Dr. George Aronoff, Chief Medical Officer w Dosis, Inc – Wywiad

Dr. George Aronoff jest Chief Medical Officer w Dosis, i ma ponad 30 lat doświadczenia w nefrologii. Wcześniej był szefem Nefrologii i Nadciśnienia w University of Louisville, gdzie jego badania z Dr. Brier i Gaweda skupiały się na wykorzystaniu sztucznej inteligencji do dawkowania ESA u pacjentów dializowanych. Ukończył studia magisterskie z farmakologii i medycyny na Indiana University.

Pierwszy produkt Dosis, Strategic Anemia Advisor, to narzędzie referencyjne online, które personalizuje dawkowanie ESA, klasy leków stosowanych w leczeniu przewlekłej anemii.

Czy mógłby Pan zacząć od wyjaśnienia, co to jest innowacyjna platforma dawkowania oparta na sztucznej inteligencji Strategic Anemia Advisor (SAA)?

Strategic Anemia Advisor (SAA) to system wsparcia decyzji klinicznych oparty na sztucznej inteligencji, który został opracowany w celu poprawy wyników zdrowotnych pacjentów z chorobą nerek w końcowym stadium i zmniejszenia kosztów leków o średnio 25 procent poprzez personalizację dawkowania leków. Więcej niż 550 000 pacjentów z chorobą nerek w końcowym stadium w Stanach Zjednoczonych obecnie przechodzi dializę, a większość z nich doświadcza przewlekłej anemii. SAA oparty jest na ponad 10 latach badań na University of Louisville i został specjalnie zaprojektowany, aby pomóc menedżerom anemii w ich zaleceniach dotyczących dawkowania ESA.

Jakie są niektóre z korzyści oferowania personalizowanych zaleceń dawkowania?

Sztuczna inteligencja pomaga lekarzom określić minimalną dawkę wymaganą do osiągnięcia pożądanego efektu terapeutycznego, co ma zarówno korzyści kliniczne, jak i ekonomiczne. W przypadku dawkowania ESA, nieefektywne dawkowanie może skutkować znacznie wyższą niż konieczna ekspozycją pacjenta na lek, a tym samym podniesieniem kosztów opieki. SAA koncentruje się na dostosowaniu dawek do odpowiedzi pacjenta na lek. Ponieważ zmiany dawek są wprowadzane regularnie, jest to w najlepszym interesie pacjenta, aby otrzymać najmniejszą ilość leku, ponieważ większa ekspozycja na ESA związana jest z wyższym ryzykiem zawału serca, udaru, zakrzepicy i nawrotu raka.

Jako lider w tej dziedzinie, SAA Dosis dostarcza rozwiązanie, które przyniosło udowodnione rezultaty, co pozwoliło mu uzyskać szerokie zaakceptowanie przez wiodące organizacje dializowe. Do tej pory SAA został wykorzystany do dostarczenia ponad 2 milionów zaleceń dawkowania.

Dawkowanie leków napędzane przez sztuczną inteligencję zyskuje na popularności w wielu dziedzinach medycyny, takich jak dializa, onkologia i medycyna transplantacyjna. W tych dziedzinach coraz bardziej precyzyjne dawkowanie odgrywa kluczową rolę w osiąganiu korzystnych wyników. Dawkowanie precyzyjne napędzane przez sztuczną inteligencję jest szczególnie skuteczne w leczeniu chorób przewlekłych, ponieważ zarówno potencjał niepożądanych zdarzeń, jak i koszty opieki wzrastają wraz z upływem miesięcy i lat, w których pacjenci są leczeni tymi lekami.

Jak sztuczna inteligencja jest wykorzystywana do identyfikacji zalecanej ilości dawki?

SAA wykorzystuje sztuczną inteligencję, aby umieścić pacjentów na spektrum odpowiedzi na ESA, od ekstremalnego odpowiedzi (ktoś, kto jest bardzo wrażliwy na lek) do, zasadniczo, nie-odpowiedzi. Ta ocena jest wykonywana przez ocenę historycznej odpowiedzi pacjenta na lek i tworzenie unikalnego profilu odpowiedzi dla każdego pacjenta. Z każdą następną dawką i odpowiedzią hemoglobiny SAA udoskonala tę ocenę, aby jeszcze bardziej precyzyjnie osiągnąć docelowy poziom hemoglobiny przy użyciu najniższej możliwej dawki ESA.

Jakiego rodzaju redukcję w zużyciu leków obserwują kliniki dzięki temu?

