제약 치료 파이프라인 전반에 걸쳐 AI 활용하기

지난 몇十년 동안 새로운 기술의 도입으로 의료 분야에서 놀라운 발전을 이루어 왔습니다. 이제 인공지능(AI)은 환자들의 삶을 더욱 개선하기 위해 이 추세를 계속 추진할 수 있는 또 하나의 주요 기회를 제공합니다. 건강 상태를 이해하고 치료하는 데에는 인공지능의 다양한 응용 분야가 있습니다. 실제로 연구자들이 새로운 질병을 치료하기 위해 나서면 파이프라인 전반에 걸쳐 인공지능을 활용할 수 있습니다. 이 기술은 새로운 약물 발견, 새로운 질병 이해, 치료 결과 측정에 특히 유용합니다.

약물 발견에서의 AI

제조업체가 약물을 시장에 출시하기 전에 연구자들은 올바른 분자를 식별하기 위해 노력합니다. 인공지능은 약물 발견과 개발에 적용될 수 있으며, 특히 이 과정의 효율성을 높이고 비용을 절감하는 데 목적을 두고 있습니다. 일반적인 발견 과정에서 연구자들은 다양한 분자를 테스트하는 데 수년을 보낼 수 있으며, 임상 시험을 위해 선택된 분자가 의도한 효과가 없다는 것을 알게 될 수 있습니다. 인공지능은 이 과정에서 분자의 생물학적 활성과 상호 작용을 예측하는 데 역할을 할 수 있습니다. 기존 데이터를 활용하여 예측 모델은 연구자와 의료 커뮤니티가 기대하는 영향을 미치는 분자가 더 높은 확률로 식별할 수 있습니다. 이것은 누구도 실험실에 발을 들여놓기 전에 일어날 수 있습니다.

인공지능을 이용한 약물 개발은 상대적으로 초기 단계에 있으며, 현재 시중에 나와 있는 약물 중에는 인공지능에 의해 발견된 약물은 없습니다. 그러나 이미 많은 의료 및 연구 기관이 약물 개발 과정에 인공지능을 통합하기 시작했으며, 인공지능으로 개발된 약물이 임상 시험에 도달했습니다. 예를 들어, 인공지능을 사용하여 식별된 특발성 폐섬유증(IPF) 약물은 2022년에 1상 임상 시험에 들어갔으며, 이 năm 초에 FDA 고아 약물 지정을 받았습니다. 산업이 인공지능에 더 익숙해짐에 따라, 약물 개발에서의 인공지능의 응용 분야는 확장될 것으로 예상되며, 결국 인공지능으로 개발된 약물이 환자에게 투여되는 것을 볼 수 있을 것입니다.

역학 및 임상 시험 관리에서의 AI

치료를 시장에 출시하고 환자에게 도달하게 하는 또 하나의 중요한 단계는 인구 수준에서 질병을 이해하고 건강 결과에 미치는 영향을 파악하는 것입니다. 이것이 역학자들이 하는 일입니다. 즉, 표적 인구와 적응증에 대한 치료 위험 관리를 양적화하고 모니터링하는 연구자 그룹입니다.

인공지능과 기계 학습(ML) 기술을 사용하여 역학자들은 실세계 데이터(RWD)를 포함하여 다양한 유형의 사용 가능한 데이터를 탐색하고 추세를 식별할 수 있습니다. 이는 상업적 및 임상적 의사 결정에 관련이 있습니다. 기계 학습은 가설 없는 방식으로 데이터를 탐색하는 데 최적화되어 있으므로 연구자들은 새로운 패턴을 발견하고, 질병 유병률과 같은 주요 추세에 대한 더 나은 예측을 생성하며, 불량한 결과와 관련된 위험 요인을 식별할 수 있습니다. 이러한 통찰력은 연구자들이 대상 인구의 요구를 가장 효과적으로 해결하는 치료를 개발하는 데 중요합니다.

