A mesterséges intelligencia (AI) a vállalkozások, kormányok és akadémiai intézmények fő célterületévé vált a gazdasági bizonytalanság, a tehetséghiány és a növekvő tőkefelhalmozási költségek közepette. Az egészségügyi szektor különösen sok kihívással szembesül, de az AI potenciális hatását az orvoslásban nem lehet figyelmen kívül hagyni.
A gyógyszeripari kutatás-fejlesztés területén az AI már most jelentős hozzájárulásokat tesz. Az AI és adatelemzés segítségével a kutatók képesek megjósolni a betegek válaszait, növelni a klinikai vizsgálatok sikerességi arányát, és személyre szabott kezelési terveket kifejleszteni. Az AI lerombolja a korábban nem célozható célpontokat, új terápiákat biztosítva azoknak a betegeknek, akiknek korlátozott kezelési lehetőségeik vannak.
A vezető gyógyszeripari vállalat, a Sanofi az AI erejét használja fel a gyógyszerfejlesztés forradalizálására. Az AI modelleik a kis molekulákra vonatkozó gyógyszerfejlesztésben lenyűgöző jóslatosságot értek el, folyamatosan fejlődve az aktív tanuláson keresztül. Az egységcsecs genomika kulcsszerepet játszott betegségcélok érvényesítésében, miközben a kis molekulaprojektek 75%-a használ AI-t és gépi tanulást vegyülettervezésre. Virtuális betegeket hoznak létre a sziliko klinikai vizsgálatok vezérlésére, és a genomika alapú precíziós orvoslás segíti a betegszűrést.
Az AI-tanulási technikák és az aktív tanulás megközelítései fejlesztése felgyorsította a tervezési ciklust, csökkentette a költségeket, és növelte az új molekulák sikerességi arányát. A Sanofi 50%-kal több klinikai vizsgálatast látott, és négyszeresére növelte csővezeték értékét négy éves időszak alatt.
A közös munka és partnerkapcsolatok elengedhetetlenek az AI által vezérelt gyógyszerfejlesztésben. A Sanofi „határok nélkül” stratégiát fogadott el, külső partnerekkel dolgozva megduplázza kutatási termelékenységét és felgyorsítja az új kezelések fejlesztését.
Az AI teljes potenciáljának kiaknázása a gyógyszeriparban azonban kihívásokkal jár. Az AI használatára vonatkozó előírások különböznek régióról régióra, óvatos navigációt igényelve az előírások betartásához. Az adatminőség, biztonság, adatvédelem és megbízhatóság kérdései is aggályokat vetnek fel, amelyeket fel kell dolgozni az AI elfogadásának gyorsításához. Az árazási politikák véletlenül akadályozhatják a befektetést bizonyos típusú gyógyszerekbe, ami a forradalmi áttöréseket és a kezelési lehetőségek korlátozását előidézheti. A bioipari kezdő vállalkozásokhoz való hozzáférés, amelyek jelentősen hozzájárulnak az R & D innovációjához, lehetővé kell tenni a tudományos felfedezések lendületét.
Az új modelljeinek bevezetése esetén kulcsfontosságú az a bizalom építése, amelyek a klinikai vizsgálati tervezéshez szükségesek. A decentralizált stratégiák, amelyek az alulreprezentált betegcsoportokat is magukban foglalják, elősegítik az új terápiák beteg elfogadását, és egy inkluzívabb megközelítést támogatnak az orvosi kutatásban.
Világos, hogy az AI-nak van potenciálja a gyógyszeripari kutatás-fejlesztés forradalizálására, de a jövőbeli kihívások értelmes figyelembevétele szükséges a teljes juttatások feloldásához. Az egészségügyi iparág az érdekeltekkel való együttműködés, az előírások óvatos navigálása és az innováció ösztönzése által kihasználhatja az AI erejét a gyorsabb felfedezések előmozdítására és a betegkimenetek javítására.
GYIK a mesterséges intelligenciáról (AI) a gyógyszeripari kutatás-fejlesztésben (R & D):
K: Hogyan járul hozzá az AI a gyógyszeripari kutatás-fejlesztéshez?
A: Az AI-t használják a gyógyszeripari kutatás-fejlesztésben a betegek válaszainak előrejelzésére, a klinikai vizsgálatok sikerességi arányának növelésére, személyre szabott kezelési tervek kifejlesztésére, korábban célozhatatlan célpontok feloldására, és új terápiák biztosítására azoknak a betegeknek, akiknek korlátozott kezelési lehetőségük van. Segít a vegyülettervezésben, az in silico klinikai vizsgálatok vezérlésében, és a betegszűrés javításában a genomika alapú precíziós orvoslás segítségével.
