Bagaimana Menggunakan AI di Seluruh Pipa Pengobatan Farmasi

Kami telah membuat kemajuan luar biasa dalam perawatan kesehatan selama beberapa dekade terakhir berkat pengenalan teknologi baru. Sekarang, kecerdasan buatan (AI) menawarkan kesempatan besar lainnya untuk terus mendorong tren ini untuk lebih memperbaiki kehidupan pasien. Ada berbagai aplikasi AI ketika datang ke pemahaman dan pengobatan kondisi kesehatan. Faktanya, AI dapat digunakan di seluruh pipa ketika peneliti memulai untuk mengobati penyakit baru. Teknologi ini dapat sangat berguna untuk menemukan obat baru, memahami penyakit yang muncul, dan mengukur hasil pengobatan.

AI dalam penemuan obat

Jauh sebelum produsen dapat membawa obat ke pasar, peneliti bekerja untuk mengidentifikasi molekul yang tepat. AI dapat diterapkan pada penemuan dan pengembangan obat, terutama untuk tujuan membuat proses lebih efisien dan kurang mahal. Dalam proses penemuan yang biasa, peneliti mungkin menghabiskan tahun-tahun menguji molekul yang berbeda, hanya untuk menyadari bahwa satu yang dipilih untuk uji klinis tidak memiliki efek yang diinginkan. AI dapat memainkan peran dalam proses ini dengan memprediksi bioaktivitas dan interaksi molekul yang berbeda. Dengan menggunakan data yang ada, model prediktif mungkin dapat mengidentifikasi molekul yang memiliki kemungkinan lebih tinggi untuk memiliki dampak yang diharapkan oleh peneliti dan komunitas medis, bahkan sebelum siapa pun memasuki laboratorium.

Penggunaan AI dalam pengembangan obat masih dalam tahap awal, dan tidak ada obat yang ditemukan oleh AI yang saat ini ada di pasar. Namun, beberapa organisasi kesehatan dan penelitian telah memulai mengintegrasikan AI ke dalam proses dan mencapai uji klinis dengan obat yang dikembangkan oleh AI. Misalnya, obat untuk fibrosis paru idiopatik (IPF) yang diidentifikasi menggunakan AI memasuki uji fase 1 pada 2022 dan mendapatkan FDA Orphan Drug Designation awal tahun ini. Ketika industri menjadi lebih nyaman dengan AI, aplikasinya dalam pengembangan obat kemungkinan akan berkembang lebih jauh, dan kita mungkin akan melihat obat yang dikembangkan dengan AI diberikan kepada pasien.

AI dalam epidemiologi dan manajemen uji klinis

Langkah lain yang penting dalam membawa terapi ke pasar dan mendapatkannya ke tangan pasien adalah memahami penyakit dan bagaimana dampaknya terhadap hasil kesehatan pada tingkat populasi. Inilah di mana epidemiolog datang – kelompok peneliti yang bertanggung jawab untuk mengukur dan memantau manajemen risiko terapi di seluruh populasi target dan indikasi.

Menggunakan teknik AI dan pembelajaran mesin (ML), epidemiolog dapat mengeksplorasi data dunia nyata (RWD) – di antara jenis data lain yang tersedia – dan mengidentifikasi tren yang relevan untuk pengambilan keputusan komersial dan klinis. Karena ML dioptimalkan untuk mengeksplorasi data dalam cara yang bebas hipotesis, itu memungkinkan peneliti untuk menemukan pola baru, membuat prediksi yang lebih baik untuk tren kunci seperti prevalensi penyakit, dan mengidentifikasi faktor risiko yang terkait dengan hasil yang buruk. Wawasan ini sangat penting bagi peneliti untuk mengembangkan pengobatan yang akan paling efektif untuk memenuhi kebutuhan populasi target mereka.

