Miten tekoälyä voidaan hyödyntää lääkehoitoputken aikana

Olemme tehneet uskomattomia edistysaskelia terveydenhuollossa viime vuosikymmeninä uuden teknologian ansiosta. Nyt tekoäly (AI) tarjoaa toisen suuren mahdollisuuden jatkaa tätä trendiä potilaiden elämän parantamiseksi. Tekoälyllä on laaja valikoima sovelluksia sairauksien ymmärtämisessä ja hoidossa. Itse asiassa tekoälyä voidaan hyödyntää koko putken aikana, kun tutkijat pyrkivät hoitamaan uutta tautia. Teknologiaa voidaan erityisesti käyttää uusien lääkeaineiden löytämisessä, uusien tautien ymmärtämisessä ja hoidon tuloksien mittaamisessa.

Tekoäly lääkekehityksessä

Jo ennen kuin valmistajat voivat tuoda lääkkeen markkinoille, tutkijat työskentelevät oikeiden molekyylien tunnistamiseksi. Tekoälyä voidaan soveltaa lääkekehitykseen ja -kehittämiseen, erityisesti prosessin tehokkuuden ja kustannusten vähentämiseksi. Tyypillisessä löytämisprosessissa tutkijat voivat viettää vuosia testaamalla eri molekyylejä, vain toteuttaakseen, että kokeellisessa tutkimuksessa valittu molekyyli ei ole toivottua vaikutusta. Tekoäly voidaan soveltaa tähän prosessiin ennustamalla eri molekyylien bioaktiivisuutta ja vuorovaikutuksia. Käyttämällä olemassa olevaa dataa, ennustava malli voi tunnistaa molekyylin, jolla on suurempi todennäköisyys vaikuttaa tutkijoiden ja lääkäryhmän toivomaan vaikutukseen, ennen kuin kukaan astuu laboratorioon.

Tekoälyn käyttö lääkekehityksessä on edelleen suhteellisen varhaisessa vaiheessa, eikä tekoälyllä kehitettyjä lääkkeitä ole vielä markkinoilla. Silti useat terveydenhuolto- ja tutkimusorganisaatiot ovat jo alkaneet sisällyttää tekoälyä prosessiin ja ovat saavuttaneet kokeelliset tutkimukset tekoälyllä kehitetyillä lääkkeillä. Esimerkiksi idiopaattiseen keuhkofibroosiin (IPF) tarkoitettu lääke, joka tunnistettiin tekoälyn avulla siirtyi vaiheen 1 tutkimukseen vuonna 2022 ja saavutti FDA:n Orphan Drug Designation tänä vuonna. Kun teollisuus tulee tietoiseksi tekoälystä, sen sovellukset lääkekehityksessä todennäköisesti laajenevat entisestään, ja lopulta näemme tekoälyllä kehitettyjä lääkkeitä, jotka annetaan potilaille.

Tekoäly epidemiologiassa ja kokeellisen tutkimuksen hallinnassa

Toinen tärkeä askel terapian markkinoille saattamisessa ja potilaiden käsiin saattamisessa on sairauden ymmärtäminen ja sen vaikutusten mittaaminen väestötasolla. Tässä vaiheessa epidemiologit tulevat kuvaan – tutkijaryhmä, joka on vastuussa terapeuttisen riskin hallinnasta kohderyhmien ja osoitusten osalla.

Käyttämällä tekoälyä ja koneoppimismenetelmiä, epidemiologit voivat tutkia oikeasti olemassa olevaa dataa (RWD) – muiden saatavilla olevien tietojen joukossa – ja tunnistaa trendejä, jotka ovat merkittäviä kaupallisten ja kokeellisten päätösten tekemiseksi. Koska koneoppiminen on optimoitu tietojen tutkimiseen hypoteesittömällä tavalla, se mahdollistaa tutkijoiden löytää uusia kuvioita, luoda parempia ennusteita tärkeille trendeille, kuten sairauden yleisyydelle, ja tunnistaa riskitekijöitä, jotka liittyvät huonoihin tuloksiin. Nämä oivallukset ovat kriittisiä tutkijoille kehittääkseen hoitoja, jotka vastaavat parhaiten kohderyhmien tarpeita.

