Роль ИИ в клинических исследованиях и разработке лекарств

Искусственный интеллект (AI) меняет клинические исследования: помогает привлекать пациентов и оптимизировать разработку лекарств. В этой статье мы рассмотрим влияние AI на клинические испытания благодаря передовому анализу данных и прогнозному моделированию.

ИИ меняет здравоохранение: улучшает диагностику, позволяет персонализировать лечение и повышает эффективность процессов. Менее известна растущая роль машинного обучения в клинических испытаниях, где оно способствует развитию отрасли благодаря анализу данных, прогностическому моделированию и оптимизации привлечения пациентов.

AI ускоряет поиск лекарств, повышает точность клинических испытаний, сокращает затраты и ускоряет разработку методов лечения. Например, алгоритмы AI эффективно анализируют большие объемы данных, выявляя потенциальных кандидатов в лекарства, точно прогнозируя результаты лечения и оптимизируя дизайн клинических испытаний, чтобы они проходили быстрее и успешнее. Модели компьютерного зрения, такие как Ultralytics YOLOv8, также помогают в здравоохранении и фармацевтике, выполняя такие задачи, как обнаружение объектов, сегментация экземпляров, оценка позы и классификация, при условии обучения на качественных размеченных данных.

Кроме того, платформы на базе AI, такие как AlphaFold от DeepMind, продемонстрировали возможность предсказывать трехмерную структуру молекул, преобразуя процессы разработки и открытия лекарств.

Рис. 1. Двойная спираль ДНК — молекулярная структура, несущая генетическую информацию живых организмов.

Кроме того, лаборатория Джимэна Сана в Университете Иллинойса в Урбане-Шампейне представила HINT (иерархическую сеть взаимодействий), которая прогнозирует успех клинических испытаний на основе данных о молекулах лекарств, целевых заболеваниях и соответствии пациентов критериям участия. Система SPOT (последовательное прогностическое моделирование исходов клинических испытаний) отдает приоритет более свежим данным, влияя на дизайн фармацевтических испытаний и выбор потенциальных альтернативных препаратов.

И все же лишь несколько давно работающих компаний внедряют ИИ в клиническую разработку.

Использование ИИ в клинических испытаниях#

ИИ применяют в разных областях клинических исследований, чтобы повысить эффективность, точность и качество результатов. Рассмотрим подробнее ключевые области, в которых ИИ существенно влияет на клинические испытания:

• Анализ данных и распознавание закономерностей. AI может анализировать большие объемы данных клинических испытаний, электронных медицинских карт и других источников, выявляя закономерности и корреляции, которые человеку не под силу обнаружить. Это помогает точнее определять эффекты лечения и реакцию пациентов.
• Привлечение и удержание пациентов. Алгоритмы ИИ помогают оптимизировать отбор участников клинических испытаний: они быстро и точно находят подходящих пациентов в больших массивах данных. Это ускоряет набор и повышает долю участников, продолжающих участие в испытаниях, поскольку отбор лучше соответствует критериям исследования.
• Прогнозная аналитика результатов лечения. Анализируя исторические и текущие данные о пациентах, алгоритмы прогнозирования точно предсказывают результаты лечения. Это помогает разрабатывать эффективные клинические испытания и подбирать лечение индивидуально, что может улучшить результаты и свести к минимуму побочные эффекты для каждого пациента.
• Автоматизированный сбор данных и управление ими. ИИ может автоматизировать сбор, систематизацию и анализ данных, снижая вероятность человеческой ошибки и предоставляя аналитические данные в реальном времени. Это упрощает процессы, ускоряет исследования и способствует разработке новых методов лечения.

ИИ в клинических исследованиях: как справиться с трудностями#

ИИ продолжает менять клинические исследования, поэтому важно учитывать не только его перспективы, но и возможные риски. ИИ дает заманчивые преимущества — повышает эффективность и точность, упрощает привлечение пациентов и снижает расходы, — но его внедрение сопряжено с трудностями. Вот несколько важных моментов:

• Возможная предвзятость алгоритмов AI. Системы AI обучаются на исторических данных, которые могут содержать присущую им предвзятость, например предвзятость отбора, выборки или измерений. Например, модели могут хуже работать на пациентах-женщинах, если в обучающих данных преобладают мужчины (предвзятость отбора), плохо обобщать результаты на пациентов из сельской местности при обучении на городских данных (предвзятость выборки) или воспроизводить неточности из-за систематических ошибок при сборе данных (предвзятость измерений). Если не контролировать эти проблемы, они могут привести к искаженным результатам, повлияв на помощь пациентам и выводы исследований.
• Проблемы конфиденциальности и безопасности данных. В клинических исследованиях используется огромное количество конфиденциальных данных пациентов, поэтому защита их конфиденциальности и безопасности имеет первостепенное значение. Системы AI уязвимы для кибератак и утечек, что вызывает опасения по поводу конфиденциальности и целостности информации о пациентах.
• Нормативные и этические проблемы. Технологии AI развиваются так быстро, что часто опережают нормативные рамки и этические рекомендации. Возникают вопросы о надлежащем применении AI в клинических исследованиях, в том числе об информированном согласии, прозрачности и подотчетности.
• Зависимость от качественных данных. Эффективность AI, несмотря на его способность работать с большими объемами данных, зависит от качества, разнообразия и объема датасетов. Неполные, предвзятые или недостаточные данные могут снизить надежность и достоверность выводов AI, замедляя развитие клинических исследований.

Решая эти проблемы, заинтересованные стороны смогут обеспечить ответственное внедрение искусственного интеллекта в клинические исследования и способствовать улучшению результатов здравоохранения.