AI juga dapat mengotomatisasi bagian dari fase uji klinis pengembangan obat, yang sangat penting untuk menetapkan keamanan dan efikasi terapi baru sebelum mencapai pasien. Misalnya, AI dapat digunakan untuk memastikan bahwa pasien yang tepat sedang direkrut untuk uji klinis, dan bahwa kelompok studi mewakili populasi umum sambil mempertimbangkan keanekaragaman dan kesetaraan. AI juga dapat membantu dalam tinjauan laporan keamanan dari uji coba dengan cara yang lebih andal daripada tim manusia. Tidak semua epidemiologi dan desain uji klinis dapat diotomatisasi, tetapi AI dapat membuat beberapa aspek proses lebih efisien.

AI dalam mengevaluasi hasil pengobatan

Setelah uji klinis telah menunjukkan efektivitas, sangat penting untuk memahami nilai intervensi baru dalam pasar kesehatan. Pada titik ini, peneliti telah menghabiskan berjam-jam dan ratusan juta, jika tidak miliaran, dolar untuk mengembangkan terapi – tetapi mereka masih perlu memastikan bahwa pasien yang tepat dapat mengaksesnya ketika mereka membutuhkannya. Inilah di mana penelitian ekonomi kesehatan dan hasil (HEOR) – studi tentang nilai intervensi kesehatan – memainkan peran kunci dalam pipa pengembangan obat.

Tujuan akhir dari analisis HEOR adalah untuk membantu pembayar dan orang lain yang bertanggung jawab untuk membiayai kesehatan untuk mengoptimalkan kesehatan populasi mereka sambil meminimalkan biaya. Tanpa itu, sistem kesehatan tidak akan stabil secara keuangan, dan pengiriman perawatan yang tepat waktu akan dikompromikan. AI dapat memainkan peran dalam analisis HEOR dengan mengungkap pola dalam data yang membantu untuk mengukur manfaat tambahan dari pengobatan, seperti mengidentifikasi subpopulasi unik yang mengalami peningkatan hasil yang lebih besar relatif terhadap populasi umum.

Misalnya, ML digunakan dalam studi di antara orang dengan diabetes tipe 2 untuk menyelidiki subpopulasi mana yang dapat mendapat manfaat dari intervensi perilaku yang ditujukan untuk penurunan berat badan. Sementara tidak ada dampak signifikan yang ditemukan di antara populasi umum orang dengan diabetes tipe 2, peneliti menemukan bahwa subkelompok dengan karakteristik tertentu dapat menghindari komplikasi dari penyakit kardiovaskular setelah intervensi. Wawasan ini membantu klinisi dan rencana kesehatan mengetahui pasien mana yang akan mendapat manfaat paling banyak dari intervensi, membantu memperbaiki hasil pasien dan menghemat biaya secara keseluruhan.

Masa depan AI dalam pipa farmasi

Terdapat berbagai aplikasi AI ketika datang ke pemahaman dan pengobatan penyakit, dan peneliti berkomitmen untuk lebih memajukan teknologi ini. Faktanya, organisasi terkemuka untuk HEOR, ISPOR, baru-baru ini mengembangkan pedoman untuk menggunakan pembelajaran mesin dalam bidang ini. Ini menunjukkan komitmen untuk memperluas penggunaan AI dan ML untuk memaksimalkan potensinya.

Epidemiolog, peneliti, ahli ekonomi kesehatan, dan orang lain yang memainkan peran dalam pipa pengembangan obat dapat menemukan nilai dari mengintegrasikan AI ke dalam pekerjaan mereka. Dan jika kita dapat menggunakan AI untuk lebih memahami penyakit dan mengembangkan pengobatan yang lebih efektif dan terarah, pasien akan mendapat manfaat besar di akhir hari. AI memiliki potensi tak terbatas dalam kesehatan dan farmasi untuk memperbaiki kehidupan – dan ini adalah tanggung jawab kita untuk memanfaatkannya dengan kapasitas terbesar.