A nagy gyógyszergyártók mesterséges intelligenciát használnak, hogy gyorsan találjanak betegeket a klinikai vizsgálatokhoz, vagy csökkentsék a gyógyszerek teszteléséhez szükséges emberek számát, ami egyrészt felgyorsítja a gyógyszerfejlesztést, másrészt dollármilliókat takaríthat meg.

A humán vizsgálatok a gyógyszerfejlesztés legdrágább és legidőigényesebb része, mivel évekbe telhet a betegek toborzása és az új gyógyszerek kipróbálása egy olyan folyamat során, amely a gyógyszer felfedezésétől a befejezésig több mint egymilliárd dollárba kerülhet.

Még nem a gyógyszer fejlesztésében jó a Mesterséges Intelligencia

A gyógyszergyárak évek óta kísérleteznek az Mesterséges Intelligenciával, remélve, hogy a gépek felfedezhetik a következő kasszasiker gyógyszert. Az MI által kiválasztott néhány vegyület jelenleg fejlesztés alatt áll, de ezek a fogadások évekbe telnek. Az új gyógyszerek fejlesztésében még nem érek így áttörést, de az MI technológia jelentős és egyre növekvő szerepet játszik az emberi gyógyszerkísérletek során. Ez pedig jóval olcsóbbá teszi a gyógyszerek fejlesztését, ezért talán fontosabb is, mint a vegyületekkel játszó MI.

Az olyan vállalatok, mint az Amgen, a Bayer és a Novartis Mesterséges Intelligenciát fejlesztenek, hogy átvizsgálják a közegészségügyi nyilvántartások, vényköteles adatok, egészségügyi biztosítási igények és belső egészségügyi adataok milliárdjait, hogy megtalálják a kísérleti betegeket – ez egyes esetekben felére csökkenti a regisztrációhoz szükséges időt.

A szakértők szerint az MI használata a kísérleti betegek megtalálásában és toborzásában még nem terjedt el , de a gyógyszergyárak már túl vannak a kísérletezés szakaszán ebben a kérdésben.

Az Egyesült Államok Élelmiszer- és Gyógyszerügyi Hatósága (FDA) adatai szerint, hogy 2016 és 2022 között körülbelül 300 olyan alkalmazás érkezett hozzá, amelyek a Mesterséges Intelligenciát vagy a gépi tanulást alkalmazzák a gyógyszerfejlesztésben. A kérelmek több mint 90%-a az elmúlt két évben érkezett, és a legtöbb az MI használatára irányult. a klinikai fejlődés egy bizonyos pontján - írja a Reuters.

Az betegeket az ATOMIC AI találja meg

A mesterséges intelligencia használata előtt az Amgen például hónapokat töltött azzal, hogy felméréseket küldjön Johannesburgtól Texasig az orvosoknak, hogy megkérdezzék, vannak-e klinikán vagy kórházban releváns klinikai és demográfiai jellemzőkkel rendelkező páciensek, akik részt vehetnének az adott kísérleti teszteken.

Mivel emberek szervezik ezeket a gyógyszercégeknél, a létesítményekkel vagy az orvosokkal fennálló kapcsolatok gyakran befolyásolják a vizsgálati helyszínek kiválasztását, amelyek viszont nem feltétlenül a legalkalmasabbak az adott kísérletekhez, mert például ott kevesebb bevonható pont megfelelő korú, nemű, stádiumú beteg van,

A Deloitte becslései szerint a tanulmányok körülbelül 80%-a meghiúsítja a toborzási célokat, mert a klinikák és kórházak túlbecsülik a rendelkezésre álló betegek számát, magas a lemorzsolódási arány, vagy a betegek nem tartják be a vizsgálati protokollokat.

Az Amgen mesterséges intelligencia eszköze, az ATOMIC belső és nyilvános adatok gyűjteményét vizsgálja, hogy azonosítsa és rangsorolja a klinikákat és az orvosokat a betegek kísérleti toborzása során elért korábbi teljesítménye alapján.

A betegek bevonása egy középső stádiumú vizsgálatra a betegségtől függően akár 18 hónapot is igénybe vehet, de az ATOMIC a cég szerint ezt a legjobb esetben akár a felére csökkentheti.

Az Amgen az ATOMIC-ot egy pár kísérletben használta, amelyekben a gyógyszereket szív- és érrendszeri betegségekre és rákos megbetegedésekre tesztelték, és bevált, így 2024-ig már a legtöbb tanulmányhoz használni kívánja.

Nemcsak hatékonyabb, gyorsabb is

A cég szerint 2030-ra a mesterséges intelligencia segíteni fog abban, hogy két évet lefaragjon abból az egy évtizedből, amely általában egy gyógyszer kifejlesztéséhez szükséges.

A Novartis által használt mesterséges intelligencia-eszköz gyorsabbá, olcsóbbá és hatékonyabbá tette a betegek vizsgálatba való felvételét, egyetlen probléma, hogy a sikers működéshez pontos adatok szükségesek, mert az MI ebben az összefüggésben csak annyira jó, amennyire pontos adatokat kap.

És az adatok nagy része még nem elérhető, Sameer Pujari, az Egészségügyi Világszervezet mesterséges intelligencia-szakértője szerint általában az egészségügyi adatok kevesebb mint 25%-a érhető el nyilvánosan kutatás céljából.

A Bayer is a Mesterséges Intelligenciában bízik

A német Bayer gyógyszergyártó azt mondta, mesterséges intelligencia segítségével több ezerrel csökkentette a résztvevők számát az alundexiannal, egy olyan kísérleti gyógyszerrel, amely a felnőttek körében a stroke hosszú távú kockázatát csökkenti.

A Mesterséges Intelligencia segítségével összekapcsolta a középső stádiumú vizsgálati eredményeket a finnországi és egyesült államokbeli betegek millióitól származó valós adatokkal, hogy előre jelezze a hosszú távú kockázatokat a kísérlethez hasonló populációban.

Az adatokkal felvértezve a Bayer kevesebb résztvevővel kezdte meg a késői stádiumú kutatást. A MI nélkül a Bayer szerint milliókkal többet költött volna, és akár kilenc hónappal tovább tartott volna az önkéntesek toborzása.

A Bayer most egy lépéssel tovább akar lépni

A Bayer közlése szerint egy olyan vizsgálathoz, amely az alundexiát hasonló betegségben szenvedő gyermekeken teszteli, a valós betegadatok felhasználását tervezi egy külső kontroll eszköz létrehozására, ami potenciálisan megszünteti a placebót szedő betegek bevonását a kutatásba.

Ennek az az oka, hogy az állapot olyan ritka a korcsoportban, hogy nehéz lenne betegeket toborozni, és aggályokat vethet fel azzal kapcsolatban, hogy etikus volt-e placebót adni a kísérletben résztvevőknek, ha nem állnak rendelkezésre bevált kezelések.

Vállalati internet: Tarr.hu