Przy stałym użyciu SAA kliniki obserwują średnio 25-procentową redukcję zużycia ESA z utrzymaniem lub poprawą wyników anemii, a także 75-procentową redukcję czasu spędzanego na zarządzaniu anemią.

Czy mógłby Pan omówić, jak dawkowanie precyzyjne napędzane przez sztuczną inteligencję prawdopodobnie stanie się standardem opieki w leczeniu chorób przewlekłych w przyszłości?

Aby poinformować decyzje dotyczące dawkowania, lekarze tradycyjnie polegali głównie na swoim doświadczeniu klinicznym, wiedzy na temat leków, które przepisują, oraz zaleceniach dotyczących dawkowania od producentów leków i FDA. Jednak te zalecenia są często nieprecyzyjne, ponieważ pochodzą z badań klinicznych, które mogą nie odzwierciedlać indywidualnej odpowiedzi pacjenta na lek.

Dawkowanie precyzyjne zostało uznane za kluczową metodę maksymalizacji bezpieczeństwa i skuteczności terapeutycznej z istotnymi korzyściami dla pacjentów i świadczeniodawców, a rozwiązania napędzane przez sztuczną inteligencję okazały się jednymi z najpotężniejszych narzędzi do realizacji dawkowania precyzyjnego.

Dziś pięć czynników połączyło się, aby uczynić dawkowanie leków napędzane przez sztuczną inteligencję rzeczywistością. Obejmują one:

• Postępy technologiczne w dziedzinie obliczeń, które pozwalają nam szybko przetwarzać duże, złożone zestawy danych, co sprawia, że rozwiązania sztucznej inteligencji są praktyczne.
• Powszechna znajomość sztucznej inteligencji jako skutecznego narzędzia do rozwiązywania złożonych problemów, co sprawia, że lekarze są komfortowi z wykorzystaniem takich narzędzi w środowiskach klinicznych.
• Nadawanie danych jest teraz dostępne w elektronicznych kartach pacjentów i jest ustandaryzowane w sposób, który jest znacznie bardziej strawny dla algorytmów w porównaniu z tradycyjnymi, papierowymi kartami pacjentów.
• Techniki analityczne Big Data również sprawiły, że zastosowanie sztucznej inteligencji i algorytmów kontrolnych do złożonych zestawów danych stało się znacznie bardziej praktyczne i wydajne. Dziś możemy korzystać z danych od milionów pacjentów, aby zaprojektować i przetestować algorytmy w środowisku symulowanym, aby przewidzieć skuteczność i szybko iterować. Jest to znaczna poprawa w stosunku do systemów eksperckich, które opierają się na mniejszej liczbie pacjentów lekarza, co może być tylko możliwe do przetestowania w droższych i bardziej ryzykownych badaniach klinicznych.
• Coraz bardziej złożone i potężne leki zostały opracowane, które wpływają na podstawowe procesy fizjologiczne. Leki, które wpływają na wiele procesów fizjologicznych i mają wąskie okno terapeutyczne („słodkie miejsce” między toksycznością a nieskuteczną terapią), stały się bardziej powszechne. Są to rodzaje leków, dla których dawkowanie leków napędzane przez sztuczną inteligencję może zapewnić największe korzyści.

Czy mógłby Pan omówić swoje poglądy na temat przyszłości medycyny personalizowanej?

W ciągu 10 lat uważam, że modele dawkowania napędzane przez sztuczną inteligencję będą prawdopodobnie standardem opieki w całym spektrum ochrony zdrowia, wykorzystywane do szerokiej gamy leków, takich jak warfaryna, insulina i leki immunosupresyjne. Podstawowo, każdy lek, który jest podawany przewlekle i ma wąskie okno terapeutyczne, jest dobrym kandydatem do dawkowania napędzanego przez sztuczną inteligencję. Ponadto, wraz z rozwojem coraz większej liczby narzędzi i identyfikacją coraz większej liczby okazji do ich wykorzystania, będziemy świadkami wykładniczego wzrostu wykorzystania sztucznej inteligencji do napędzania terapii, interpretacji wyników laboratoryjnych i radiograficznych oraz przewidywania wyników strategii terapeutycznych.

Czy jest coś jeszcze, co Pan chciałby podzielić się na temat Dosis?

Dosis jest unikalnie pozycjonowany, aby wdrożyć wsparcie decyzji napędzane przez sztuczną inteligencję i ma rekord przekładania wysokiego poziomu badań akademickich na praktyczne zastosowania kliniczne w małym i dużym zakresie.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcieliby dowiedzieć się więcej, powinni odwiedzić Dosis.