Hvordan utnytte AI gjennom legemiddelbehandlingspipeline

Vi har gjort enorme fremskritt innen helsevesenet de siste få tiårene takket være introduksjonen av ny teknologi. Nå presenterer kunstig intelligens (AI) en ny stor mulighet til å fortsette å drive denne trenden for å forbedre pasienters liv. Det finnes en rekke anvendelser av AI når det gjelder å forstå og behandle helseproblemer. I virkeligheten kan AI utnyttes gjennom hele pipeline når forskere setter ut til å behandle en ny sykdom. Teknologien kan være spesielt nyttig for å oppdage nye legemidler, forstå nye sykdommer og måle behandlingsresultater.

AI i legemiddelforskning

Lenge før produsenter kan bringe et legemiddel til markedet, arbeider forskere med å identifisere riktige molekyler. AI kan anvendes i legemiddelforskning og utvikling, spesielt for å gjøre prosessen mer effektiv og mindre kostbar. I den typiske prosessen med å oppdage legemidler, kan forskere bruke år på å teste forskjellige molekyler, bare for å innse at den valgte molekylene ikke har den ønskede effekten. AI kan spille en rolle i denne prosessen ved å forutsi bioaktivitet og interaksjoner mellom forskjellige molekyler. Ved å anvende eksisterende data, kan en predikativ modell kanskje identifisere en molekyl som har en høyere sannsynlighet for å ha den ønskede effekten, før noen setter foten i laboratoriet.

Anvendelsen av AI i legemiddelutvikling er fortsatt i en relativt tidlig fase, og ingen legemidler oppdaget av AI er nå på markedet. Det være sagt, en rekke helse- og forskningsorganisasjoner har allerede begynt å inkorporere AI i prosessen og har nådd kliniske prøver med AI-utviklede legemidler. For eksempel, et legemiddel mot idiopatisk lungefibrose (IPF) som ble identifisert ved hjelp av AI gikk inn i fase 1-prøver i 2022 og fikk FDA-godkjenning som legemiddel for sjeldne sykdommer tidligere i år. Etterhvert som industrien blir mer komfortabel med AI, vil anvendelsene av AI i legemiddelutvikling sannsynligvis utvides enda mer, og vi kan til slutt se legemidler utviklet med AI som blir gitt til pasienter.

AI i epidemiologi og klinisk prøving

En annen viktig del av å bringe en terapi til markedet og få den i pasientens hender er å forstå en sykdom og hvordan den påvirker helseresultater på populasjonsnivå. Dette er der epidemiologer kommer inn – en gruppe forskere som er ansvarlige for å kvantifisere og overvåke terapeutisk risikostyring over målpopulasjoner og indikasjoner.

Ved å anvende AI og maskinlæringsteknikker, kan epidemiologer utforske realverdensdata (RWD) – blant andre typer tilgjengelig data – og identifisere trender som er relevante for kommersielle og kliniske beslutninger. Fordi maskinlæring er optimalisert for å utforske data på en hypotesefri måte, gjør det det mulig for forskere å oppdage nye mønster, generere bedre prediksjoner for nøkkel-trender som sykdomsprevalens, og identifisere risikofaktorer som er forbundet med dårlige resultater. Disse innsiktene er kritiske for forskere til å utvikle behandlinger som vil være mest effektive for å møte behovene til deres målpopulasjon.

AI kan også automatisere deler av den kliniske prøvefasen i legemiddelutvikling, som er kritisk for å etablere sikkerheten og effekten av en ny terapi før den når pasienter. For eksempel, kan AI anvendes for å sikre at riktige pasienter blir rekruttert til en klinisk prøve, og at studiegruppen representerer den generelle befolkningen samtidig som diversitet og likhet tas i betraktning. AI kan også hjelpe med å gjennomgå sikkerhetsrapporter fra en prøve på en måte som er mer pålitelig enn et menneskeligt team. Ikke alle deler av epidemiologi og klinisk prøving kan automatiseres, men AI kan gjøre visse aspekter av prosessen mer effektiv.

AI i evaluering av behandlingsresultater

Når en klinisk prøve har demonstrert effektivitet, er det kritisk å forstå verdien av en ny intervensjon innen helsemarkedet. På dette tidspunktet har forskere brukt talløse timer og hundredvis av millioner, hvis ikke milliarder, av dollar på å utvikle en terapi – men de må fortsatt sikre at riktige pasienter kan få tilgang til den når de trenger den. Dette er der helseøkonomi og resultatiforskning (HEOR) – studiet av verdien av helseintervensjoner – spiller en kritisk rolle i legemiddelutviklingspipeline.

Målet med HEOR-analyser er å assistere betalere og andre som er ansvarlige for å finansiere helsevesenet til å optimalisere helsen til deres befolkninger samtidig som kostnadene minimeres. Uten det, ville helsesystemer ikke være finansielt stabile, og leveringen av omsorg ville bli kompromittert. AI kan spille en rolle i HEOR-analyser ved å avdekke mønster i data som hjelper til å kvantifisere den inkrementelle fordelen av en behandling, som å identifisere unike subpopulasjoner som opplever en økt forbedring i resultater i forhold til den generelle befolkningen.

For eksempel, ble maskinlæring anvendt i en studie blant personer med type 2-diabetes for å undersøke hvilke subpopulasjoner som kunne dra nytte av en atferdintervensjon rettet mot vekttap. Mens ingen signifikant effekt ble funnet blant den generelle befolkningen av personer med type 2-diabetes, fant forskerne at en undergruppe med bestemte karakteristika kunne unngå komplikasjoner fra hjerte- og karsykdom etter intervensjonen. Disse innsiktene hjalp kliniske og helseplaner til å vite hvilke bestemte pasienter som ville dra mest nytte av intervensjonen, og hjalp til å forbedre pasientresultater og spare kostnader samtidig.

Fremtiden for AI i legemiddelpipeline

Det er tydelig at det finnes en rekke anvendelser av AI når det gjelder å forstå og behandle sykdom, og forskere er dedikert til å videreutvikle teknologien. I virkeligheten har den ledende organisasjonen for HEOR, ISPOR, nylig etablert retningslinjer for å bruke maskinlæring innen området. Dette demonstrerer en dedikasjon til å utvide anvendelsen av AI og maskinlæring for å maksimere dens potensiale.

Epidemiologer, forskere, helseøkonomer og andre som spiller en rolle i legemiddelutviklingspipeline kan alle finne verdi i å inkorporere AI i sitt arbeid. Og hvis vi kan bruke AI til å bedre forstå sykdommer og utvikle mer effektive og målrettede behandlinger, vil pasienter dra stor nytte av det til slutt. AI har ubegrenset potensiale innen helsevesen og legemiddelindustri for å forbedre liv – og det er vår ansvar å utnytte det til sin største kapasitet.