Как ИИ может способствовать успеху клинических испытаний

125

Крупные фармацевты и другие разработчики лекарств сталкиваются с дилеммой: эра блокбастеров подходит к концу. В то же время добавление новых препаратов в их портфели происходит медленно и дорого. Потребуется в среднем 10-15 лет и 1,5-2 миллиарда долларов, чтобы вывести новый препарат на рынок; примерно половина этого времени и инвестиций посвящена клиническим испытаниям.

Хотя ИИ еще не оказал существенного влияния на клинические испытания, модели на основе ИИ помогают в разработке испытаний, методы, основанные на ИИ, используются для набора пациентов, а системы мониторинга на основе ИИ призваны повысить приверженность исследованиям и снизить показатели отсева.

«ИИ — не волшебная пуля, и он в значительной степени находится в стадии разработки, но он обещает многообещающее будущее в области здравоохранения и разработки лекарств», — говорит ведущий автор и ученый-компьютерщик Стефан Харрер, исследователь из IBM Research-Australia.

В рамках обзора и на основе своих исследований Харрер и его коллеги сообщили, что ИИ потенциально может повысить вероятность успеха клинических испытаний путем:

  • Эффективное измерение биомаркеров, которые отражают эффективность тестируемого препарата
  • Выявление и характеристика групп пациентов, наиболее подходящих для конкретных препаратов. Менее трети всех соединений фазы II переходят в фазу III, а одно из трех испытаний фазы III не удается — не потому, что препарат неэффективен или опасен, а потому, что в испытании не хватает достаточного количества пациентов или нужных пациентов.
  • По словам Харрера, стартапы, крупные корпорации, регулирующие органы и правительства изучают и стимулируют использование ИИ для улучшения дизайна клинических испытаний. «То, что мы видим в этой точке, — это экспериментальные исследования, основанные на ранних стадиях, с проверкой концепции и осуществимости, демонстрирующие высокий потенциал многочисленных методов искусственного интеллекта для повышения эффективности клинических испытаний», — говорит Харрер.

Авторы также выделяют несколько областей, показывающих наиболее реальные перспективы ИИ для пациентов. Например:

  • Системы с поддержкой AI могут предоставить пациентам больший доступ к своим личным данным и контроль над ними.
  • Коучинг через приложения на основе AI может происходить до и во время испытаний.
  • ИИ может непрерывно контролировать соблюдение отдельными протоколами пациентов в режиме реального времени.
  • Методы искусственного интеллекта могут помочь пациентам пройти испытания, о которых они, возможно, не знали
  • В частности, говорит Харрер, многообещающим является использование искусственного интеллекта в методах точной медицины, таких как применение технологий для повышения эффективности и точности диагностики, лечения и лечения неврологических заболеваний профессионалами. «ИИ может оказать глубокое влияние на улучшение мониторинга пациентов до и во время неврологических исследований», — говорит он.

В обзоре также оценивались потенциальные последствия для фармацевтики, которые включали:

  • Алгоритмы компьютерного зрения, которые потенциально могут точно определять релевантные группы пациентов с помощью ряда входных данных от рукописных форм до цифровых медицинских изображений.
  • Применение анализа искусственного интеллекта к неудачным данным клинического испытания, чтобы раскрыть понимание будущего дизайна испытания.
  • Использование возможностей искусственного интеллекта, таких как машинное обучение (ML), глубокое обучение (DL) и обработка естественного языка (NLP), для сопоставления больших и разнообразных наборов данных, таких как электронные медицинские карты, медицинская литература и базы данных испытаний, чтобы помочь фармацевтике улучшить испытания дизайн, подбор пациентов и их подбор, а также мониторинг пациентов во время испытаний.

Авторы также определили несколько важных выводов для исследователей:

  • «Здоровье ИИ» — это развивающаяся область, объединяющая медицину, фармацевтику, науку о данных и инженерию.
  • Следующему поколению экспертов в области ИИ, связанных со здоровьем, потребуются широкие знания в области аналитики, алгоритмического кодирования и интеграции технологий.
  • Текущая работа необходима для оценки конфиденциальности данных, безопасности и доступности, а также этики применения методов искусственного интеллекта к конфиденциальной медицинской информации.

Поскольку методы ИИ только начали применяться к клиническим испытаниям в последние 5–8 лет, скорее всего, пройдет еще несколько лет в типичном 10–15-летнем цикле разработки лекарств, прежде чем воздействие ИИ можно будет точно оценить.

Между тем, для обеспечения жизнеспособности этих инноваций необходимы тщательные исследования и разработки, говорит Харрер. «Необходима большая дальнейшая работа, прежде чем ИИ, продемонстрированный в пилотных исследованиях, может быть интегрирован в дизайн клинического испытания», — говорит он. «Любое нарушение протокола исследования или преждевременная установка необоснованных ожиданий могут привести к подрыву доверия и, в конечном итоге, успеху ИИ в клиническом секторе».