Gennemgang evaluerer, hvordan kunstig intelligens kan øge succesen med kliniske forsøg

I en anmeldelse, der offentliggøres 17. juli i tidsskriftet Tendenser i farmakologiske videnskaber , forskere undersøgte, hvordan kunstig intelligens (AI) kunne påvirke udviklingen af ​​lægemidler i det kommende årti.

Big pharma og andre lægemiddeludviklere kæmper med et dilemma:æraen med blockbuster-lægemidler er ved at være slut. På samme tid, at tilføje nye lægemidler til deres porteføljer er langsomt og dyrt. Det tager i gennemsnit 10-15 år og $1,5-2B at få et nyt lægemiddel på markedet; omkring halvdelen af ​​denne tid og investeringer er afsat til kliniske forsøg.

Selvom kunstig intelligens endnu ikke har haft en væsentlig indflydelse på kliniske forsøg, AI-baserede modeller hjælper prøvedesign, AI-baserede teknikker bliver brugt til patientrekruttering, og AI-baserede overvågningssystemer har til formål at øge studietilslutningen og mindske frafaldsraterne.

"AI er ikke en magisk kugle og er i høj grad et igangværende arbejde, men det lover meget for fremtiden for sundhedspleje og lægemiddeludvikling, " siger hovedforfatter og datalog Stefan Harrer, en forsker hos IBM Research-Australia.

Som en del af gennemgangen og baseret på deres forskning, Harrer og kolleger rapporterede, at AI potentielt kan øge succesraten for kliniske forsøg ved at:

• Effektiv måling af biomarkører, der afspejler effektiviteten af ​​det lægemiddel, der testes
• Identifikation og karakterisering af patientsubpopulationer, der er bedst egnede til specifikke lægemidler. Mindre end en tredjedel af alle fase II-forbindelser går videre til fase III, og et ud af tre fase III-forsøg mislykkes - ikke fordi stoffet er ineffektivt eller farligt, men fordi forsøget mangler patienter nok eller de rigtige slags patienter.
• Start-ups, store virksomheder, regulerende organer, og regeringer udforsker alle og driver brugen af ​​kunstig intelligens til at forbedre design af kliniske forsøg, Harrer siger. "Det, vi ser på dette tidspunkt, er overvejende tidligt, proof-of-concept, og gennemførlighedspilotundersøgelser, der viser det høje potentiale af adskillige kunstig intelligens-teknikker til at forbedre ydeevnen af ​​kliniske forsøg, " siger Harrer.

Forfatterne identificerer også flere områder, der viser det mest virkelige løfte om AI for patienter. For eksempel:

• AI-aktiverede systemer kan give patienter mere adgang til og kontrol over deres personlige data.
• Coaching via AI-baserede apps kan forekomme før og under forsøg.
• AI kunne overvåge individuelle patienters overholdelse af protokoller kontinuerligt i realtid.
• AI-teknikker kunne hjælpe med at guide patienter til forsøg, som de måske ikke var klar over
• I særdeleshed, Harrer siger, brugen af ​​kunstig intelligens i præcisionsmedicinske tilgange, såsom at anvende teknologi til at fremme, hvor effektivt og præcist fagfolk kan diagnosticere, behandle og håndtere neurologiske sygdomme, er lovende. "AI kan have en dybtgående indflydelse på at forbedre patientovervågning før og under neurologiske forsøg, " han siger.

Gennemgangen vurderede også de potentielle implikationer for lægemidler, som omfattede:

• Computervisionsalgoritmer, der potentielt kan udpege relevante patientpopulationer gennem en række input fra håndskrevne formularer til digitale medicinske billeder.
• Anvendelser af AI-analyse til mislykkede kliniske forsøgsdata for at afdække indsigt til fremtidigt forsøgsdesign.
• Brugen af ​​AI-kapaciteter såsom Machine Learning (ML), Deep Learning (DL), og Natural Language Processing (NLP) til at korrelere store og forskellige datasæt såsom elektroniske sundhedsjournaler, medicinsk litteratur, og forsøgsdatabaser for at hjælpe pharma med at forbedre forsøgsdesignet, matchning af patient-forsøg, og rekruttering, samt til overvågning af patienter under forsøg.

Forfatterne identificerede også flere vigtige takeaways for forskere:

• "Health AI" er et voksende felt, der forbinder medicin, pharma, datavidenskab og teknik.
• Den næste generation af sundhedsrelaterede AI-eksperter får brug for en bred vifte af viden inden for analyse, algoritmekodning og teknologiintegration.
• Der er behov for løbende arbejde for at vurdere databeskyttelse, sikkerhed og tilgængelighed, samt etikken i at anvende AI-teknikker på følsomme medicinske oplysninger.

Fordi AI-metoder først er begyndt at blive anvendt til kliniske forsøg i de sidste 5 til 8 år, det vil højst sandsynligt vare endnu flere år i en typisk 10- til 15-årig lægemiddeludviklingscyklus, før AI's indvirkning kan vurderes nøjagtigt.

I mellemtiden, streng forskning og udvikling er nødvendig for at sikre levedygtigheden af ​​disse innovationer, siger Harrer. "Større yderligere arbejde er nødvendigt, før AI demonstreret i pilotstudier kan integreres i design af kliniske forsøg, " siger han. "Ethvert brud på forskningsprotokollen eller for tidlig opstilling af urimelige forventninger kan føre til en underminering af tilliden - og i sidste ende succesen af ​​AI i den kliniske sektor."