Одним кліком, безліч годин: Як штучний інтелект революціонізує моніторинг безпеки в медтехнологіях

Штучний інтелект спровокував справжню революцію в тому, як проводиться моніторинг безпеки в компаніях медтехнологій. Ця трансформація спочиває на двох основах. По-перше, штучний інтелект суттєво скоротив час, необхідний для аналізу безпеки, звузивши роботу, яка раніше займала тижні, до хвилин.

По-друге, за допомогою інструментів оркестрації штучний інтелект може об’єднати дані з усієї організації (та поза її межами) в єдину, комплексну картину безпеки пристрою та ризику, надаючи детальний аналіз за один інтегрований проход. Робота, яка раніше займала безліч людейогодин по всім відділам, тепер, у багатьох випадках, може бути виконана за один клік.

Старий спосіб: Силоси, таблиці та повільні сигнали

Щоб оцінити масштаб цього зрушення, допомагає пам’ятати, як традиційно працював постмаркетинговий моніторинг. Кожен виробник медичних пристроїв зобов’язаний контролювати безпеку своїх продуктів після виходу на ринок.

На практиці це означало, що команди безпеки ручним способом переглядали реєстри скарг, звіти про несприятливі події, журнали польової служби, клінічну літературу та зовнішні регуляторні бази даних, такі як система MAUDE FDA або європейські системи нагляду. Кожне з цих джерел розташовувалося в своєму сілі, було відформатованим по-різному, оновлювалося за різними графіками та часто належало різним відділам.

Людський кошт цієї угоди був величезним. Аналітики витрачали тижні на ручне кодування нарративів скарг, призначення режимів відмов, складання таблиць показників подій та перехрестну перевірку моделей пристроїв та номерів партій. Створення одного періодичного звіту про оновлення безпеки або тренд-аналіз для ради з управління міг зайняти кілька працівників на місяць.

Самостійні літературні огляди (перегляд сотень опублікованих статей на предмет будь-якої згадки про пристрій чи його клас) регулярно займали десятки годин на продукт за звітний цикл. І оскільки робота була такою трудомісткою, вона була обов’язково ретроспективною: команди дивилися назад на попередній квартал або рік, а не спостерігали за сьогоденням в реальному часі.

Наслідки були більш ніж проблемою ефективності. До того часу, як сигнал безпеки виникає з цього повільного механізму (тонке підвищення певного режиму відмови, кластер несприятливих подій, пов’язаних із певною партією виробництва), могли пройти тижні або місяці. Під час цього розриву пацієнти залишалися під впливом потенційно з’являється ризику, а компанії залишалися під впливом регуляторних та юридичних наслідків, які зростають з кожним днем затримки.

Перший стовп: Аналіз на швидкості машини

Штучний інтелект змінює темп всього цього процесу. Сучасний аналіз природної мови може прочитати та класифікувати тисячі нарративів скарг за хвилини, витягуючи модель пристрою, характер відмови, ступінь наслідків для пацієнта та ймовірну первинну причину. Він робить це з тією самою послідовністю, яку людські кодери, хоч би якими кваліфікованими, не можуть забезпечити у масштабі: тисячна скарга кодується з тією самою ретельністю, що й перша, без втоми та без зсуву в судженні.

Як тільки події класифікуються, моделі машинного навчання сканують їх на статистичні аномалії. Тренд-аналіз, який раніше вимагав від аналітика побудови таблиць та графіків, тепер працює безперервно: система виділяє підвищення режиму відмови, географічний кластер подій або відхилення від очікуваної частоти скарг у момент, коли це стає статистично значимим. Літературний огляд, подібно, звужується з днів ручного читання до автоматичного проходу, який виділяє лише кілька дійсно актуальних публікацій для експертного огляду.

Те, що раніше було квартальним ретроспективним заняттям, стає безперервним, майже реальним моніторингом. Час аналізу не просто скорочується: він суттєво скорочується, на порядки.

Другий стовп: Оркестрація об’єднує все

Швидкість сама по собі, однак, лише зробила б старі силоси швидшими. Глибша революція полягає в оркестрації: координаційному шарі, який дозволяє системам штучного інтелекту одночасно охоплювати весь ландшафт даних організації. Інструменти оркестрації з’єднують систему обробки скарг, записи CAPA (коригуючі та профілактичні дії), файл ризиків, клінічні реєстри, бази даних польової служби та повернутих продуктів, дані про виробництво та відстежування партій, зовнішні регуляторні джерела, і дозволяють робочому процесу штучного інтелекту запитувати всі вони одразу.

Замість того, щоб аналітик ручним способом вивантажував набори даних, очищав їх, узгоджував несумісні формати та об’єднував їх у таблицях, оркестрований трубопровід штучного інтелекту витягує все разом за один проход. Він узгоджує ідентифікатори по системах, зв’язує скаргу з її номером партії, той номер партії з виробничими записами, а спостережуваний режим відмови з відповідною загрозою у файлі ризиків. Потім він видає детальний, інтегрований аналіз профілю безпеки пристрою: тренд подій у часі, порівняння спостережуваних показників шкоди з оцінками у ризик-аналізі, контекст користі та ризику, нові сигнали, ранжировані за серйозністю та впевненістю, та чернетки нарративів, відформатованих для періодичних звітів про оновлення безпеки чи подання нагляду.

Цілий трубопровід (від сирих, розрізнених даних до структурованого, готового до прийняття рішень аналізу) можна ініціювати однією дією користувача. Те, що раніше вимагало координованої кампанії по відділам, тепер дійсно відбувається за один клік.

Що приносить революція

Практичні наслідки глибокі. Сигнали безпеки виникають раніше, що означає, що коригуючі дії, повідомлення про безпеку польової служби та відкликання можуть відбуватися раніше та досягати менше постраждалих пацієнтів: кінцева мета моніторингу безпеки.

Регуляторне звітування стає швидшим, повнішим та більш послідовним, полегшуючи дотримання вимог)frameWORKів, таких як Регуляція медичних пристроїв ЄС, чиї вимоги до постмаркетингового нагляду суттєво збільшили обсяг аналізу, який повинні проводити виробники. Аудити стають менш болісними, оскільки кожен висновок можна простежити до об’єднаних, позначених часом даних, а не ланцюга ручних таблиць.

Не менш важливо, людські експерти, які раніше витрачали свої дні на обробку даних, звільняються для того, щоб робити те, що можуть зробити тільки вони: застосовувати клінічну та інженерну оцінку сигналів, які видає штучний інтелект, розслідувати первинні причини та приймати рішення про дії. Це не усуває потребу в людському нагляді: регулятори справедливо очікують, що кваліфіковані фахівці валідують виходи штучного інтелекту та володіють остаточними рішеннями щодо безпеки. Але розподіл праці назавжди змінився.

Висновок

Втомлююча механічна робота з збору, очищення та аналізу даних безпеки (колишня міра безлічі людейогодин) звузилася до моментів. Штучний інтелект забезпечує швидкість; оркестрація забезпечує єдність, об’єднуючи всі джерела даних одночасно та повертаючи детальний аналіз безпеки та ризику.

У моніторингу безпеки медтехнологій штучний інтелект не просто покращив старий процес. Він замінив його на щось категорично швидше, ширше та більш пильне. І, дивовижно, це часто всього лише один клік.