Avances en IA en medicina y ensayos clínicos – .

Uno de los grandes retos que las empresas han tenido que afrontar en los últimos años es el tema de Inteligencia artificial (IA)los datos y su análisis.

Ya es bastante difícil crear una cultura. basado en datos o desarrollar productos/servicios de datos en condiciones normales. Pero Hacerlo mientras su negocio, industria y mundo se transforman es casi imposible.

Publicidad

Publicidad

Es tan difícil que siempre dudamos cuando alguien afirma haberlo conseguido. Confiamos más cuando dicen que “están avanzando”.

Esas fueron las palabras de Sy Pretorius, ex presidente de desarrollo clínico y director médico de Parexel International. Parexel es una de las organizaciones de investigación clínica (o CRO) más importantes del mundo y actualmente están intentando adoptar una postura más agresiva contra el AI.

¿Es la Inteligencia Artificial el nuevo mesías de la humanidad? La respuesta es sí

Una época de cambios dramáticos

Los cambios son vertiginosos. El CRO Se dedican a realizar ensayos clínicos para empresas farmacéuticas. Pero nuevas estrategias y modelos de negocio están llevando a la industria en una dirección diferente. basado en datos. Presentamos algunos ejemplos de los cambios más obvios.

Nuevos requisitos para procesar evidencia empírica

El ensayos clínicos Solían seguir el mismo protocolo: muestras aleatorias, “estándares de oro”, pruebas doble ciego y grupos de control como referencia.

Pero las compañías farmacéuticas y las CRO están probando nuevos métodos en los que todos los participantes reciben el tratamiento experimental. Luego se comparan con un grupo sintético de pacientes enfermos que reciben tratamiento estándar.

El conductores de prueba Deben obtener y analizar evidencia del mundo real para observar cómo progresa la enfermedad en el grupo sintético. Como señaló Pretorius: “Cuando se puedan extraer datos clínicos y se pueda comprobar la efectividad y eficacia del nuevo tratamiento, será necesario inscribir a menos pacientes. De esta forma, se reducirá la duración total del estudio y la carga logística”. sin embargo, el carga analítica y los datos de CRO aumentarán.

Recopilación de datos a largo plazo

El CRO Tradicionalmente se han centrado en la seguridad y eficacia de medicamentos y dispositivos durante los ensayos clínicos. Pero ahora tu farmacovigilancia Puede extenderse hasta que los tratamientos salgan al mercado.

Este tema se dio a conocer en 2004, gracias al escándalo Vioxx. En ese momento se descubrió que un medicamento que circulaba desde hacía cinco años, provocaba graves problemas cardíacos. Parexel y otras CRO tendrán que vigilar sus productos durante más tiempo y anticiparse a todo tipo de problemas.

Oportunidades para realizar pruebas en otras áreas

El AI Es necesario optimizar los sitios y países donde se realizan los ensayos clínicos, ya que son internacionales, simultáneos y, por tanto, más costosos. Es Demasiada información suficiente para que cualquiera pueda tenerlo en cuenta a la hora de diseñar un ensayo.

Simulaciones de IA

El costo y Peligro de ensayos clínicos en animales y humanos. Son muy altos. Por eso Parexel y otras empresas comenzaron a explorar el uso de ensayos. en silicona, de modo que se simula con datos el impacto de un fármaco en el cuerpo u órgano. Adiós a las pruebas que inoculan a seres vivos.

Juicios en domicilios particulares y sus consecuencias.

Durante la pandemia de COVID-19, los ensayos clínicos no han podido ser monitoreados en sitios físicos, como es habitual. Parexel y otros aprovecharon la oportunidad para juicios directos hacia el paciente, adoptando métodos descentralizados. De esta forma, los medicamentos o dispositivos se entregan y administran en el domicilio del paciente.

Los procedimientos se controlan mediante telemedicina u otros medios digitales. Esto, por supuesto, genera nuevos datos: la información que recopilan llega a través de dispositivos portátiles y monitoreo del hogar. El enorme flujo de datos debe almacenarse, integrarse y analizarse para garantizar el cumplimiento y la participación del paciente en el ensayo.

Recomendaciones para pacientes con bases genéticas.

Medicina de precisión, donde se recomiendan (o no) tratamientos para enfermedades dependiendo del biomarcadores genéticos de cada persona, avanza lenta pero firmemente. Parexel quería utilizar análisis y AI conocer los rasgos que hacen que un paciente responda o no a un medicamento.

Cómo utilizar el análisis de datos basado en decisiones a su favor

Cómo liderar el cambio

Desarrollar las capacidades de análisis, los datos y la inteligencia artificial para hacer frente a todos estos cambios depende de Michelle Hoiseth, ex vicepresidenta y directora de datos de Parexel. Hoiseth, un veterano con 23 años de experiencia, fue investigador clínico antes de dedicarse a la tecnología y los datos.

Al igual que Pretorius, no afirma que la empresa domine estos aspectos, pero destaca buenos avances. Acerca de, hoiseth describió cuatro áreas principales de actividad en Parexel.

Primera categoría

La primera categoría es la más simple y directa. Se está utilizando la automatización (procesos robóticos y automatizaciones inteligentes) para reducir la carga de trabajo manual en tareas administrativas.

Segunda categoría

En segundo lugar tenemos el AI para detectar señales de riesgo en los datos del paciente. Este tipo de información se puede encontrar en ensayos clínicos actuales o antiguos, por lo que la IA para extraer datos sería muy útil. La información también puede estar en flujos desde dispositivos médicos o dispositivos portátiles, registros electrónicos, notas clínicas o incluso contenido de redes sociales.

Tercera categoría

La tercera categoría implica el análisis de los datos de los pacientes, especialmente para garantizar que todo esté en orden después de la comercialización. Desde hace algunos años, Parexel monitorea los eventos adversos que se registran en informes médicos. Sin embargo, la monitorización directa cuando se prescriben o utilizan múltiples medicamentos en diferentes pacientes conduciría a una mejor farmacovigilancia.

Cuarta categoría

La última categoría es predicción y seguimiento de resultados. El objetivo es comprender qué pacientes responden a los medicamentos según lo previsto, cuáles no y qué características los inclinan hacia una reacción u otra.

Hoiseth señaló que esta área genera mucho interés en toda la industria, incluso en otros prácticas como la cirugía.

“Estamos trabajando con expertos en ciencias biológicas y atención sanitaria para avanzar en este complejo campo de la medicina de precisión”, afirmó.

Parexel Internacional ha estado en el negocio por más de 35 años. Pretorius y Hoiseth dijeron que nunca habían visto tantos cambios en la industria. Ellos están usando datos, análisis e inteligencia artificial no sólo para mantenerse vigente, sino para liderar la transformación de los productos biofarmacéuticos y los ensayos clínicos, en beneficio de los pacientes de todo el mundo.

SOBRE EL AUTOR

Thomas H. Davenport (@tdav) es el Profesor Distinguido del Presidente de Tecnología y Gestión de la Información en Babson College, profesor invitado en la Saïd Business School de Oxford y miembro de la Iniciativa del MIT sobre Economía Digital. frijol randy (@randybeannvp) es un líder intelectual de la industria, autor y director ejecutivo de NewVantage Partners, una consultoría de gestión y asesoramiento estratégico que fundó en 2001. Es autor del libro Fail Fast, Learn Faster: Lessons in Data-Driven Leadership in an Age of Disruption, Big Data and AI, de próxima publicación en agosto de 2021, por Wiley.