Dr. George Aronoff, Chief Medical Officer bij Dosis, Inc – Interview Series

Dr. George Aronoff is de Chief Medical Officer bij Dosis, en hij heeft meer dan 30 jaar ervaring in nefrologie. Hij was eerder hoofd van de afdeling Nefrologie en Hypertensie aan de Universiteit van Louisville, waar zijn onderzoek met Drs. Brier en Gaweda zich richtte op het gebruik van AI om ESAs te doseren bij dialysepatiënten. Hij behaalde zijn M.S. in Farmacologie en M.D. aan de Universiteit van Indiana.

Dosis’ eerste product, Strategic Anemia Advisor, is een webgebaseerd naslagwerk dat de dosering van ESAs personaliseert, een klasse van geneesmiddelen die worden gebruikt om chronische anemie te behandelen.

Kunt u beginnen met het uitleggen van wat het innovatieve AI-gebaseerde doseringsplatform Strategic Anemia Advisor (SAA) is?

Dosis’ Strategic Anemia Advisor (SAA) is een klinisch beslissingsondersteunend systeem op basis van kunstmatige intelligentie (AI) dat is ontwikkeld om de gezondheidsresultaten van patiënten met eindestadium nierziekte (ESKD) te verbeteren en de medicatiekosten met gemiddeld 25 procent te verlagen door de medicatiedosering te personaliseren. Meer dan 550.000 patiënten met eindestadium nierziekte (ESRD) in de VS ondergaan momenteel dialysebehandeling, en de meerderheid van deze patiënten heeft last van chronische anemie. SAA is gebaseerd op meer dan 10 jaar onderzoek aan de Universiteit van Louisville en is speciaal ontwikkeld om klinische anemiemanagers te helpen bij hun aanbevelingen voor ESA-dosering.

Wat zijn enkele van de voordelen van het aanbieden van persoonlijke doseringsaanbevelingen?

AI helpt klinici bij het bepalen van de minimale dosis die nodig is om het gewenste therapeutische resultaat te bereiken, wat zowel klinische als economische voordelen heeft. In het geval van ESA-dosering kan inefficiënte dosering leiden tot een aanzienlijk hogere dan noodzakelijke medicatieblootstelling voor patiënten en corresponderend verhoogde zorgkosten. SAA is gericht op het fijn afstemmen van dosisaanpassingen op basis van de reactie van de patiënt op de medicatie. Aangezien dosisaanpassingen regelmatig worden gemaakt, is het in het belang van de patiënt om de kleinste hoeveelheid medicatie te krijgen, aangezien een grotere blootstelling aan ESA geassocieerd wordt met een hoger risico op hartinfarct, beroerte, trombose en kankerrecidief.

Als leider op dit gebied levert Dosis’ SAA een oplossing die bewezen resultaten heeft, waardoor het breed wordt geaccepteerd door toonaangevende dialyseorganisaties. Tot nu toe is SAA gebruikt om meer dan 2 miljoen doseringsaanbevelingen te verstrekken.

Medicatiedosering op basis van AI wint aan populariteit in veel gebieden van de geneeskunde, zoals dialyse, kanker- en transplantatiegeneeskunde. Het is in deze gebieden dat steeds preciezer doseren een kritieke rol speelt bij het bereiken van gunstige resultaten. AI-gebaseerde precisiedosering is vooral effectief bij de behandeling van chronische aandoeningen, aangezien zowel het risico op bijwerkingen als de zorgkosten toenemen naarmate patiënten langer met deze medicijnen worden behandeld.

Hoe wordt kunstmatige intelligentie gebruikt om de aanbevolen dosishoeveelheid te identificeren?

SAA gebruikt kunstmatige intelligentie om patiënten op een spectrum van ESA-doserespons te plaatsen, van extreme responder (iemand die zeer gevoelig is voor een medicijn) tot, in wezen, niet-responder. Deze schatting wordt gemaakt door de historische reactie van de patiënt op de medicatie te evalueren en een unieke responsprofiel voor elke patiënt te construeren. Met elke volgende dosis en hemoglobinerespons verfijnt SAA deze schatting om de doelhemoglobine met de laagst mogelijke ESA-dosis te bereiken.

Wat voor soort reductie in medicatiegebruik hebben klinieken gezien door dit?

