Eine glänzende Zukunft für KI in Pharma

In den letzten Jahren haben Pharmaunternehmen künstliche Intelligenz (KI) stetig in viele Aspekte der klinischen Entwicklung integriert. Heutzutage wird die Auswirkungen von AI von der Bank zur Klinik und darüber hinaus zu spüren.

Laut einer Umfrage des Tufts Center for the Study of Drug Development (TUFTS CSDD) meldet ein Drittel der Befragten eine teilweise oder vollständige Umsetzung von KI zur Unterstützung der Planung, Entwurf, Ausführung und Einreichung von regulatorischen klinischen Studien. Gemäß derselben Umfrage führt die Verwendung von KI zu einer durchschnittlichen Zeiteinsparung von 18% bei Aufgaben und Aktivitäten für klinische Studien.

Seit 2015 sind 75 KI-entdeckte Moleküle in die Klinik eingetreten, und 67 davon traten ab 2023 in laufenden Studien auf, als im Jahr 2023 ein Wassereinzugsgebietsmoment auftrat, als Insilico Medicine-Kandidat für die Behandlung idiopathischer Lungenfibrose (IPF), INS018_055, zum ersten Mal entdeckt wurde.

Diese Beispiele kratzen nur an der Oberfläche der Vorteile von AI für Pharma. McKinsey identifizierte 12 Anwendungsfälle, die die Fähigkeit von AI veranschaulichen, Qualität, Geschwindigkeit und Effizienz in der klinischen Entwicklung erheblich zu verbessern. Diese Anwendungsfälle zeigten niedrigere Kosten, beschleunigte Registrierung und höhere Erfolgsraten infolge der Einbeziehung der KI.

AI mit Sorgfalt verwenden

Diejenigen, die von Tufts CSDD befragt wurden, besagen, dass erfolgreichere Implementierungen und Anwendungsfälle die KI -Einführung vorantreiben. Dies umgeht jedoch nicht vollständig die einzigartigen Herausforderungen, die die Einführung von KI in Pharma behindert haben.

Eines der größten Hindernisse ist die Angst, dass KI möglicherweise sensible Patientendaten freilegen könnte. Unternehmen sprechen dieses Risiko teilweise durch die Anonymisierung und Ent-Identifizierung, Datenmaskierung und Pseudonymisierung ein, um persönlich identifizierbare Informationen aus Datensätzen zu entfernen, bevor sie in AI-Anwendungen verwendet werden. Darüber hinaus werden Modelle, die auf nicht identifizierten Daten ausgebildet sind, weiter geschützt oder verschlüsselt, um Daten auf Patientenebene weiter zu schützen. Beispielsweise kann die Verwendung sensiblerer Datenpunkte wie Geburtsdatum durch die Verwendung von Proxys wie dem Alter vermieden werden.

Ein weiteres Problem ist die unterschiedliche Qualität der Daten, die zum Training von AI-gesteuerten Modellen verwendet werden. In der klinischen Entwicklung kann ein KI -Modell, das auf schlechten Daten geschult wurde, Fehler bei der Prognose erhöhen und weitere Verzögerungen bei den Versuchszeitplänen einführen. Daher sind es wichtige Unternehmen sicherzustellen, dass Daten aus vertrauenswürdigen Quellen mit starken Datenmanagementpraktiken stammen und sich vor der Verwendung für die Schulungs -KI -Modelle der erforderlichen Qualitätssicherung und -transformation unterziehen.

Menschenverzerrungen in Daten treten auf, wenn eine Antwort oder ein Ergebnis absichtlich oder unbeabsichtigt über eine andere gefördert wird. Wenn das KI -Modell mit voreingenommenen Daten gebaut oder trainiert wird, kann es diese Vorurteile in seinen Ergebnissen aufrechterhalten und bestehende Ungleichheiten verschlimmern. In einer Studie nahm die Genauigkeit der Diagnosen des Assistenten um 11,3%ab. Laut IBM muss das Bewusstsein für die Verzerrung in den einzelnen Datenverarbeitungsschritt eingebaut werden, und dass die laufende Überwachung und Prüfung mit realen Daten die Tendenz erfassen und korrigieren kann, bevor es in das KI-Modell eingebettet wird. Beispielsweise sollten Datenpunkte wie ethnische Zugehörigkeit oder Rasse nur als Datenfilter verwendet werden, um berechtigte Teilnehmer zu identifizieren, wenn das Protokoll von einem epidemiologischen Standpunkt aus restriktiv waren. Tatsächlich sollten solche Datenpunkte nicht als Prädiktoren für operative Metriken für klinische Studien verwendet werden, die auf objektiven, messbaren und epidemiologisch relevanten Kriterien wie Diagnosen usw. basieren sollten.