K: Hogyan használja a Sanofi az AI-t a gyógyszerfejlesztésben?
A: A Sanofi, egy vezető gyógyszeripari vállalat, az AI-t használja fel a gyógyszerfejlesztés forradalizálására. Kifejlesztettek AI modelleket a kis molekulára vonatkozó gyógyszerfejlesztés területén, amelyek folyamatosan fejlődnek az aktív tanulás által. A betegségcélokat egységcsecs genomika segítségével ellenőrzik, és az AI-t és a gépi tanulást alkalmazzák kis molekulaprojektek 75%-ában a vegyülettervezés céljából. Virtuális betegeket hoznak létre az in silico klinikai vizsgálatokhoz, és a genomika alapú precíziós orvoslás segítségével javítják a betegszűrést.
K: Milyen előnyökkel jár az AI a gyógyszeripari kutatás-fejlesztésben?
A: Az AI felgyorsította a tervezési ciklust, csökkentette a költségeket, és növelte az új molekulák sikerességi arányát a gyógyszeripari kutatás-fejlesztés területén. A Sanofi 50%-kal több klinikai vizsgálatot látott, és négyszeresére növelte csővezeték értékét négy éves időszak alatt az AI felhasználásával. Lehetővé teszi új kezelések feloldását, a betegkimenetek javítását, és gyorsabb felfedezéseket az egészségügyi iparban.
K: Mennyire fontosak a kollaborációk és partnerségek az AI által irányított gyógyszerfejlesztésben?
A: A kollaborációk és partnerségek kulcsfontosságúak az AI által irányított gyógyszerfejlesztésben. A Sanofi „határok nélkül” stratégiát fogadott el, külső partnerekkel dolgozva megduplázza kutatási termelékenységét és felgyorsítja az új kezelések fejlesztését. Az érdekeltekkel való együttműködés segít az innováció előmozdításában és gyorsítja az AI előnyeinek megvalósulását a gyógyszerfejlesztésben.
K: Milyen kihívásokkal jár a mesterséges intelligencia teljes kihasználása a gyógyszeriparban?
A gyógyszeriparban az AI teljes potenciáljának feloldása olyan kihívásokkal jár, mint a különböző AI használatra vonatkozó előírások eltérései régióról régióra, az előírások betartásának biztosítása, az adatminőségre, biztonságra, adatvédelemre és megbízhatóságra vonatkozó aggodalmak. Az árazási politikák esetlegesen korlátozhatják az egyes gyógyszertípusokba való befektetést, korlátozva a forradalmi lépéseket és a kezelési lehetőségeket. Hozzáférés a tőkéhez a bioipari kezdő vállalkozások számára, amelyek jelentősen hozzájárulnak az R & D innovációjához, segítség a folyamatos tudományos felfedezés fenntartásában.
K: Hogyan lehet a bizalmas építése az új modellek bevezetésekor a klinikai vizsgálati tervezések számára elérni?
A bizalmas építése az új modellek bevezetésekor a klinikai vizsgálati tervezések számára napról-napra jelentős feladat. A decentralizált stratégiák, amelyek az alulreprezentált betegpopulációkat is magukban foglalják, segítenek a betegek elfogadásának növelésében az új terápiák felé, és egy inkluzívabb megközelítést támogatnak az orvosi kutatásban.
K: Mire kell figyelni annak érdekében, hogy a mesterséges intelligencia teljes juttatásait feloldjuk a gyógyszeripari kutatás-fejlesztésben?
A mesterséges intelligencia teljes juttatásainak feloldása a gyógyszeripari kutatás-fejlesztésben óvatosságot igényel az ilyen kihívások figyelembevételével, mint a szabályozások navigálása, az adatminőséggel, biztonsággal, adatvédelemmel és megbízhatósággal kapcsolatos aggodalmak kezelése. A közös munka a érdekeltekkel, az innováció ösztönzése és a tőkéhez való hozzáférés segítik a mesterséges intelligencia erejének kiaknázását a gyorsabb felfedezések előmozdításában és a betegkimenetek javításában.
További információkért látogasson el a Sanofi Kutatás-fejlesztési honlapjára.
The source of the article is from the blog toumai.es