Този сайт използва бисквитки (cookies). Ако желаете можете да научите повече тук. Разбрах

Новини В глобален мащаб

Big data и AI - математика за здравеопазването

Фармацевтичните компании се надяват дигитализацията в здравеопазването да намали сроковете за разработки и изследвания, разходите за пускане на нови лекарства

от , 16 февруари 2018 0 5795 прочитания,

Основният опит във фармацевтичния отрасъл в работата с големи данни (Big data) е свързан главно с фармакокинетично и фармакодинамично моделиране. След като параметрите на даден препарат бъдат определени и започне прехода „от епруветките към човека“, във веригата от натрупани данни се появява празнина. Това е защото потенциално полезните за фармацията големи данни – геномни данни, информация за предписано лечение, данни от лабораторни изследвания и следене състоянието на пациентите, публикации във форуми и социални мрежи – остават изолирани на отделни „острови“. А фармацевтичните компании не успяват да преобразуват тези данни в знания и да ги приложат.


Big data и AI - математика за здравния сектор


Икономия на време и средства

Интересите на фармацевтичните и биотехнологичните компании към анализа на големи данни и изкуствения интелект (AI) са големи, простиращи се от собствено разработване на препарати до получаване на обратна връзка от пациенти, контрол върху приема на лекарства и спазване препоръките на лекарите, повишаване на оперативната ефективност.

Но очакванията на фармацевтичните компании относно дигитализацията в здравеопазването са свързани преди всичко със съкращаване на сроковете за разработка и изследвания, а следователно и с намаляване на разходите за пускане на нови лекарствени продукти.

За да бъде пуснато на пазара ново лекарство са нужни години работа и много инвестиции, но това не гарантира, че то ще бъде успешно и ще се търси. Прекратяването на такива проекти още на ранен стадии в 80% от случаите е свързано с безопасността на препарата, а на по-късен етап и с неговата неефективност. Затова вземането на решения за разработване на нови лекарства изисква извършване на анализи и компютърно моделиране.

Прогнозирането на влиянието на лекарствата върху биомаркерите помага за моделиране динамиката на основните елементи на биосистемите. За целта се създават виртуални заболявания, пациенти и се провеждат клинични изследвания. Използвани в ранния стадии на разработка, софтуерни фармакологични модели дават представа за продукта и какво може да се очаква на етап клинични изпитания.

Сериозен проблем в цял свят, който не може да бъде решен без анализ на големи данни, е увеличаващия се брой устойчиви на антибиотици патогени на инфекциозни заболявания.

Проблем с AI

Инвестициите в системи с изкуствен интелект за здравеопазването са сред най-големите. Именно това и прави проблемите с развитието на изкуствения интелект за здравеопазването ясно забележими. Един такъв проблем, срещан и в други отрасли, е нуждата от големи обеми данни за обучение на невронните мрежи и трудностите при създаване на ефективен модел, използващ хетерогенни данни от всяко заболяване.

Но една от най-сериозните трудности пред разгръщането в медицината на решения с изкуствен интелект е че лекарите, които взимат крайното решение и носят отговорност, не могат да разберат начина на работата на алгоритъма. Затова е нужна система за представяне на резултатите, която да улеснява лекаря при оценяване работата на математическия модел.

Друг проблемите пред фармацевтиката, за решаването на който помага изкуственият интелект е повишаването на ефективността на предварителния скрининг на пациентите, подбирани за провеждане на клинични изследвания. Според статистически данни, до 70% от тези пациенти не отговарят на критериите за включване в изследването. Но благодарение на математическото моделиране сроковете за намиране на подходящите пациенти се съкращават, а точността се повишава.

Най-перспективните направления за използване на изкуствения интелект в медицината са диагностиката и оценката на рисковете за развитие на дадено заболяване. AI технологии вече се използват за обработка на диагностични изображения и обединяване на хетерогенни медицински данни.

КОМЕНТАРИ ОТ  

Полезни страници
    За нас | Аудитория | Реклама | Контакти | Общи условия | Декларация за поверителност | Политика за бисквитки |
    Действителни собственици на настоящото издание са Иво Георгиев Прокопиев и Теодор Иванов Захов