Inteligência Artificial aplicada em ensaios clínicos

A Inteligência Artificial na indústria farmacêutica se refere ao uso de algoritmos automatizados para executar tarefas que tradicionalmente dependem da inteligência humana. Nos últimos cinco anos, o uso de IA e de biotecnologia redefiniu como os cientistas desenvolvem novos medicamentos, combatem doenças e muito mais.

Em 2018, a Verdict AI perguntou às empresas o quão vital seria a Inteligência Artificial em seus respectivos setores e mais de 70% deles pensaram que seria muito importante. Do mesmo grupo, apenas 11% das empresas não consideraram investir na tecnologia.

Além disso, de acordo com a Narrative Science, 61% das empresas que investem em estratégias inovadoras estão usando IA para identificar oportunidades que, de outra forma, teriam perdido. Para as empresas farmacêuticas que prosperam na inovação, esta é uma estatística importante para entender.

Um estudo publicado pelo Instituto de Tecnologia de Massachusetts (MIT) descobriu que apenas 13,8% dos medicamentos são aprovados nos ensaios clínicos. Além disso, uma empresa pode esperar pagar entre US$ 161 milhões e US$ 2 bilhões por qualquer medicamento para concluir todo o processo de ensaio clínico e obter a aprovação do FDA.

Com isso em mente, as empresas farmacêuticas estão usando Inteligência Artificial para aumentar as taxas de sucesso de novos medicamentos e reduzir os custos operacionais ao mesmo tempo.

Essa tecnologia em farmacologia também pode ser usada para encontrar curas para doenças conhecidas como Parkinson e Alzheimer, além de doenças raras. Esta é uma ótima notícia, considerando o fato de que 95% das doenças raras não têm um único tratamento aprovado pelo FDA, de acordo com a Global Genes.

Tradicionalmente, as empresas farmacêuticas não concentram seus esforços em tratamentos para doenças raras porque o retorno do investimento não garante o tempo e o custo necessários para produzir os medicamentos. No entanto, com os avanços de Inteligência Artificial, houve um interesse renovado nesse tema.

Um componente crítico para um teste bem-sucedido é que os participantes tomam a dosagem necessária de um determinado medicamento o tempo todo. Por exemplo, foi relatado que algoritmos de Machine Learning podem reduzir a ingestão incorreta de doses de medicamentos em até 50% para pacientes com glioblastoma.

Os estudos clínicos ainda dependem de diários físicos, em vez de usar sistemas eletrônicos modernos. Os pacientes devem observar o tempo que tomaram um medicamento, registrar qualquer outro medicamento que tomarem e descrever as reações adversas que experimentaram.

Extrair e entender os dados clínicos dos registros médicos é muito procurado nas indústrias médica e farmacêutica e IA pode ser a resposta para isso. A infraestrutura de TI atual da maioria das empresas farmacêuticas é baseada em sistemas legados que não foram projetados com a tecnologia em mente. 

Eles não têm armazenamento de dados suficiente e geralmente não têm interoperabilidade. A maioria dos dados nos sistemas médicos é de forma livre; portanto, até sistemas como o Deep 6 e o ​​Antidote estarem disponíveis, as informações não podem ser processadas e usadas com eficiência pelos profissionais de saúde.

Por fim, Machine Learning e as automações inteligentes ainda são vistas como uma tecnologia relativamente nova, embora ambas estejam disponíveis há algum tempo. No entanto, com mais informações fornecidas aos tomadores de decisão, aqueles em posição de influenciar as decisões organizacionais em torno de IA ​​esperam obter a munição de que precisam para liderar suas organizações no futuro.

IA pode reduzir custos, criar tratamentos novos e eficazes e, acima de tudo, ajudar a salvar vidas.