Την βεβαιότητα ότι η τεχνητή νοημοσύνη μπορεί να βοηθήσει στη διαδικασία ανάπτυξης φαρμάκων εκφράζουν οι επιστήμονες, αφού το συνήθως αρκετά μεγάλο χρονικό διάστημα ερευνών υπάρχει περίπτωση να ελαχιστοποιηθούν μέσω της τεχνητής νοημοσύνης.
Ενδεικτικό παράδειγμα σε αυτό αποτελούν φαρμακευτικές εταιρείες όπως η Amgen, η Bayer και η Novartis.
Κύριος στόχος τους είναι να χρησιμοποιήσουν λογισμικό υπολογιστών για να συντομεύσουν τη φάση των κλινικών μελετών.
![](https://ygeiatora.gr/wp-content/uploads/2018/07/dummy-ad-300x250-1.jpg)
Στην ανάπτυξη φαρμάκων, οι κλινικές μελέτες με συμμετέχοντες για τον προσδιορισμό της ανεκτικότητας, της δοσολογίας και της αποτελεσματικότητας είναι η πιο δαπανηρή και συχνά η πιο χρονοβόρα φάση.
Επιπλέον, προκύπτουν συχνά αποτυχίες, με αποτέλεσμα την απώλεια εκατομμυρίων ευρώ σε επενδυμένο κεφάλαιο.
Εδώ και πολύ καιρό, ο στόχος είναι να μειωθεί ο χρόνος που απαιτείται για τις κλινικές μελέτες όλων των φάσεων, όσο και ο αριθμός των δοκιμαζόμενων ατόμων και ενδεχομένως να αποφευχθούν οι ομάδες ελέγχου εικονικού φαρμάκου.
Για να επιτευχθούν όλα αυτά, οι μεγάλες φαρμακευτικές εταιρείες βασίζονται όλο και περισσότερο σε συστήματα εξοπλισμένα με τεχνητή νοημοσύνη και ικανότητες αυτοεκμάθησης (machine learning).
“Βρισκόμαστε πραγματικά σε μια ιστορική στιγμή όπου βιώνουμε έναν συνδυασμό πρωτοφανούς πρόσβασης σε δεδομένα και προηγμένα αναλυτικά εργαλεία”, δήλωσε ο Rob Lenz, αντιπρόεδρος της παγκόσμιας ανάπτυξης της Amgen.
Η εταιρεία ξεκίνησε πριν από λίγο καιρό το έργο “ATOMIC” (Analytical Trial Optimisation Module).
“Θέλαμε να σχεδιάσουμε κλινικές μελέτες, στοχεύοντας σε υψηλότερο ποσοστό επιτυχίας “, δήλωσε ο Matt Austin, Head of Data Analytics της φαρμακευτικής εταιρείας.
Οι χρήστες τεχνητής νοημοσύνης στη φαρμακευτική βιομηχανία θέλουν πρώτα να επιλέγουν ταχύτερα εξειδικευμένα νοσοκομειακά τμήματα για κλινικές δοκιμές στις καταλληλότερες τοποθεσίες.
Το πρόβλημα έγκειται στο ότι το 15% όλων των Κέντρων που θέλουν να συμμετάσχουν σε κλινικές μελέτες, δεν εγγράφουν ούτε έναν ασθενή κατά τη διάρκεια της μελέτης. Πολλά συμμετέχοντα ιδρύματα, μάλιστα, δεν εγγράφουν τον προγραμματισμένο αριθμό ασθενών.
Ο μισός χρόνος που απαιτείται για την κλινική φάση της έρευνας πιθανών νέων φαρμάκων, δαπανάται μόνο για την εγγραφή.
Το πρόγραμμα “ATOMIC” της Amgen τροφοδοτείται με μία άνευ προηγουμένου πληρότητα δεδομένων.
Περιέχει λοιπόν, μεταξύ άλλων, πληροφορίες από μελέτες που έχουν ήδη διεξαχθεί στα επιμέρους κέντρα μελέτης, πληροφορίες από δημόσια προσβάσιμες βάσεις δεδομένων, περιφερειακά δεδομένα (πόσο συχνή είναι μια ασθένεια σε μια συγκεκριμένη περιοχή) αλλά και πληροφορίες σχετικά με τα ίδια τα κέντρα μελέτης.
Αυτά μπορούν να αναλυθούν μόνο με τη χρήση τεχνητής νοημοσύνης.
Το αποτέλεσμα είναι ένας κατάλογος κατάταξης των ιδρυμάτων που είναι καταλληλότερα για την απάντηση ενός συγκεκριμένου ιατρικού ερωτήματος.