Jak wykorzystać sztuczną inteligencję na całym etapie leczenia w branży farmaceutycznej

W ciągu ostatnich kilku dekad dokonaliśmy niesamowitych postępów w opiece zdrowotnej dzięki wprowadzeniu nowych technologii. Teraz sztuczna inteligencja (AI) stanowi kolejną wielką okazję do kontynuowania tego trendu i dalszego poprawiania jakości życia pacjentów. Istnieje wiele zastosowań AI w zakresie rozumienia i leczenia chorób. W rzeczywistości AI może być wykorzystywana na całym etapie leczenia, gdy naukowcy starają się leczyć nową chorobę. Ta technologia może być szczególnie przydatna do odkrywania nowych leków, rozumienia nowo pojawiających się chorób oraz mierzenia skuteczności leczenia.

AI w odkrywaniu leków

Zanim producenci mogą wprowadzić lek na rynek, naukowcy pracują nad identyfikacją odpowiednich molekuł. AI może być stosowana w odkrywaniu i rozwoju leków, szczególnie w celu uczynienia procesu bardziej wydajnym i mniej kosztownym. W typowym procesie odkrywania naukowcy mogą spędzić lata na testowaniu różnych molekuł, aby ostatecznie stwierdzić, że wybrana molekuła nie ma pożądanego efektu. AI może odegrać rolę w tym procesie, przewidując bioaktywność i interakcje różnych molekuł. Wykorzystując istniejące dane, model predykcyjny może być w stanie zidentyfikować molekułę, która ma większe prawdopodobieństwo osiągnięcia pożądanego efektu, zanim ktokolwiek wejdzie do laboratorium.

Użycie AI w rozwoju leków jest jeszcze w stosunkowo wczesnym stadium, i nie ma jeszcze leków odkrytych za pomocą AI, które są dostępne na rynku. Jednak wiele organizacji zdrowia i badań naukowych już rozpoczęło włączanie AI do procesu i osiąga etap badań klinicznych z lekami opracowanymi za pomocą AI. Na przykład lek na idiopatyczne włóknienie płuc (IPF), który został zidentyfikowany za pomocą AI weszła do fazy 1 badań w 2022 roku i uzyskała oznaczenie leku sierocego FDA na początku tego roku. W miarę jak branża staje się bardziej komfortowa z AI, jej zastosowania w rozwoju leków prawdopodobnie rozszerzą się jeszcze bardziej, i możemy w końcu zobaczyć leki opracowane za pomocą AI, które są podawane pacjentom.

AI w epidemiologii i zarządzaniu badaniami klinicznymi

Kolejnym kluczowym krokiem w wprowadzaniu terapii na rynek i dostarczaniu jej do rąk pacjentów jest zrozumienie choroby i jej wpływu na wyniki zdrowotne na poziomie populacji. To właśnie tutaj pojawiają się epidemiolodzy – grupa naukowców odpowiedzialnych za ilościową i monitoringową ocenę zarządzania ryzykiem terapeutycznym w populacjach docelowych i wskazaniach.

Wykorzystując techniki AI i maszynowego uczenia (ML), epidemiolodzy mogą badać dane z prawdziwego świata (RWD) – wśród innych dostępnych danych – i identyfikować trendy istotne dla decyzji handlowych i klinicznych. Ponieważ ML jest zoptymalizowany do badania danych w sposób wolny od hipotez, umożliwia naukowcom odkrywanie nowych wzorców, generowanie lepszych prognoz dla kluczowych trendów, takich jak rozpowszechnienie choroby, oraz identyfikowanie czynników ryzyka związanych z niekorzystnymi wynikami. Te spostrzeżenia są kluczowe dla naukowców, aby opracować leczenia, które będą najskuteczniej odpowiadać potrzebom ich populacji docelowej.

AI może również zautomatyzować części fazy badań klinicznych rozwoju leku, co jest kluczowe dla ustalenia bezpieczeństwa i skuteczności nowej terapii, zanim trafi do pacjentów. Na przykład AI może być wykorzystana do zapewnienia, że odpowiedni pacjenci są rekrutowani do badania klinicznego, oraz że grupa badawcza reprezentuje ogół populacji, biorąc pod uwagę różnorodność i równość. AI może również pomóc w przeglądzie raportów bezpieczeństwa z badania w sposób bardziej niezawodny niż zespół ludzki. Nie wszystkie aspekty epidemiologii i projektowania badań klinicznych mogą być zautomatyzowane, ale AI może uczynić pewne aspekty procesu bardziej wydajnymi.

AI w ocenianiu wyników leczenia

Gdy badanie kliniczne wykazało skuteczność, kluczowe jest zrozumienie wartości nowej interwencji na rynku opieki zdrowotnej. W tym momencie naukowcy spędzili niezliczone godziny i setki milionów, jeśli nie miliardy, dolarów na rozwój terapii – ale nadal muszą upewnić się, że odpowiedni pacjenci będą mogli uzyskać do niej dostęp, gdy będą jej potrzebowali. To właśnie tutaj ekonomika zdrowia i badania wyników (HEOR) – studium wartości interwencji zdrowotnych – odgrywają kluczową rolę w pipeline rozwoju leku.

Ostatecznym celem analiz HEOR jest pomoc płatnikom i innym osobom odpowiedzialnym za finansowanie opieki zdrowotnej w optymalizacji zdrowia ich populacji, minimalizując jednocześnie koszty. Bez niej systemy zdrowotne nie byłyby stabilne finansowo, a terminowa dostawa opieki byłaby zagrożona. AI może odegrać rolę w analizach HEOR, odkrywając wzorce w danych, które pomagają określić przyrostową korzyść leczenia, taką jak identyfikacja unikalnych podpopulacji, które doświadczają zwiększonej poprawy wyników w porównaniu z ogólną populacją.

Na przykład ML została wykorzystana w badaniu wśród osób z cukrzycą typu 2, aby zbadać, które podpopulacje mogą skorzystać na interwencji behawioralnej ukierunkowanej na utratę wagi. Chociaż nie stwierdzono znaczącego wpływu w ogólnej populacji osób z cukrzycą typu 2, naukowcy stwierdzili, że podpopulacja z określonymi cechami może uniknąć powikłań choroby serca po interwencji. Te spostrzeżenia pomogły klinicystom i planom zdrowotnym wiedzieć, którzy konkretni pacjenci najbardziej skorzystają na interwencji, co pomogło poprawić wyniki zdrowotne pacjentów i zaoszczędzić koszty ogółem.

Przyszłość AI w pipeline farmaceutycznym

Istnieje wiele zastosowań AI w zakresie rozumienia i leczenia chorób, a naukowcy są zaangażowani w dalszy rozwój tej technologii. W rzeczywistości wiodąca organizacja HEOR, ISPOR, niedawno ustanowiła wytyczne dotyczące korzystania z maszynowego uczenia w tej dziedzinie. To pokazuje zaangażowanie w rozwój wykorzystania AI i ML w celu maksymalizacji ich potencjału.

Epidemiolodzy, naukowcy, ekonomiści zdrowia i inni, którzy biorą udział w pipeline rozwoju leku, mogą wszystko znaleźć korzyści z włączania AI do swojej pracy. I jeśli możemy wykorzystać AI, aby lepiej zrozumieć choroby i opracować bardziej skuteczne i ukierunkowane leczenia, pacjenci będą korzystać ogromnie na końcu dnia. AI ma nieograniczone możliwości w opiece zdrowotnej i farmacji, aby poprawić życie – i jest to nasza odpowiedzialność, aby wykorzystać ją do jej największych możliwości.