U proteklim decenijama ostvarili smo neverovatan napredak u zdravstvu zahvaljujući uvođenju nove tehnologije. Sada veštačka inteligencija (VI) pruža još jednu veliku priliku da se nastavi ovaj trend kako bismo dodatno poboljšali život pacijenata. Postoji širok spektar primena VI kada je u pitanju razumevanje i lečenje zdravstvenih stanja. Zapravo, VI se može koristiti tokom celog procesa kada istraživači započnu lečenje nove bolesti. Tehnologija može biti posebno korisna za otkrivanje novih lekova, razumevanje novonastalih bolesti i merenje ishoda tretmana.
VI u otkrivanju lekova
Dugo pre nego što proizvođači mogu plasirati lek na tržište, istraživači rade na identifikaciji pravih molekula. VI se može primeniti u otkrivanju i razvoju lekova, posebno radi efikasnijeg i jeftinijeg procesa. U tipičnom procesu otkrivanja, istraživači mogu provesti godine testirajući različite molekule, samo da bi shvatili da ona koju su odabrali za kliničko ispitivanje nema željeni efekat. VI može odigrati ulogu u ovom procesu tako što će predviđati biološku aktivnost i interakcije različitih molekula. Korišćenjem postojećih podataka, prediktivni model može identifikovati molekul koji ima veću verovatnoću da će imati željeni uticaj na koji istraživač i medicinska zajednica nadaju, čak i pre nego što bilo ko zakorači u laboratoriju.
Korišćenje VI u razvoju lekova još uvek je u relativno ranim fazama, i trenutno nema lekova otkrivenih pomoću VI na tržištu. S obzirom na to, mnoge zdravstvene i istraživačke organizacije već su počele uključivati VI u proces i ulaziti u klinička ispitivanja s lekovima razvijenim uz pomoć VI. Na primer, lek za idiopatsku plućnu fibrozu (IPF) koji je identifikovan korišćenjem VI ušao je u fazu 1 ispitivanja 2022. godine i dobio je FDA-ovu oznaku Orphan Drug Designation ranije ove godine. Kako industrija postaje udobnija s VI, njene primene u razvoju lekova verovatno će se još više proširiti, i možda ćemo na kraju videti lekove razvijene uz pomoć VI koji se daju pacijentima.
VI u epidemiologiji i upravljanju kliničkim ispitivanjima
Još jedan ključni korak u plasiranju terapije na tržište i dostavljanju je razumevanje bolesti i kako utiče na zdravstvene ishode na nivou populacije. Tu dolaze epidemiolozi – grupa istraživača odgovornih za kvantifikaciju i praćenje upravljanja terapijskim rizikom u ciljanim populacijama i indikacijama.
Koristeći tehnike VI i mašinskog učenja (ML), epidemiolozi mogu istraživati podatke iz stvarnog sveta (RWD) – između ostalih vrsta dostupnih podataka – i identifikovati relevantne trendove za komercijalno i kliničko donošenje odluka. Budući da je ML optimizovan za istraživanje podataka na način slobodan od hipoteza, omogućava istraživačima da otkriju nove obrasce, generišu bolje predviđanja za ključne trendove kao što je prevalencija bolesti i identifikacija faktora rizika povezanih s lošim ishodima. Ovi uvidi su ključni kako bi istraživači razvili tretmane koji će najefikasnije rešavati potrebe svoje ciljne populacije.
VI takođe može automatizovati delove kliničke faze ispitivanja razvoja lekova, što je ključno za utvrđivanje sigurnosti i efikasnosti nove terapije pre nego što stigne do pacijenata. Na primer, VI se može koristiti kako bi se obezbedilo da se pravilni pacijenti regrutuju za kliničko ispitivanje i da studijska grupa predstavlja opštu populaciju uzimajući u obzir raznolikost i jednakost. VI takođe može pomoći u pregledu izveštaja o bezbednosti iz ispitivanja na način koji je pouzdaniji od tima ljudi. Ne može se automatizovati ceo proces epidemiologije i dizajna kliničkog ispitivanja, ali VI može učiniti određene aspekte procesa efikasnijim.
VI u proceni ishoda lečenja
Kada kliničko ispitivanje pokaže efikasnost, kritično je razumeti vrednost nove intervencije na tržištu zdravstva. Do tog trenutka, istraživači su potrošili brojne sate i stotine miliona, ako ne i milijarde dolara, razvijajući terapiju – ali još uvek moraju da se uvere da pravi pacijenti mogu da joj pristupe kad im je potrebna. Tu igra ključnu ulogu istraživanje ekonomije zdravstva i ishoda (HEOR) – proučavanje vrednosti zdravstvenih intervencija – u procesu razvoja lekova.
Krajnji cilj analiza HEOR-a je da pomogne plaćaocima i drugima koji su odgovorni za finansiranje zdravstva da optimizuju zdravlje svojih populacija uz minimalne troškove. Bez toga, zdravstveni sistemi ne bi bili finansijski stabilni, a pravovremena dostava nege bi bila kompromitovana. VI može odigrati ulogu u analizama HEOR-a otkrivajući obrasce u podacima koji pomažu da se kvantifikuje inkrementalna korist tretmana, kao što je identifikacija jedinstvenih podgrupa koje doživljavaju povećano poboljšanje ishoda u odnosu na opštu populaciju.
Na primer, ML je korišćen u studiji među osobama s dijabetesom tipa 2 kako bi se istražilo koje podgrupe mogu imati koristi od ponašajnog tretmana usmerenog na mršavljenje. Iako značajan uticaj nije pronađen među opštom populacijom osoba s dijabetesom tipa 2, istraživači su pronašli da podgrupa s određenim karakteristikama može izbeći komplikacije od kardiovaskularnih bolesti nakon intervencije. Ovi uvidi pomogli su kliničarima i zdravstvenim planovima da znaju koje specifične pacijente bi najviše koristilo od intervencije, što pomaže poboljšanju ishoda pacijenata i štedi ukupne troškove.
Budućnost VI u farmaceutskom procesu
Očigledno je da postoji mnogo primena VI kada je reč o razumevanju i lečenju bolesti, i istraživači su posvećeni daljem napredovanju tehnologije. Zapravo, vodeća organizacija za HEOR, ISPOR, nedavno je uspostavila smernice za korišćenje mašinskog učenja u ovom području. Ovo pokazuje posvećenost proširenju upotrebe VI i ML kako bi se maksimalno iskoristio njihov potencijal.
Epidemiolozi, istraživači, zdravstveni ekonomisti i drugi koji igraju ulogu u razvoju lekova mogu pronaći vrednost u uključivanju VI u svoj rad. I ako možemo koristiti VI da bolje razumemo bolesti i razvijemo efikasnije i ciljane tretmane, pacijenti imaju potencijal za ogromne koristi na kraju dana. VI ima neograničen potencijal u okviru zdravstvene i farmaceutske industrije za poboljšanje života – i na nama je odgovornost da ga iskoristimo u najvećoj mogućoj meri.
