איך לנצל את האינטליגנציה המלאכותית לאורך צינור הטיפולים הפרמצבטי

הישגים יוצאי דופן הושגו בתחום הבריאות במהלך העשורים האחרונים, הודות למעבר לטכנולוגיה חדשה. כעת, האינטליגנציה המלאכותית (AI) מציעה הזדמנות גדולה נוספת להמשיך את המגמה הזו, על מנת לשפר עוד יותר את חיי המטופלים. ישנם סוגים רבים של יישומים של AI בהבנה וטיפול במצבים בריאותיים. למעשה, AI יכול לשמש בכל צינור הטיפול, כאשר חוקרים מנסים לטפל במחלה חדשה. הטכנולוגיה יכולה להיות מיוחדת לגילוי תרופות חדשות, הבנת מחלות מתפתחות, ומדידת תוצאות הטיפולים.

AI בגילוי תרופות

הרבה לפני שיצרנים יכולים להביא תרופה לשוק, חוקרים עובדים על מנת לזהות את המולקולות הנכונות. AI יכול לשמש בגילוי ופיתוח תרופות, במיוחד למטרת הפיכת התהליך ליעיל ופחות יקר. בתהליך הגילוי הרגיל, חוקרים עלולים לבלות שנים רבות בבדיקת מולקולות שונות, רק כדי לגלות שהמולקולה שנבחרה לניסוי קליני אינה מתפקדת כפי שציפו. AI יכול לשחק תפקיד בתהליך זה על ידי חיזוי הביו-פעילות והאינטראקציות של מולקולות שונות. על ידי ניצול נתונים קיימים, מודל חיזוי עשוי לזהות מולקולה שיש לה הסתברות גבוהה יותר להשפיע כפי שחוקר והקהילה הרפואית מקווים, אפילו לפני שמישהו נכנס למעבדה.
השימוש ב-AI בפיתוח תרופות עדיין בשלבים המוקדמים יחסית, ואין תרופות שהתגלו באמצעות AI שכעת בשוק. עם זאת, כמה רבות מארגוני הבריאות והמחקר כבר התחילו לשלב AI בתהליך ומגיעים לניסויים קליניים עם תרופות שפותחו באמצעות AI. למשל, תרופה לפיברוזיס ריאתית אידיופתית (IPF) שזוהתה באמצעות AI נכנסה לניסויי שלב 1 ב-2022 וקיבלה אישור אורפן דרוג מה-FDA מוקדם יותר השנה. ככל שהתעשייה הופכת ליותר מורגלת ב-AI, יישומיה בפיתוח תרופות כנראה יתרחבו עוד, ואולי נראה תרופות שפותחו באמצעות AI הניתנות לחולים.

AI באפידמיולוגיה וניהול ניסויים קליניים

צעד מרכזי נוסף בהבאת טיפול לשוק והבאתו לידי מטופלים הוא הבנת המחלה והשפעתה על תוצאות בריאות ברמת האוכלוסייה. זהו המקום בו אפידמיולוגים מתערבים – קבוצת החוקרים האחראים לכמות ולפיקוח על ניהול סיכונים טיפוליים באוכלוסיות והתוויות יעד.
באמצעות שימוש ב-AI וטכניקות למידת מכונה (ML), אפידמיולוגים יכולים לחקור נתונים מן העולם האמיתי (RWD) – בין סוגי הנתונים הזמינים – ולזהות מגמות רלוונטיות לקבלת החלטות מסחריות וקליניות. מכיוון ש-ML מותאם לחקירת נתונים באופן חסר השערות, הוא מאפשר לחוקרים לגלות דפוסים חדשים, ליצור תחזיות טובות יותר למגמות מפתח כגון שכיחות המחלה, ולזהות גורמי סיכון הקשורים בתוצאות גרועות. התובנות האלה הן קריטיות עבור חוקרים לפתח טיפולים שיענו בצורה היעילה ביותר על צורכי האוכלוסייה היעד.
AI יכול גם לאוטומט חלקים משלב הניסוי הקליני של פיתוח תרופות, שהוא קריטי לקביעת הבטיחות והאפקטיביות של טיפול חדש לפני שהוא מגיע למטופלים. למשל, AI יכול לשמש לוודא שהמטופלים הנכונים מגויסים לניסוי קליני, ושקבוצת הלימוד מייצגת את האוכלוסייה הכללית, תוך התחשבות בגיוון ושוויון. AI יכול גם לסייע בביקורת דו”חות בטיחות מניסוי באופן אמין יותר מקבוצת בני אדם. לא כל האפידמיולוגיה ועיצוב ניסויים קליניים יכולים להיות אוטומטיים, אך AI יכול להפוך את חלקים מסוימים של התהליך ליעילים יותר.

