Sztuczna inteligencja w badaniach klinicznych
Badania kliniczne są trudne, długotrwałe, bardzo kosztowne, a prawdopodobieństwo zakończenia ich sukcesem w przypadku innowacyjnego leku nie przekracza kilku procent. Wiele firm upatruje w sztucznej inteligenci (SI) nadziei na poprawę tego stanu rzeczy ze względu na jej potencjał do optymalizacji badań klinicznych. Technologie sztucznej inteligencji umożliwiają wprowadzanie innowacji, które mają fundamentalne znaczenie dla transformacji badań klinicznych, takie jak płynne łączenie faz I i II badań klinicznych. SI może być wykorzystywana na przykład do monitorowania i wspierania pacjentów. Pomaga również wskazać, kiedy warto zakończyć badanie kliniczne Badanie kliniczne i wyciągnąć wnioski z niepowodzenia.
Duże firmy, takie jak IBM Watson Health czy Google, ale również małe, jak amerykański Roam Analytics czy polski MNM Diagnostics, wykorzystują SI do szerokiej gamy działań, poczynając od diagnostyki obrazowej, diagnostyki onkologicznej opartej na analizie całego genomu a na projektowaniu badań klinicznych kończąc. Ponadto coraz większa liczba firm współpracuje obecnie z mniejszymi start-upami z branży sztucznej inteligencji w zakresie ich wiedzy eksperckiej, by efektywniej pracować nad innowacyjnymi lekami. Zapewnienie rekrutacji właściwych pacjentów do odpowiednich badań jest szczególnie cenne, ponieważ może przyspieszyć wdrożenie leku.
Przykładem takiej sztucznej inteligencji jest program stworzony na Uniwersytecie Ben Guriona w Be'er Sheva, który jest wykorzystywany przy badaniach klinicznych terapii stwardnienia zanikowego bocznego, choroby Alzheimera i choroby Parkinsona. Pomaga lepiej pogrupować pacjentów, opracować dane statystyczne, a także wskazać ewentualne powiązania z innymi chorobami i przyjmowanymi lekami. System SI jest również w stanie dokonać analizy predykcyjnej (prognozy) postępów choroby u pacjentów.
Bibliografia:
- Harrar, S. et al. Artificial Intelligence for Clinical Trial Design. Trends in Pharmacological Science. CellPress, 2019. https://www.cell.com/trends/pharmacological-sciences/fulltext/S0165-6147(19)30130-0
- Can AI improve R&D productivity enough to restore ROI to sustainable levels?https://www.iconplc.com/insights/blog/2019/09/19/can-ai-improve-rd-productivity/
- 5 Applications of Artificial Intelligence to Enhance RWE Generation-https://www.iconplc.com/insights/blog/2019/07/05/five-applications-of-artificial-intelligence-to-enhance-rwe-generation/
- Top five digital technologies set to transform pharma R&Dhttps://www.iconplc.com/insights/blog/2019/09/26/top-five-digital-technologies-transform-pharma-rd/index.xml
Autor: Piotr Szłapka - starszy specjalista ds. badań klinicznych w ABM