Pharmaunternehmen müssen auch sicherstellen, dass ihre Compliance -Tools auf dem neuesten Stand sind, damit sie sicherstellen können, dass ihre KI -Anwendungen innerhalb der Regulierungsgrenzen bleiben. Dies kann eine Herausforderung sein, da einige regulatorische Richtlinien, wie die „gute maschinelle Lernpraxis“ der FDA, die schnelle Weiterentwicklung der KI zurückbleiben, beispielsweise unter Berücksichtigung der allgegenwärtigen Verwendung von generativer KI. Die Verwendung aktueller und umfassender Compliance-Tools zur Bewertung, Form und Überwachung von Daten und KI-Modellen, wird AI mit robusten regulatorischen Leitplanken zur Verfügung stellen.

Glattes Himmel voraus

Pharma wird die KI im Jahr 2025 weiterhin annehmen, wobei die Unternehmen wahrscheinlich in jeder Phase des Entwicklungsprozesses verwendet werden. Laut Fairfield Market Research Projections wird der Weltmarkt für KI in Pharma bis Ende 2030 einen Umsatz von mehr als 4,45 Milliarden US -Dollar erzielen, wobei eine robuste jährliche Wachstumsrate (CAGR) von 19,1% von 2023 bis 2030 eine robuste jährliche Wachstumsrate von 19,1% erzielt.

Dieser Einsatz von KI wird wahrscheinlich von der neu verankerten Trump -Regierung gefördert, die von Anfang an die Haltung gegenüber KI deutlich gemacht hat. Kurz nach dem Amtsantritt half Präsident Trump mit einem Joint Venture in Höhe von 500 Milliarden US -Dollar zwischen Openai, Oracle und SoftBank, die in die KI -Infrastruktur investieren werden. Während der Ankündigung schlug Larry Ellison, CEO von Oracle, vor, dass ein Teil des Projekts mit digitalen Gesundheitsakten in Verbindung gebracht und die Potenzial der KI für die Entwicklung neuer Behandlungen für Krankheiten wie Krebs angepriesen wird.

Einige Möglichkeiten, wie Pharmaunternehmen KI -Technologien im Jahr 2025 verwenden werden, umfassen das Screening von Verbindungen und die Bewertung ihrer epidemiologischen Eignung und das Potenzial für die Umentwendung, Planung und Optimierung klinischer Studien Design und Ausführung, Verbesserung der Vielfalt und Eingliederung in die Einschreibung in der klinischen Studie sowie die Straffung und Verbesserung des regulatorischen Offenlegungsprozesses.

Einige Möglichkeiten, wie Pharma KI in der Planung und Optimierung der klinischen Studien verwenden wird, umfassen eine prädiktive und präskriptive Modellierung, die Identifizierung von Arzneimittelkandidaten und die Wiedereinstellung zugelassenen Arzneimitteln zur Behandlung anderer Indikationen sowie die Gestaltung und Optimierung klinischer Studienprotokolle. Insbesondere das Protokolldesign wird als vielversprechende Grenze für die Verwendung von KI in der Arzneimittelentwicklung angesehen, angesichts der Zeit und der Anstrengung, die zum Schreiben von Versuchsprotokollen erforderlich ist, sowie die Verzögerung, die durch Protokolländerungen in klinischen Studienzeitplänen beigetragen wird.

Unternehmen wie Merck & Co. verwenden bereits KI in Entwicklungsworkflows wie Unterstützung und Beschleunigung von medizinischen Schreiben und beabsichtigen, KI -Agenten für die Automatisierung von Wiederholungsaufgaben wie Datenreinigung oder vorläufige Analysen zu nutzen.

Während Sponsoren klinische Studienregulierung durchführen, wird die Zukunft mehr Pharmaunternehmen mit der Nutzung von KI zur Verbesserung der Vielfalt und Eingliederung, insbesondere in Studien, die durch Design und die Wahrscheinlichkeit von Patienten, die eine akzeptable Reihe von Einschluss-/Ausschlusskriterien entsprechen, zu finden, zur Beschleunigung klinischer Studienzeitpläne nutzen.

Anstatt darauf zu warten, dass die Patienten zu ihren Studien kommen, nutzt Johnson & Johnson AI, um klinische Forschungsorte und Forscher mit berechtigten und geeigneten Patienten zu lokalisieren, die von den untersuchten J & J -Medikamenten unterstützt werden könnten. J & J verwendet auch Daten und KI, um klinische Studien zu diversifizieren, indem sie Anbieter finden, bei denen verschiedene Patienten häufiger behandelt werden und die Aufnahme von berechtigten Patienten aus diesen Anbietern priorisieren. Sparen Sie Wochen des Dialogs. Es wird auch die Verwendung von KI bei der Automatisierung der Produktion der Fülle von Berichten und Dokumentationen untersucht, die von den Aufsichtsbehörden gefordert werden.

Foto: Zorazhuang, Getty Images

Dieser Beitrag erscheint durch das Medcity Influencers -Programm. Jeder kann seine Sichtweise auf Geschäft und Innovation im Gesundheitswesen in Bezug auf MedCity -Nachrichten durch MedCity -Influencer veröffentlichen. Klicken Sie hier, um herauszufinden, wie.