Met consistent gebruik van SAA hebben klinieken gemiddeld een reductie van 25 procent in ESA-gebruik gezien met behouden of verbeterde anemiresultaten, evenals een reductie van 75 procent in de tijd die wordt besteed aan het beheer van anemie.

Kunt u discussieren hoe AI-gebaseerde precisiedosering waarschijnlijk de standaard van zorg zal zijn voor chronische ziektebeheer in de toekomst?

Om doseringsbeslissingen te informeren, hebben artsen historisch gezien voornamelijk vertrouwd op hun klinische ervaring, kennis van de medicijnen die ze voorschrijven en papieren aanbevelingen voor dosering van fabrikanten en de FDA. Deze aanbevelingen zijn echter vaak onnauwkeurig, omdat ze zijn gebaseerd op klinische onderzoeken die mogelijk niet nauwkeurig de reactie van een individuele patiënt op de medicatie weerspiegelen.

Precisiedosering is geïdentificeerd als een cruciale methode om therapeutische veiligheid en effectiviteit te maximaliseren met aanzienlijke voordelen voor patiënten en zorgverleners, en AI-gebaseerde oplossingen hebben tot nu toe bewezen te zijn onder de meest krachtige instrumenten om precisiedosering te realiseren.

Vandaag zijn vijf factoren samengekomen om AI-gebaseerde medicatiedosering tot een realiteit te maken. Deze omvatten:

• Technologische vooruitgang in computing, waardoor we grote, complexe datasets snel kunnen verwerken, waardoor AI-oplossingen praktisch zijn.
• Publieke vertrouwdheid met kunstmatige intelligentie als een effectief instrument voor het oplossen van complexe problemen, waardoor artsen comfortabel zijn met het opnemen van dergelijke instrumenten in klinische omgevingen.
• Betrouwbare gegevens zijn nu beschikbaar in elektronische medische dossiers en zijn gestandaardiseerd op een manier die veel meer door algoritmes kan worden geïnterpreteerd dan vrije papieren medische dossiers.
• Big data-analysetechnieken hebben het ook veel praktischer en efficiënter gemaakt om kunstmatige intelligentie en controlealgoritmen toe te passen op complexe datasets. Vandaag kunnen we gebruikmaken van gegevens van miljoenen patiënten om algoritmen in siliconen te ontwerpen en te testen en snel te itereren. Dit is een aanzienlijke verbetering ten opzichte van expertsystemen die zijn gebaseerd op een kleinere aantal patiënten van een arts, mogelijk in de duizenden of honderden, die alleen kunnen worden getest in veel duurdere en riskantere klinische onderzoeken.
• Steeds complexere en krachtigere medicijnen zijn ontwikkeld die van invloed zijn op basisfysiologische processen. Medicijnen die van invloed zijn op meerdere fysiologische processen en een smalle therapeutische venster (het “zoete punt” tussen toxiciteit en ineffectieve therapie) zijn vaker voorkomend. Dit zijn de soorten medicijnen waarvoor AI-gebaseerde medicatiedosering het meeste voordeel kan bieden.

Wat zijn enkele van uw meningen over de toekomst van persoonlijke geneeskunde in het algemeen?

Over 10 jaar denk ik dat AI-gebaseerde doseringsmodellen waarschijnlijk de standaard van zorg zullen zijn in de hele gezondheidszorg, gebruikt voor een breed scala aan medicijnen zoals warfarine, insuline en immunosuppressiva. In wezen, elk medicijn dat chronisch wordt toegediend en een smalle therapeutische venster heeft, is een goed kandidaat voor AI-gebaseerde dosering. Bovendien, naarmate meer instrumenten worden ontwikkeld en meer kansen worden geïdentificeerd om deze instrumenten te gebruiken, zullen we een exponentiële groei zien in het gebruik van AI om therapieën te stimuleren, laboratorium- en radiografische bevindingen te interpreteren en de resultaten van therapeutische strategieën te voorspellen.

Is er nog iets anders dat u zou willen delen over Dosis?

Dosis is uniek gepositioneerd om AI-gebaseerde beslissingsondersteuning te implementeren en heeft een trackrecord van het vertalen van hoogwaardig academisch onderzoek naar praktische klinische toepassingen op zowel kleine als grote schaal.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Dosis bezoeken.