Tekoälyä voidaan myös käyttää kokeellisen tutkimuksen automaattiseen osaan lääkekehityksen aikana, mikä on kriittinen uuden terapian turvallisuuden ja tehokkuuden vahvistamiseksi ennen kuin se saavuttaa potilaat. Esimerkiksi tekoälyä voidaan käyttää varmistamaan, että oikeat potilaat osallistuvat kokeelliseen tutkimukseen, ja että tutkimusryhmä edustaa yleisväestöä ottaen huomioon monimuotoisuuden ja tasa-arvon. Tekoäly voidaan myös auttaa turvallisuusraporttien tarkastamisessa tutkimuksesta luotettavammin kuin ihmisryhmä. Kaikkea epidemiologiaa ja kokeellista tutkimussuunnittelua ei voida automatisoida, mutta tekoäly voidaan tehdä tiettyjen prosessien osista tehokkaammaksi.

Tekoäly hoidon tuloksien arvioinnissa

Kun kokeellinen tutkimus on osoittanut tehokkuuden, on kriittistä ymmärtää uuden intervention arvo terveydenhuollon markkinassa. Tähän vaiheeseen mennessä tutkijat ovat käyttäneet lukemattomia tunteja ja satoja miljoonia dollareita terapian kehittämiseen – mutta heidän on edelleen varmistettava, että oikeat potilaat pääsevät siihen, kun he tarvitsevat sitä. Tässä vaiheessa terveyden taloudellinen tutkimus ja tuloksellinen tutkimus (HEOR) – terveydenhuollon interventioiden arvon tutkimus – on avainasemassa lääkekehityksen putkessa.

HEOR-analyysien lopullinen tavoite on auttaa maksajia ja muita terveydenhuollon rahoittajia optimoimaan väestönsä terveyttä kustannusten minimoinnilla. Ilman sitä terveydenhuoltojärjestelmät eivät olisi taloudellisesti vakaita, ja hoitoa ei voitaisi toimittaa ajallaan. Tekoäly voidaan soveltaa HEOR-analyyseihin paljastamalla datassa olevia kuvioita, jotka auttavat määrittämään hoidon lisäarvoa, kuten tunnistamalla ainutlaatuisia alaryhmiä, jotka kokevat suuremman paranemisen tuloksissa yleisväestöön verrattuna.

Esimerkiksi koneoppimista käytettiin tutkimuksessa tyypin 2 diabeteksen potilaiden parissa tutkimaan, mitkä alaryhmät voivat hyötyä käyttäytymiseen tähtäävästä interventiosta, jolla pyritään painonpudotukseen. Vaikka yleisväestöllä ei havaittu merkittävää vaikutusta, tutkijat löysivät, että tietynlainen alaryhmä voi välttää sydän- ja verisuonitauteja seuraamalla interventiota. Nämä oivallukset auttoivat kliinisissä ja terveydenhuollon suunnittelijoissa tietämään, mitkä potilaat hyötyvät eniten interventiosta, mikä paransi potilaiden tuloksia ja säästi kustannuksia.

Tekoälyn tulevaisuus lääkeputkessa

On selvää, että tekoälyllä on monia sovelluksia sairauksien ymmärtämisessä ja hoidossa, ja tutkijat ovat sitoutuneita kehittämään teknologiaa edelleen. Itse asiassa johtava organisaatio terveyden taloudellisessa tutkimuksessa, ISPOR, on vastikään perustanut ohjeet koneoppimisen käyttöön alueella. Tämä osoittaa sitoutumista laajentamaan tekoälyn ja koneoppimisen käyttöä potentiaalinsa maksimoimiseksi.

Epidemiologit, tutkijat, terveyden taloudelliset asiantuntijat ja muut, jotka osallistuvat lääkekehitykseen, voivat kaikki löytää hyötyä tekoälyn sisällyttämisestä työhönsä. Ja jos voimme käyttää tekoälyä sairauksien ymmärtämiseen ja tehokkaampien ja kohdennettujen hoitotoimenpiteiden kehittämiseen, potilaat hyötyvät siitä huomattavasti lopulta. Tekoälyllä on rajattomat mahdollisuudet terveydenhuollossa ja lääkealalla elämän parantamiseksi – ja on meidän vastuu hyödyntää sitä täysimääräisesti.