Dr. George Aronoff, Chief Medical Officer på Dosis, Inc – Intervju-serie

Dr. George Aronoff är Chief Medical Officer på Dosis, och han har över 30 års erfarenhet av nefrologi. Han var tidigare chef för nefrologi och hypertoni vid University of Louisville, där hans forskning med Dr. Brier och Gaweda fokuserade på att använda AI för att dosera ESA hos dialyspatienter. Han tog sin masterexamen i farmakologi och läkarexamen från Indiana University.

Dosis första produkt, Strategic Anemia Advisor, är ett webbaserat referensverktyg som personliggör dosering av ESA, en klass av läkemedel som används för att behandla kronisk anemi.

Kan du börja med att förklara vad som är det innovativa AI-baserade doseringsplattformen Strategic Anemia Advisor (SAA)?

Dosis Strategic Anemia Advisor (SAA) är ett AI-baserat kliniskt beslutsstödssystem som har utvecklats för att förbättra hälsoutfallet för patienter med njursvikt och minska läkemedelskostnaderna med i genomsnitt 25 procent genom att personliggöra läkemedelsdosering. Mer än 550 000 patienter med njursvikt i USA genomgår för närvarande dialysbehandling, och de flesta av dessa patienter upplever kronisk anemi. SAA bygger på mer än 10 års forskning vid University of Louisville och var specifikt utformat för att hjälpa kliniska anemi-chefer med deras rekommendationer för ESA-dosering.

Vilka är några av fördelarna med att erbjuda personliggjorda doseringsrekommendationer?

AI hjälper kliniker att bestämma den minsta dosen som krävs för att uppnå det önskade terapeutiska resultatet, vilket har både kliniska och ekonomiska fördelar. I fallet med ESA-dosering kan ineffektiv dosering leda till betydligt högre läkemedelsexponering för patienter och motsvarande högre vårdkostnader. SAA fokuserar på att finjustera dosen baserat på patientens visade läkemedelsrespons. Eftersom dosförändringar görs regelbundet är det i patientens bästa intresse att få den minsta mängden av ett läkemedel, eftersom större exponering för ESA är associerad med högre risk för hjärtattack, stroke, trombos och canceråterfall.

Som ledare inom detta område levererar Dosis SAA en lösning som har visat sig vara effektiv, vilket har möjliggjort en bred acceptans av topp-dialysorganisationer. Hittills har SAA använts för att leverera över 2 miljoner doseringsrekommendationer.

Läkemedelsdosering driven av AI är på frammarsch inom många områden av medicinen, såsom dialys, cancer och transplantationsmedicin. Det är inom dessa områden som alltmer exakt dosering spelar en avgörande roll för att uppnå gynnsamma resultat. AI-driven precisionsdosering är särskilt effektiv i hanteringen av läkemedel som används för att behandla kroniska tillstånd, eftersom både risken för biverkningar och vårdkostnaderna ökar över de månader och år som patienter tar dessa läkemedel.

Hur används artificiell intelligens för att identifiera den rekommenderade dosmängden?

SAA använder artificiell intelligens för att placera patienter på en skala av ESA-dosrespons, från extremt känslig (någon som är mycket känslig för ett läkemedel) till i princip icke-responderare. Denna uppskattning görs genom att utvärdera patientens historiska respons på läkemedlet och konstruera en unik responsprofil för varje patient. Med varje efterföljande dos och hemoglobinsvar förfinar SAA uppskattningen för att mer exakt uppnå målhämoglobinet med den lägsta möjliga ESA-dosen.

Vilken typ av minskning av läkemedelsanvändning har kliniker sett från detta?

Med konsekvent användning av SAA har kliniker sett en genomsnittlig minskning av ESA-användning med 25 procent med bibehållna eller förbättrade anemi-utfall, samt en 75-procentig minskning av den tid som läggs på att hantera anemi.

Kan du diskutera hur AI-driven precisionsdosering sannolikt kommer att vara standarden för kronisk sjukdomshantering i framtiden?

För att informera doseringsbeslut har läkare historiskt sett främst förlitat sig på sin kliniska erfarenhet, kunskap om de läkemedel de skriver ut och pappersbaserade rekommendationer för dosering från läkemedelsföretag och FDA. Dessa rekommendationer är ofta otillräckliga, eftersom de bygger på kliniska studier som kanske inte återspeglar en enskild patients respons på läkemedlet.

Precisionsdosering har identifierats som en avgörande metod för att maximera terapeutisk säkerhet och effektivitet med betydande fördelar för patienter och hälso- och sjukvårdspersonal, och AI-drivna lösningar har hittills visat sig vara bland de kraftfullaste verktygen för att förverkliga precisionsdosering.

Idag har fem faktorer kommit samman för att göra AI-driven läkemedelsdosering till verklighet. Dessa inkluderar:

• Tekniska framsteg inom datorkraft, som möjliggör snabb bearbetning av stora, komplexa datamängder, vilket gör AI-lösningar praktiska.
• Offentlig bekantskap med artificiell intelligens som ett effektivt verktyg för att lösa komplexa problem, vilket gör läkare bekväma med att införa sådana verktyg i kliniska miljöer.
• Tillförlitliga data är nu tillgängliga i elektroniska patientjournaler och standardiserade på ett sätt som är mycket mer konsumerbart för algoritmer jämfört med fritt formaterade pappersjournaler.
• Big data-analystekniker har också gjort det mer praktiskt och effektivt att tillämpa artificiell intelligens och kontrollalgoritmer på komplexa datamängder. Idag kan vi dra nytta av data från miljontals patienter för att utforma och testa algoritmer i simulatorer för att förutsäga effektivitet och iterera snabbt. Detta är en betydande förbättring jämfört med expertsystem som bygger på en läkares mindre antal patienter, möjligen i tusental eller hundratal, som vanligtvis bara kan testas i mycket dyrare och riskfyllda kliniska prövningar.
• Alltmer komplexa och kraftfulla läkemedel har utvecklats som påverkar grundläggande fysiologiska processer. Läkemedel som påverkar flera fysiologiska processer och har ett smalt terapeutiskt fönster (”söta fläcken” mellan toxicitet och ineffektiv terapi) har blivit vanligare. Detta är de typer av läkemedel för vilka AI-driven läkemedelsdosering kan ge den största nyttan.

Tar du det ett steg längre än precisionsdosering, vad är några av dina synpunkter på den övergripande framtiden för personlig medicin?

Om 10 år tror jag att AI-drivna doseringsmodeller sannolikt kommer att vara standarden för hela hälso- och sjukvården, använda för en mängd olika läkemedel som warfarin, insulin och immunhämmare. I princip alla läkemedel som administreras kroniskt och har ett smalt terapeutiskt fönster är lämpliga för AI-driven dosering. Dessutom, när fler verktyg utvecklas och fler möjligheter att använda dessa verktyg identifieras, kommer vi att se en exponentiell tillväxt i användningen av AI för att driva terapier, tolka laboratorie- och radiografiska fynd och förutsäga resultat av terapeutiska strategier.

Finns det något annat som du skulle vilja dela om Dosis?

Dosis är unikt positionerat för att implementera AI-drivet beslutsstöd och har en spårbarhet för att översätta högnivå akademisk forskning till praktiska kliniska tillämpningar på både små och stora skalor.

Tack för det utmärkta intervjun, läsare som vill lära sig mer kan besöka Dosis.