인공지능은 또한 약물 개발의 임상 시험 단계를 자동화하는 데 사용할 수 있습니다. 이는 새로운 치료의 안전성과 효능을 환자에게 도달하기 전에 확립하는 데 중요합니다. 예를 들어, 인공지능은 임상 시험에 올바른 환자를 모집하고, 연구 그룹이 일반 인구를 대표하며, 다양성과 평등을 고려하는 데 사용할 수 있습니다. 인공지능은 또한 인간 팀보다 더 신뢰할 수 있는 방식으로 시험의 안전 보고서를 검토하는 데 도움이 될 수 있습니다. 역학 및 임상 시험 설계의 모든 측면을 자동화할 수는 없지만 인공지능은 이 과정의 특정 측면을 더 효율적으로 만들 수 있습니다.

치료 결과 평가에서의 AI

임상 시험에서 효과가 입증된 후에는 새로운 개입의 가치를 의료 시장에서 이해하는 것이 중요합니다. 이 시점에서 연구자들은 수백만, 아니면 수십억 달러를 투자하여 치료를 개발했지만, 여전히 올바른 환자가 필요할 때 이를 접근할 수 있도록 해야 합니다. 이것이 건강 경제학 및 결과 연구(HEOR) – 의료 개입의 가치를 연구하는 분야 – 가 약물 개발 파이프라인에서 중요한 역할을 하는 이유입니다.

HEOR 분석의 궁극적인 목표는 보험 제공업체와 의료를 tài trợ하는 다른 사람들에게 인구의 건강을 최적화하면서 비용을 최소화하는 데 도움이 되는 것입니다. 이를 하지 않으면 건강 시스템은 재정적으로 안정되지 않으며, 치료의 적절한 제공이 손상될 수 있습니다. 인공지능은 치료의 증분적 이점을 정량화하는 데 도움이 되는 데이터의 패턴을 발견함으로써 HEOR 분석에서 역할을 할 수 있습니다. 예를 들어, 일반 인구에 비해 결과가 향상되는 고유한 하위 인구를 식별하는 것입니다.

예를 들어, 2형 당뇨병 환자 중에서 연구에서 체중 감량을 위한 행동 개입의 누가 혜택을 받을 수 있는지 조사하기 위해 기계 학습이 사용되었습니다. 2형 당뇨병 환자 일반 인구에서 유의한 영향은 발견되지 않았지만, 연구자들은 특정 특성을 가진 하위 그룹이 개입 후 심혈관 질환의 합병증을 피할 수 있다는 것을 발견했습니다. 이러한 통찰력은 임상 의사와 건강 보험 제공업체가 어떤 환자가 개입에서 가장 많은 혜택을 받을 수 있는지 알 수 있도록 도와주어, 궁극적으로 환자 결과를 개선하고 비용을 절감하는 데 도움이 됩니다.

제약 파이프라인에서의 AI의 미래

질병을 이해하고 치료하는 데에는 인공지능의 다양한 응용 분야가 있으며, 연구자들은 이 기술을 더욱 발전시키기 위해 노력하고 있습니다. 실제로, HEOR을 위한 주요 기관인 ISPOR은 최근에 이 분야에서 기계 학습을 사용하기 위한 지침을 수립했습니다. 이것은 인공지능과 기계 학습의 사용을 확대하여 최대 잠재력을 발휘하기 위한 의지를 보여줍니다.

역학자, 연구자, 건강 경제학자 및 약물 개발 파이프라인에 기여하는 다른 사람들은 모두 자신의 업무에 인공지능을 통합함으로써 가치를 찾을 수 있습니다. 그리고 만약 우리는 인공지능을 사용하여 질병을 더 잘 이해하고, 더 효과적이고 표적화된 치료를 개발할 수 있다면, 환자들은 궁극적으로 엄청난 혜택을 받을 것입니다. 인공지능은 의료 및 제약 분야에서 삶을 개선하는 데에 무한한 잠재력을 가지고 있으며, 우리는 그것을 최대한 활용할 책임이 있습니다.