Hoe AI te gebruiken in de gehele farmaceutische behandelpijplijn

We hebben de afgelopen decennia enorme vooruitgang geboekt in de gezondheidszorg dankzij de introductie van nieuwe technologie. Nu biedt kunstmatige intelligentie (AI) een nieuwe grote kans om deze trend verder te zetten en het leven van patiënten te verbeteren. Er zijn veel toepassingen van AI als het gaat om het begrijpen en behandelen van gezondheidscondities. In feite kan AI worden gebruikt in de hele pijplijn wanneer onderzoekers een nieuwe ziekte proberen te behandelen. De technologie kan vooral nuttig zijn voor het ontdekken van nieuwe medicijnen, het begrijpen van opkomende ziekten en het meten van de resultaten van behandelingen.

AI in de ontdekking van medicijnen

Lang voordat fabrikanten een medicijn op de markt kunnen brengen, werken onderzoekers aan het identificeren van de juiste moleculen. AI kan worden toegepast op de ontdekking en ontwikkeling van medicijnen, met name om het proces efficiënter en minder duur te maken. In het gebruikelijke proces van ontdekking kunnen onderzoekers jaren besteden aan het testen van verschillende moleculen, alleen om te realiseren dat het geselecteerde molecuul voor een klinische proef niet het gewenste effect heeft. AI kan een rol spelen in dit proces door de bioactiviteit en interacties van verschillende moleculen te voorspellen. Door bestaande gegevens te gebruiken, kan een voorspellend model mogelijk een molecuul identificeren dat een grotere kans heeft om het gewenste effect te hebben, zelfs voordat iemand de laboratorium binnenstapt.

Het gebruik van AI in de ontwikkeling van medicijnen is nog in de relatief vroege stadia, en er zijn nog geen medicijnen op de markt die door AI zijn ontdekt. Dat gezegd hebbende, hebben veel gezondheids- en onderzoeksorganisaties al AI in het proces geïntegreerd en bereiken ze klinische proeven met door AI ontwikkelde medicijnen. Bijvoorbeeld, een medicijn voor idiopathische longfibrose (IPF) dat met AI werd geïdentificeerd is gestart met fase 1-proeven in 2022 en heeft de eerste weesgeneesmiddelenaanwijzing van de FDA gekregen eerder dit jaar. Naarmate de industrie meer vertrouwd raakt met AI, zullen de toepassingen van AI in de ontwikkeling van medicijnen waarschijnlijk verder uitbreiden, en we zullen mogelijk medicijnen zien die met AI zijn ontwikkeld en aan patiënten worden toegediend.

AI in epidemiologie en klinische proefbeheer

Een andere cruciale stap in het brengen van een therapie naar de markt en het in handen krijgen van patiënten is het begrijpen van een ziekte en de impact ervan op de gezondheidsresultaten op populatieniveau. Dit is waar epidemiologen een rol spelen – de groep onderzoekers die verantwoordelijk zijn voor het kwantificeren en monitoren van therapeutisch risicobeheer in doelpopulaties en indicaties.

Met behulp van AI en machine learning (ML) kunnen epidemiologen real-world data (RWD) onderzoeken – naast andere beschikbare gegevens – en trends identificeren die relevant zijn voor commerciële en klinische besluitvorming. Omdat ML is geoptimaliseerd voor het onderzoeken van gegevens op een hypothesevrije manier, maakt het het mogelijk om nieuwe patronen te ontdekken, betere voorspellingen te doen voor belangrijke trends zoals de prevalentie van ziekten en de risicofactoren te identificeren die zijn geassocieerd met slechte resultaten. Deze inzichten zijn cruciaal voor onderzoekers om behandelingen te ontwikkelen die het beste aansluiten bij de behoeften van hun doelpopulatie.

AI kan ook delen van de klinische proef van de medicijnontwikkeling automatiseren, wat essentieel is voor het vaststellen van de veiligheid en werkzaamheid van een nieuwe therapie voordat deze bij patiënten terechtkomt. Bijvoorbeeld, AI kan worden gebruikt om ervoor te zorgen dat de juiste patiënten worden geworven voor een klinische proef en dat de studiegroep de algemene bevolking vertegenwoordigt, waarbij diversiteit en gelijkheid in acht worden genomen. AI kan ook helpen bij de beoordeling van veiligheidsrapporten van een proef op een manier die betrouwbaarder is dan een menselijk team. Niet alle aspecten van epidemiologie en klinische proefontwerp kunnen worden geautomatiseerd, maar AI kan bepaalde aspecten van het proces efficiënter maken.

AI in het evalueren van behandelingresultaten

Zodra een klinische proef de werkzaamheid heeft aangetoond, is het essentieel om de waarde van een nieuwe interventie in de gezondheidszorgmarkt te begrijpen. Op dit punt hebben onderzoekers uren en honderden miljoenen, zo niet miljarden, dollars besteed aan de ontwikkeling van een therapie – maar ze moeten nog steeds ervoor zorgen dat de juiste patiënten toegang hebben tot de behandeling wanneer ze deze nodig hebben. Dit is waar gezondheidseconomie en uitkomstonderzoek (HEOR) – de studie van de waarde van gezondheidsinterventies – een cruciale rol speelt in de medicijnontwikkeling.

Het uiteindelijke doel van HEOR-analyses is om verzekeraars en anderen die verantwoordelijk zijn voor de financiering van de gezondheidszorg te helpen de gezondheid van hun populaties te optimaliseren terwijl ze de kosten minimaliseren. Zonder HEOR zouden gezondheidssystemen niet financieel stabiel zijn en zou de tijdige levering van zorg worden aangetast. AI kan een rol spelen in HEOR-analyses door patronen in de gegevens te onthullen die helpen om de incrementele voordelen van een behandeling te kwantificeren, zoals het identificeren van unieke subpopulaties die een grotere verbetering van de resultaten ervaren ten opzichte van de algemene bevolking.

Bijvoorbeeld, werd ML gebruikt in een onderzoek onder mensen met type 2 diabetes om te onderzoeken welke subpopulaties zouden profiteren van een gedragsinterventie gericht op gewichtsverlies. Terwijl er geen significante impact werd gevonden bij de algemene populatie van mensen met type 2 diabetes, vonden onderzoekers dat een subgroep met specifieke kenmerken complicaties van hart- en vaatziekten kon voorkomen na de interventie. Deze inzichten hielpen klinici en zorgverzekeraars te begrijpen welke specifieke patiënten het meest zouden profiteren van de interventie, waardoor de resultaten van de patiënten werden verbeterd en de kosten werden verlaagd.

De toekomst van AI in de farmaceutische pijplijn

Er zijn duidelijk veel toepassingen van AI als het gaat om het begrijpen en behandelen van ziekten, en onderzoekers zijn toegewijd aan het verder ontwikkelen van de technologie. In feite heeft de toonaangevende organisatie voor HEOR, ISPOR, onlangs richtlijnen vastgesteld voor het gebruik van machine learning in dit gebied. Dit toont de toewijding aan het uitbreiden van het gebruik van AI en ML om het potentieel te maximaliseren.

Epidemiologen, onderzoekers, gezondheidseconomen en anderen die een rol spelen in de medicijnontwikkeling kunnen allemaal profiteren van het integreren van AI in hun werk. En als we AI kunnen gebruiken om ziekten beter te begrijpen en meer effectieve en gerichte behandelingen te ontwikkelen, zullen patiënten enorm profiteren. AI heeft een onbeperkt potentieel in de gezondheidszorg en farmacie om levens te verbeteren – en het is onze verantwoordelijkheid om het tot zijn grootste capaciteit te benutten.