“現(xiàn)在的醫(yī)生每天要花30~40%的時間記錄病歷……”
“它就像一個基于機器學習的指南針，指導著藥物開發(fā)過程中的每一步”
“您越是能夠構(gòu)建強大的數(shù)據(jù)驅(qū)動的臨床終點來確定患者是否對治療有反應，您就越能加強臨床試驗”
“即使機器學習已經(jīng)能夠提供巨大的價值，當人們發(fā)現(xiàn)過度炒作的承諾無法兌現(xiàn)時，它仍然會傷害這個領域”
1.從尋找目標和化合物，到確定最有可能受益的患者群體，制定臨床試驗標準，招募臨床試驗受試者，跟蹤他們的疾病進展，以及決定在實際應用中為哪些患者開出藥物，數(shù)據(jù)技術(shù)可以應用于新藥研發(fā)過程中的許多不同環(huán)節(jié)。
2.考慮到醫(yī)療健康行業(yè)的規(guī)模，即使是5%-20%的效率提升，也足以帶來巨大的變化。
3.目前人工智能領域還處于發(fā)展初期，業(yè)界需要對此有一個正確的預期。它的潛力需要很多年才能實現(xiàn)，之前的過度炒作反而會阻礙這個領域的發(fā)展，而不是促進它的發(fā)展。
在最近結(jié)束的“2022藥明康德(603259)健康產(chǎn)業(yè)論壇”上，來自投資機構(gòu)、醫(yī)療系統(tǒng)、前沿公司的四位行業(yè)領袖就當前人工智能(AI)、機器學習(ML)等前沿技術(shù)對醫(yī)療健康領域的影響進行了熱烈的討論，并指出了前沿技術(shù)在改變現(xiàn)有醫(yī)療、推動新藥研發(fā)和臨床試驗方面的多重機遇。
人工智能近年來成為生物醫(yī)藥行業(yè)的焦點。與會專家表示，人工智能可能會及時影響醫(yī)療健康領域的方方面面。insitro首席執(zhí)行官達芙妮柯勒博士認為，機器學習和AI工具對產(chǎn)業(yè)鏈的影響就像電腦對產(chǎn)業(yè)鏈的影響一樣，涉及所有領域。具體來說，人工智能的影響可以體現(xiàn)在以下幾個方面。
創(chuàng)新臨床護理
目前，在醫(yī)療衛(wèi)生系統(tǒng)中，影響醫(yī)療效率的因素仍然很多。例如，美國克利夫蘭診所首席數(shù)字官Rohit Chandra博士說，現(xiàn)在的醫(yī)生每天有30-40%的時間用于記錄病歷，這意味著他們無法利用這些時間來治療病人。有限的醫(yī)療資源意味著許多需要治療的病人無法得到治療。
人工智能可以幫助醫(yī)生在一些重復性的工作上花費更少的時間，從而可以將更多的時間投入到對患者的診斷和治療中。錢德拉博士還指出，智能算法可能會通過分析患者的癥狀來找到最需要治療的患者，并為他們匹配合適的醫(yī)生，從而使他們獲得最佳治療?！拔覀兠刻熳o理2.5萬到3萬名患者，[人工智能]可以讓我們更公平地為更多患者服務。在我們的規(guī)模水平上，5%、10%和20%的效率提升可以產(chǎn)生重大影響?！比斯ぶ悄茉诟纳片F(xiàn)有醫(yī)療保健方面的另一個作用是幫助將精準醫(yī)療與診斷聯(lián)系起來。精準醫(yī)療已經(jīng)成為新藥研發(fā)的重要模式和趨勢。伴隨診斷幫助醫(yī)生找到適合精準藥物治療的患者，并給他們正確的處方。Andreessen Horowitz的普通合伙人Vineeta Agarwala博士表示，她認為陪伴診斷的概念值得在整個醫(yī)療健康領域推廣。未來的數(shù)字化診斷，或者說是將患者與療法相匹配的創(chuàng)新技術(shù)，是精準藥物新藥研發(fā)與醫(yī)療環(huán)境下精準治療實現(xiàn)的橋梁。
促進新藥的發(fā)現(xiàn)和開發(fā)。
新藥的開發(fā)是一個漫長而耗時的過程?？吕詹┦空f，很多時候我們很難確定哪條路可以通向成功。在她看來，數(shù)據(jù)技術(shù)可以用于新藥開發(fā)的每一步，從尋找靶點、尋找化合物，到確定最有可能受益的患者群體并跟蹤他們的疾病進展。以便在實際應用中最終為哪些患者開出藥物。“它就像一個基于機器學習的指南針，指導著藥物開發(fā)過程的每一步。技術(shù)使我們能夠以更好的機會和更快的速度找到哪條路是正確的?！笨吕詹┦空f。
臨床試驗是新藥研發(fā)中特別耗時耗力的環(huán)節(jié)。數(shù)據(jù)技術(shù)可以在許多方面促進臨床試驗的設計和實施。Agarwala博士表示，基于數(shù)據(jù)和人工智能的患者招募標準可能比目前臨床試驗的招募標準更廣泛，允許臨床試驗包括更多樣化的患者。重要的是這些標準是有數(shù)據(jù)支持的，這樣我們才有信心在大型臨床試驗中使用。
柯勒博士指出，除了根據(jù)數(shù)據(jù)更有效地對患者進行分組，改善臨床試驗的終點也是人工智能大有可為的地方。例如，使用機器學習分析患者的組織學數(shù)據(jù)構(gòu)建的臨床試驗終點可能比傳統(tǒng)的臨床終點更詳細，更好地預測患者對所研究藥物的反應。在神經(jīng)科學適應癥中，患者的反應本身是主觀的，在這些領域中，數(shù)據(jù)更重要?！澳阍侥軜?gòu)建強大的數(shù)據(jù)驅(qū)動的臨床終點來確定患者是否對治療有反應，你就越能加強臨床試驗?！笨吕詹┦空f。
實現(xiàn)潛力還需要時間。
與會者還指出，對人工智能有一個正確的預期，過度的炒作不僅不會促進它，反而會阻礙這一領域的發(fā)展。Agarwala博士表示，阻礙這一領域發(fā)展的原因之一是，一些人會聲稱他們可以僅僅通過機器學習來開發(fā)新藥。這樣的話不僅難以理解和分析，還會讓很多人產(chǎn)生懷疑。經(jīng)歷過AI領域大起大落的柯勒博士指出，即使機器學習已經(jīng)能夠提供巨大的價值，當人們發(fā)現(xiàn)過度炒作的承諾無法實現(xiàn)時，它仍然會傷害這個領域。當谷歌風險投資(GV)的投資合伙人本羅賓斯(Ben Robbins)博士提出人工智能的應用處于炒作周期的哪個階段的問題時，柯勒博士直言，就人工智能在藥物發(fā)現(xiàn)和開發(fā)中的應用而言，她認為我們?nèi)蕴幱诔醋髦芷诘脑缙陔A段，這也讓她感到擔憂。
“機器學習可以對藥物開發(fā)過程做出越來越大的貢獻，然而，這需要多年的努力。它需要多個機器學習模塊之間的合作，以及人類在設計實驗、生成數(shù)據(jù)和解釋機器學習結(jié)果方面的幫助……“博士……”柯勒說。人工智能和科研人員的合作是新變化的關鍵。
智慧醫(yī)療網(wǎng) ? 2022 版權(quán)所有 ICP備案號：滬ICP備17004559號-5
