离），而氯胺酮应答者组内一致性从首次输注后的25%提升至第二次输注后的约67%[8] - 在第二项应用中，NetraAI的新型算法应用于艾司西酞普兰的CAN-BIND试验数据，将临床变量从718个精简至8个关键变量，并识别出一个由三个基因位点低甲基化定义的高预测性应答者亚组[5][6][9] - 该基因特征与神经可塑性相关，当传统分类器基于这些特征重新训练时，对治疗成功的预测准确率可达91%[17] 技术优势与行业影响 - NetraAI技术能够克服中枢神经系统药物开发的长期障碍，通过分离信号与噪声、发现应答者亚型以及减少偏倚，从而实现更高效的试验、更清晰的药物疗效洞察以及更优的患者-治疗匹配策略[10][12] - 与其他人工智能方法相比，NetraAI独特地设计了聚焦机制，可将小数据集分离为可解释和不可解释的子集，从而避免导致次优过拟合模型和错误见解的问题[13] - 公司的算法基于新颖的拓扑学方法，能够根据多个变量同时将患者数据集解析为强相关的子集，使其能够使用更小的数据集并准确地对疾病进行分型以及对患者进行药物敏感性或治疗疗效分类[14]