Требования FDA: роль ИИ в клинических исследованиях#

В последние годы Управление по контролю за продуктами и лекарствами США (FDA) отмечает значительный рост числа заявок на регистрацию лекарств и биологических препаратов, включающих компоненты AI и машинного обучения: только в 2021 году было зарегистрировано более 100 заявок. Они охватывают различные этапы разработки лекарств: поиск препаратов, клинические исследования, мониторинг безопасности после выхода на рынок и передовое фармацевтическое производство.

В целях поддержки инноваций в разработке лекарств FDA одобрило несколько инструментов и технологий AI для использования в клинических исследованиях. Они охватывают разные области: от прогнозной аналитики для привлечения пациентов до анализа медицинских изображений в диагностических целях.

Предоставляя рекомендации FDA по клиническим испытаниям, ведомство признает, что ИИ и машинное обучение открывают новые возможности и создают новые трудности в разработке лекарств. Чтобы учесть и то и другое, FDA повышает гибкость регулирования, поддерживая инновации и уделяя приоритетное внимание защите здоровья населения.

Ожидается, что AI и машинное обучение будут играть ключевую роль в разработке лекарств, а FDA планирует создать и внедрить гибкую нормативную систему с учетом рисков, которая будет поощрять инновации и защищать безопасность пациентов.

Инновации ИИ в здравоохранении: ключевые участники#

Компании по всему миру все активнее используют AI, чтобы ускорить поиск лекарств и планирование персонализированного лечения. Вот несколько крупных компаний, применяющих AI:

• Pfizer: Компания Pfizer использует ИИ для поиска и разработки лекарств, ускоряя выявление и разработку новых терапевтических средств и оптимизируя весь путь от исследования до выхода на рынок.
• Medidata Solutions: Эта компания, предлагающая облачные программные решения, использует ИИ для оптимизации клинических испытаний: упрощает анализ данных, повышает вовлеченность пациентов и прогнозирует результаты в реальном времени. В итоге исследования проходят быстрее, а вероятность успеха испытаний повышается.

Рис. 2. AI играет ключевую роль в оптимизации выбора площадок для клинических испытаний, чтобы укладываться в сроки набора участников.

• BenevolentAI: Компания BenevolentAI использует ИИ для выдвижения и проверки гипотез, превращая большие массивы данных в практически применимые выводы и стимулируя инновации и открытия в биомедицинских исследованиях.
• Tempus: Сотрудничая с GlaxoSmithKline, компания Tempus персонализирует лечение, повышает его эффективность и сводит к минимуму побочные эффекты с помощью платформ на базе ИИ. Вместе компании стремятся повысить эффективность исследований и разработок и быстрее предоставлять пациентам адаптированную терапию.
• Exscientia: Компания Exscientia внедряет передовые решения ИИ для разработки и оптимизации лекарств, ускоряя процесс разработки и повышая точность терапевтических вмешательств, что позволяет создавать более эффективные методы лечения.

Ключевые направления и перспективы ИИ в клинических исследованиях#

Кардиология, онкология, неврология и редкие заболевания стали ключевыми областями внедрения ИИ в клинические исследования по нескольким причинам. Во-первых, в этих областях часто работают со сложными наборами данных, которые особенно подходят для анализа и прогнозирования с помощью ИИ.

Во-вторых, высокая серьезность заболеваний в этих областях, таких как болезни сердца, рак, неврологические и редкие заболевания, требует точных и персонализированных подходов к диагностике и лечению, которые AI способен обеспечить.

Кроме того, развитие технологий ИИ позволило исследователям создавать инновационные решения для уникальных задач каждой из этих медицинских специальностей. Поэтому ИИ все шире применяют в клинических исследованиях в этих областях, открывая путь к улучшению результатов лечения пациентов и повышению эффективности оказания медицинской помощи.

Однако возможности применения AI простираются далеко за пределы этих областей. По мере развития технологий и роста доступности данных у AI появляется значительный потенциал для совершенствования других направлений медицины.

От дерматологии до радиологии и психиатрии AI помогает улучшать диагностику, планирование лечения и помощь пациентам в самых разных областях медицины. По мере того как исследователи продолжают изучать возможности AI, его роль в клинических исследованиях будет расширяться, способствуя новой эре точной медицины и улучшению результатов лечения.

ИИ и клинические исследования: основные выводы#

ИИ меняет здравоохранение: улучшает диагностику, позволяет персонализировать лечение и повышает эффективность процессов. В клинических испытаниях машинное обучение играет ключевую роль: оно способствует развитию анализа данных и прогностического моделирования и помогает оптимизировать привлечение пациентов. Это ускоряет поиск лекарств, повышает точность испытаний и эффективно снижает расходы.

Например, алгоритмы AI эффективно анализируют большие объемы данных, чтобы выявлять кандидатов в лекарства и прогнозировать результаты лечения. Кроме того, платформы AI, такие как AlphaFold от DeepMind, предсказывают структуры молекул, преобразуя разработку лекарств.

Однако возможности ИИ выходят за пределы этих областей и обещают прогресс в самых разных специальностях. Несмотря на такие трудности, как предвзятость и риски для конфиденциальности данных, внедрение ИИ в клинические исследования открывает широкие перспективы и знаменует начало новой эры прецизионной медицины и улучшения результатов здравоохранения.

Интересуешься ИИ? Присоединяйся к нашему сообществу, чтобы быть в курсе последних новостей об искусственном интеллекте. Загляни в наш репозиторий на GitHub и изучи решения компьютерного зрения в таких областях, как сельское хозяйство и производство!