AI בהערכת תוצאות טיפול

כאשר ניסוי קליני הוכיח אפקטיביות, הכרחי להבין את הערך של התערבות חדשה בשוק הבריאות. בשלב זה, חוקרים השקיעו שעות רבות ומאות מיליונים, אם לא מיליארדים, של דולרים בפיתוח טיפול – אך עדיין צריכים לוודא שהמטופלים הנכונים יכולים לגשת אליו כאשר הם זקוקים לו. זהו המקום בו מחקר הכלכלה ותוצאות הבריאות (HEOR) – לימוד הערך של התערבויות בריאות – משחק תפקיד מרכזי בצינור הפיתוח של תרופות.
מטרתו הסופית של HEOR היא לסייע למשלמים ואחרים הממונים על מימון הבריאות לאפטימיזציה של בריאות האוכלוסיות שלהם, תוך הפחתת עלויות. בלעדיו, מערכות הבריאות לא יהיו יציבות כספית, ואספקת הטיפולים בזמן תהיה מופרעת. AI יכול לשחק תפקיד בניתוחי HEOR על ידי גילוי דפוסים בנתונים שעוזרים לכמות את היתרון המוגבר של טיפול, כגון זיהוי תת-אוכלוסיות ייחודיות שחוות שיפור מוגבר בתוצאות יחסית לאוכלוסייה הכללית.
למשל, ML שימש במחקר בין אנשים עם סוכרת מסוג 2 כדי לחקור אילו תת-אוכלוסיות יכולות להיבנות מהתערבות התנהגותית שמכוונת לאובדן משקל. בעוד שלא נמצאה השפעה משמעותית בקרב האוכלוסייה הכללית של אנשים עם סוכרת מסוג 2, חוקרים מצאו שתת-קבוצה עם מאפיינים מסוימים יכולה למנוע סיבוכים ממחלות לב וכלי דם לאחר ההתערבות. התובנות האלה עזרו לרופאים ותוכניות בריאות לדעת אילו מטופלים ספציפיים ייבנו מההתערבות, תוך שיפור תוצאות המטופלים וחיסכון בעלויות כללי.

עתיד ה-AI בצינור הפרמה

ישנן בוודאי מגוון רחב של יישומים של AI בהבנה וטיפול במחלות, וחוקרים מחויבים לקדם את הטכנולוגיה. למעשה, הארגון המוביל ל-HEOR, ISPOR, קבע לאחרונה קווים מנחים לשימוש בלמידת מכונה בתחום. זה מדגים מחויבות להרחבת השימוש ב-AI ו-ML על מנת למקסם את הפוטנציאל שלה.
אפידמיולוגים, חוקרים, כלכלני בריאות ואחרים שמשחקים תפקיד בצינור הפיתוח של תרופות יכולים למצוא ערך בשילוב AI בעבודתם. ואם נוכל להשתמש ב-AI כדי להבין טוב יותר מחלות ולפתח טיפולים יעילים וממוקדים יותר, המטופלים עשויים להיבנות באופן משמעותי בסופו של דבר. AI מחזיקה פוטנציאל בלתי מוגבל בתחום הבריאות והפרמה לשיפור חיים – וזו אחריותנו לנצל אותה במלוא היקף.