Содержание
Начиная от процесса разработки лекарственных препаратов и до их покупки пациентом в аптеке, фармацевтике приходится работать с огромными объемами данных. Информация о лабораторной диагностике, мониторинг состояния пациентов, посты на форумах и в социальных сетях об эффективности препарата – все это полезные сведения для фармацевтической компании. Однако в виду их количества и разрозненности, фирма-производитель не успевает обработать и усвоить эти знания, а тем более применить. В решении этой и других задач может помочь искусственный интеллект.
Как ИИ поможет фармацевтическим компаниям
Стремление фармкомпаний собирать, систематизировать и анализировать большие данные заставили их обратиться к технологиям искусственного интеллекта. Созданная учеными нейросеть без труда справиться со сбором необходимой информации как во время создания препарата, так и в получении обратной связи от пациентов.
Другой задачей, где бы пригодился искусственный интеллект, является сокращение сроков разработки лекарственных средств.
На конференции «Большие данные в фарме», организованной Semantic Hub представители фармацевтической индустрии высказались, что с помощью ИИ хотели бы снизить период разработки препаратов. Сегодня для того чтобы представить на рынке один новый медикамент, требуется минимум 10 лет и несколько миллиардов долларов. При этом вероятность, что этот препарат будет продаваться, составляет примерно 10%. Кроме того, создание нового лекарства может быть прервано на первых стадиях из-за небезопасности или неэффективности. В результате деньги будут потрачены впустую.
Сократить риск при принятии решений о разработке новых лекарственных препаратов и избежать неудач на поздних стадиях создания помогают аналитика и компьютерное моделирование. Так, в Институте системной биологии в США создают модели виртуальных пациентов с определенными заболеваниями, на которых пытаются выявить эффективность лекарств.
Еще одна задача, в которой бы пригодилась помощь искусственного интеллекта, - рост устойчивости возбудителей инфекционных заболеваний к воздействию антибактериальных препаратов. Эту проблему невозможно решить без анализа большого объема данных. Смоленские ученые уже предприняли попытку создать базу данных результатов лабораторных исследований, позволяющую анализировать изменения стойкости возбудителей заболеваний. Однако этого пока недостаточно.
Западные и российские представители фармацевтической промышленности еще мало сотрудничают с ИТ-компаниями. И хотя многие уже осознали пользу от применения компьютерного моделирования и искусственного интеллекта, фармкомпании достаточно консервативны и не до конца доверяют таким технологиям.
Препятствия внедрения искусственного интеллекта
К работе нейросетей недоверчиво относится не только фармацевтика, но и большинство представителей медицинской сферы. Врачи, взаимодействуя с ИИ, не понимают, почему алгоритм предлагает им те или иные решения. C их точки зрения, нейросеть – это «черный ящик», чью логику невозможно понять и объяснить.
В дополнение к этому, медицинские работники сомневаются в совершенстве искусственного интеллекта. Когда речь идет о здоровье и жизни пациента, ошибок быть не должно, а современные технологии пока не могут этого гарантировать со 100% точностью.
Второй причиной, затрудняющей внедрении ИИ, являются длительные сроки его разработки. Точность и эффективность – качества, которые должны обязательно присутствовать у нейросети. Для того чтобы алгоритм действительно мог помогать в создании лекарств и анализе данных, к его разработке привлекаются медицинские эксперты. Это увеличивает не только надежность искусственного интеллекта, но и период, необходимый для его выпуска.
В качестве третьей причины выступает высокая стоимость разработки ИИ. На данный момент число рабочих кадров, обладающих опытом и знаниями, для работы с нейронными сетями, не так велико. В результате стоимость таких исследований остается высокой.
Успешное применение нейросети в фармацевтике
Примеров удачного использования искусственного интеллекта на фармацевтическом рынке немного, но их количество постепенно растет. Так, компания Bayer акцентирует свое внимание на стартапах в области цифровой медицины. Фармацевтический гигант ежегодно отбирает перспективные российские ИТ-компании и помогает им воплощать свои решения на актуальных для фармацевтики задачах.
Хотите использовать новые технологии в своём бизнесе?
Базы данных для работы искусственного интеллекта
В фармацевтической и медицинской областях начали создавать базы данных, которые могут быть полезны для обучения нейросетей. Например, российская гистологическая лаборатория Unim накапливает архив диагностированных и дважды валидированных данных.
Интернет-холдинг Yandex Data Factory, фармацевтическая компания «АстраЗенека» и Российское общества клинической онкологии RUSSCO совместно собирают на платформе RAY информацию молекулярно-генетических лабораторий.
Предполагается, что накопление актуальной информации о здоровье и лечении заболеваний даст толчок к активному применению искусственного интеллекта в фармацевтике.