評估AI如何促進臨床試驗的成功

在7月17日發(fā)表在“藥理科學趨勢 ”雜志上的一篇評論中，研究人員研究了人工智能(AI)如何影響未來十年的藥物開發(fā)。

大型制藥公司和其他藥物開發(fā)商正在努力解決兩難問題：重磅炸彈藥的時代即將結束。與此同時，在他們的投資組合中添加新藥物既緩慢又昂貴。將新藥推向市場平均需要10 - 15年和1.5-2億美元; 大約一半的時間和投資用于臨床試驗。

盡管AI尚未對臨床試驗產生重大影響，但基于AI的模型正在幫助試驗設計，基于AI的技術正在用于患者招募，而基于AI的監(jiān)測系統(tǒng)旨在提高研究依從性并降低輟學率。

“人工智能不是一個神奇的，是一項正在進行中的工作，但它對醫(yī)療保健和藥物開發(fā)的未來抱有很大的希望，”主要作者和計算機科學家Stefan Harrer說，他是IBM Research-Australia的研究員。

作為評估的一部分并基于他們的研究，Harrer及其同事報告說AI可以通過以下方式提高臨床試驗的成功率：

有效地測量反映被測藥物有效性的生物標志物

識別和表征最適合特定藥物的患者亞群。不到三分之一的II期化合物進入III期，三分之一的III期試驗失敗 - 不是因為藥物無效或危險，而是因為試驗缺乏足夠的患者或正確類型的患者。

Harrer說，初創(chuàng)企業(yè)，大型企業(yè)，監(jiān)管機構和政府都在探索并推動人工智能用于改進臨床試驗設計。“我們在這一點上看到的主要是早期階段，概念驗證和可行性試點研究，證明了眾多AI技術在提高臨床試驗性能方面的巨大潛力，”Harrer說。

作者還確定了幾個顯示患者AI真實世界承諾的領域。例如：

支持AI的系統(tǒng)可以讓患者更多地訪問和控制他們的個人數據。

通過基于AI的應用程序的輔導可以在試驗之前和期間進行。

AI可以實時監(jiān)控個體患者對協(xié)議的依從性。

人工智能技術可以幫助指導患者進行他們可能沒有意識到的試驗

特別是，Harrer說，在精準醫(yī)學方法中使用AI，例如應用技術來提高專業(yè)人員如何有效和準確地診斷，治療和管理神經疾病，是有希望的。“在神經系統(tǒng)試驗之前和期間，AI可以對改善患者監(jiān)測產生深遠的影響，”他說。

該評價還評估了對制藥業(yè)的潛在影響，其中包括：

計算機視覺算法可以通過從手寫形式到數字醫(yī)學圖像的一系列輸入來潛在地確定相關患者群體。

人工智能分析應用于失敗的臨床試驗數據，以揭示未來試驗設計的見解。

使用機器學習(ML)，深度學習(DL)和自然語言處理(NLP)等AI功能來關聯(lián)大型和多樣化數據集，如電子健康記錄，醫(yī)學文獻和試驗數據庫，以幫助制藥改進試驗設計，患者 - 試驗匹配和招募，以及在試驗期間監(jiān)測患者。

作者還為研究人員確定了幾個重要的要點：

“健康AI”是一個日益增長的領域，連接醫(yī)學，制藥，數據科學和工程。

下一代與健康相關的AI專家需要在分析，算法編碼和技術集成方面擁有廣泛的知識。

正在進行的工作需要評估數據隱私，安全性和可訪問性，以及將AI技術應用于敏感醫(yī)療信息的道德規(guī)范。

由于AI方法在過去的5到8年內才開始應用于臨床試驗，在AI的影響可以準確評估之前，在典型的10到15年的藥物開發(fā)周期中很可能是另外幾年。

Harrer說，與此同時，必須進行嚴格的研究和開發(fā)，以確保這些創(chuàng)新的可行性。“在將試驗研究中的人工智能展示納入臨床試驗設計之前，需要做進一步的重大工作，”他說。“任何違反研究方案或過早設定不合理的期望都可能導致信任的破壞 - 并最終導致人工智能在臨床領域的成功。”