Statystycznie tylko jedna na 10 tys. cząsteczek testowanych w laboratoriach firm farmaceutycznych pomyślnie przechodzi wszystkie fazy badań. Jednak zanim stanie się lekiem rynkowym, upływa średnio 12–13 lat. Cały ten proces jest nie tylko czasochłonny, ale i bardzo kosztowny – według EFPIA przeciętne koszty opracowania nowego leku sięgają obecnie prawie 2 mld euro. Wykorzystanie sztucznej inteligencji pozwala jednak obniżyć te koszty i skrócić cały proces. – Dzięki AI preselekcja samych cząsteczek, które wchodzą do badań klinicznych, jest o wiele szybsza, co zaoszczędza nam czas. W efekcie pacjenci krócej czekają na nowe rozwiązania terapeutyczne – mówi Łukasz Hak z firmy Johnson & Johnson Innovative Medicine, która wykorzystuje AI w celu usprawnienia badań klinicznych i opracowywania nowych, przełomowych terapii m.in. w chorobach rzadkich.
– Sztuczna inteligencja bardzo nam pomoże przyspieszyć rozwijanie nowych i innowacyjnych leków. To pierwsza istotna sprawa. Dlaczego jest tak ważna? Po pierwsze, może nam pomóc szybciej realizować prace badawczo-rozwojowe, pozwala nam na jeszcze bardziej precyzyjne działania, bardziej indywidualnie nakierowane na potrzeby pacjenta. Możemy też odchodzić dalej od podejścia, że jedna tabletka jest dla wszystkich, bo w rzeczywistości tak nie jest – https://visomedia.pl/pozycjonowanie-stron-internetowych/ mówi agencji Newseria Biznes Geraldine Schenk, dyrektor zarządzająca Johnson & Johnson Innovative Medicine Poland.
– Zaawansowana AI, dysponująca bardzo dużą ilością danych, pozwala nam m.in. na preselekcję pacjentów, dobranie odpowiedniego leczenia i przewidzenie tego, w jaki sposób może ono wpłynąć na pacjenta. Firmy farmaceutyczne już robią pierwsze kroki w tym kierunku – mówi Łukasz Hak, dyrektor medyczny Johnson & Johnson Innovative Medicine.
Jak wynika z ubiegłorocznego raportu PARP („Zastosowania sztucznej inteligencji w gospodarce”), ta technologia jest kluczowa dla rozwoju współczesnej medycyny. Jednym z głównych zastosowań AI w tym obszarze jest diagnostyka: algorytmy mogą przeanalizować wyniki badań pacjenta, pomóc lekarzowi w postawieniu właściwej diagnozy i zasugerować dobór najbardziej efektywnej metody leczenia. AI jest też coraz powszechniej wykorzystywana m.in. w celu personalizacji leczenia i monitorowania stanu zdrowia pacjentów czy usprawnianiu procesów w szpitalach i placówkach medycznych. Ma też potencjał, żeby skrócić kolejki do lekarzy i badań diagnostycznych, na które pacjenci czekają miesiącami. Do tego dochodzi jeszcze czas oczekiwania na opis badania: według NIK 65 proc. opisów tomografii komputerowej, rezonansu magnetycznego czy mammografii jest sporządzanych w czasie do trzech dni, a 16 proc. – powyżej dwóch tygodni. Diagności są przeładowani biurokracją, a sztuczna inteligencja może ich w tym odciążyć, analizując i tworząc opisy badań dużo szybciej.