Jak využít umělou inteligenci v celém léčebném procesu farmaceutických přípravků

Díky zavedení nové technologie jsme v posledních několika desetiletích dosáhli úžasného pokroku ve zdravotnictví. Nyní umělá inteligence (AI) představuje další velkou příležitost k dalšímu rozvoji tohoto trendu a zlepšení života pacientů. Existuje široká škála aplikací AI, pokud jde o pochopení a léčbu zdravotních stavů. Ve skutečnosti lze AI využít v celém procesu, když výzkumníci začínají léčit nové onemocnění. Tato technologie může být besonders užitečná pro objevování nových léků, pochopení nových nemocí a měření výsledků léčby.

AI ve vývoji léků

Ještě předtím, než výrobci mohou uvést lék na trh, výzkumníci pracují na identifikaci správných molekul. AI lze aplikovat na vývoj a objevování léků, zejména za účelem zvýšení efektivnosti a snížení nákladů. V typickém procesu objevování mohou výzkumníci strávit roky testováním různých molekul, pouze aby zjistili, že vybraná molekula pro klinickou studii nemá předpokládaný účinek. AI může hrát roli v tomto procesu tím, že předpovídá bioaktivitu a interakce různých molekul. Díky využití existujících dat může predikční model identifikovat molekulu, která má vyšší pravděpodobnost toho, že bude mít požadovaný účinek, ještě předtím, než někdo vkročí do laboratoře.

Použití AI ve vývoji léků je stále ve relativně raných fázích a žádný lék objevený pomocí AI není目前 na trhu. To však neznamená, že několik zdravotnických a výzkumných organizací již nezačalo AI začleňovat do procesu a dosáhlo klinických studií s léky vyvinutými pomocí AI. Například lék na idiopatickou plicní fibrózu (IPF), který byl identifikován pomocí AI vstoupil do fáze 1 klinických studií v roce 2022 a získal označení FDA pro sirotčí léky na začátku tohoto roku. Jakmile se průmysl stane více komfortním s AI, jeho aplikace ve vývoji léků se pravděpodobně dále rozšíří a můžeme nakonec vidět léky vyvinuté pomocí AI, které budou pacientům podávány.

AI v epidemiologii a řízení klinických studií

Dalším klíčovým krokem k tomu, aby terapie byla uvedena na trh a dostala se do rukou pacientů, je získání pochopení nemoci a toho, jak ovlivňuje výsledky zdravotní péče na úrovni populace. To je místo, kde epidemiologové přicházejí – skupina výzkumníků, kteří jsou zodpovědní za kvantifikaci a monitorování terapeutického řízení rizik napříč cílovými populacemi a indikacemi.

Pomocí AI a technik strojového učení (ML) mohou epidemiologové prozkoumat reálná data (RWD) – mezi jinými typy dostupných dat – a identifikovat trendy relevantní pro komerční a klinická rozhodnutí. Protože ML je optimalizován pro prozkoumání dat bez hypotézy, umožňuje výzkumníkům objevit nové vzorce, generovat lepší předpovědi pro klíčové trendy, jako je prevalence nemoci, a identifikovat rizikové faktory spojené s špatnými výsledky. Tyto poznatky jsou kritické pro výzkumníky, aby vyvinuli léčby, které budou nejlépe řešit potřeby jejich cílové populace.

AI lze také automatizovat části fáze klinických studií ve vývoji léků, což je kritické pro stanovení bezpečnosti a účinnosti nové terapie, než se dostane k pacientům. Například AI lze využít k zajištění toho, že jsou do klinické studie náležitě vybíráni pacienti, a že studijní skupina reprezentuje obecnou populaci, přičemž se bere v úvahu diverzita a rovnost. AI může také pomoci při přezkumu bezpečnostních zpráv ze studie způsobem, který je spolehlivější než lidský tým. Ne všechny aspekty epidemiologie a klinického designu lze automatizovat, ale AI může učinit některé aspekty procesu efektivnějšími.

AI při hodnocení výsledků léčby

Jakmile klinická studie prokázala účinnost, je kritické pochopit hodnotu nové intervence na trhu zdravotní péče. V tomto okamžiku výzkumníci strávili nesčetné hodiny a stovky milionů, ne-li miliardy, dolarů na vývoj terapie – ale stále potřebují zajistit, aby správní pacienti měli přístup k ní, když ji potřebují. To je místo, kde hraje zdravotnická ekonomika a výzkum výsledků (HEOR) – studium hodnoty zdravotnických intervencí – kritickou roli ve vývoji léků.

Konečným cílem analýz HEOR je pomoci plátcům a jiným osobám, které jsou odpovědné za financování zdravotní péče, optimalizovat zdraví svých populací, zatímco minimalizují náklady. Bez něj by zdravotnické systémy nebyly finančně stabilní a včasná dodávka péče by byla ohrožena. AI může hrát roli v analýzách HEOR tím, že odhalí vzorce v datech, které pomáhají kvantifikovat.incrementální přínos léčby, jako je identifikace jedinečných subpopulací, které zažívají zvýšené zlepšení výsledků ve srovnání s obecnou populací.

Například ML byl použit v studii mezi lidmi s diabetem 2. typu k prozkoumání, které subpopulace by mohly profitovat z behaviorální intervence zaměřené na hubnutí. Zatímco nebyl nalezen žádný významný dopad na obecnou populaci lidí s diabetem 2. typu, výzkumníci našli, že subskupina se specifickými charakteristikami mohla vyhnout komplikacím z kardiovaskulárních onemocnění po intervenci. Tyto poznatky pomohly klinickým pracovníkům a zdravotním pojišťovnám vědět, které konkrétní pacienti by nejvíce profitovali z intervence, což pomohlo zlepšit výsledky pacientů a snížit celkové náklady.

Budoucnost AI v farmaceutickém procesu

Existuje jasně mnoho aplikací AI, pokud jde o pochopení a léčbu nemocí, a výzkumníci jsou odhodláni dále rozvíjet tuto technologii. Ve skutečnosti vedoucí organizace pro HEOR, ISPOR, nedávno stanovila směrnice pro použití strojového učení v této oblasti. To demonstruje závazek k rozšíření použití AI a ML za účelem maximalizace jeho potenciálu.

Epidemiologové, výzkumníci, zdravotničtí ekonomové a další, kteří hrají roli ve vývoji léků, mohou všichni najít hodnotu v začlenění AI do své práce. A pokud můžeme použít AI k lepšímu pochopení nemocí a vývoji účinnějších a cílenějších léčby, pacienti budou mít enormní prospěch na konci dne. AI má neomezený potenciál ve zdravotnictví a farmaceutickém průmyslu pro zlepšení života – a je naší odpovědností využít jej na maximum.