Зміст
Починаючи від процесу розробки лікарських препаратів і до їх придбання пацієнтом в аптеці, фармацевтиці доводиться працювати з величезними обсягами даних. Інформація про лабораторну діагностику, моніторинг стану пацієнтів, пости на форумах та в соціальних мережах про ефективність препарату – все це корисна інформація для фармацевтичної компанії. Однак через їх кількість і розрізненість, фірма-виробник не встигає обробити і засвоїти ці знання, а тим більше застосувати. У вирішенні цього та інших завдань може допомогти штучний інтелект.
Як ШІ допоможе фармацевтичним компаніям
Прагнення фармкомпаній збирати, систематизувати та аналізувати великі дані змусили їх звернутися до технологій штучного інтелекту. Створена вченими нейромережа легко впоратися зі збиранням необхідної інформації як під час створення препарату, так і в отриманні зворотного зв'язку від пацієнтів.
Іншим завданням, де знадобився б штучний інтелект, є скорочення термінів розробки лікарських засобів.
На конференції «Великі дані у фармі», організованій Semantic Hub представники фармацевтичної індустрії висловилися, що за допомогою ШІ хотіли б знизити період розробки препаратів. Сьогодні для того, щоб представити на ринку один новий медикамент, потрібно щонайменше 10 років і кілька мільярдів доларів. При цьому ймовірність того, що цей препарат буде продаватися, становить приблизно 10%. Крім того, створення нових ліків може бути перервано на перших стадіях через небезпеку або неефективність. В результаті гроші будуть витрачені марно.
Скоротити ризик при прийнятті рішень щодо розробки нових лікарських препаратів та уникнути невдач на пізніх стадіях створення допомагають аналітика та комп'ютерне моделювання. Так, в Інституті системної біології у США створюють моделі віртуальних пацієнтів із певними захворюваннями, на яких намагаються виявити ефективність ліків.

Ще одне завдання, у якому знадобилося б допомогу штучного інтелекту, - зростання стійкості збудників інфекційних захворювань до дії антибактеріальних препаратів. Цю проблему неможливо вирішити без аналізу великого обсягу даних. Смоленські вчені вже спробували створити базу даних результатів лабораторних досліджень, що дозволяє аналізувати зміни стійкості збудників захворювань. Однак цього поки що недостатньо.
Західні та українські представники фармацевтичної промисловості ще мало співпрацюють із ІТ-компаніями. І хоча багато хто вже усвідомив користь від застосування комп'ютерного моделювання та штучного інтелекту, фармкомпанії досить консервативні і не до кінця довіряють таким технологіям.
Перешкоди впровадження штучного інтелекту
До роботи нейромереж недовірливо ставиться не лише фармацевтика, а й більшість представників медичної сфери. Лікарі, взаємодіючи з ШІ, не розуміють, чому алгоритм пропонує їм ті чи інші рішення. З їхньої точки зору, нейромережа – це «чорна скринька», чию логіку неможливо зрозуміти і пояснити.
На додаток до цього, медичні працівники сумніваються у досконалості штучного інтелекту. Коли йдеться про здоров'я і життя пацієнта, помилок не повинно бути, а сучасні технології поки не можуть цього гарантувати зі 100% точністю.
Другою причиною, що ускладнює впровадження ШІ, є тривалі терміни його розробки. Точність та ефективність – якості, які повинні обов'язково бути присутніми у нейромережі. Для того щоб алгоритм справді міг допомагати у створенні ліків та аналізі даних, до його розробки залучаються медичні експерти. Це збільшує не тільки надійність штучного інтелекту, а й період, необхідний для його випуску.
Як третьою причиною виступає висока вартість розробки ШІ. На даний момент кількість робочих кадрів, що володіють досвідом і знаннями, для роботи з нейронними мережами, не така велика. В результаті вартість таких досліджень залишається високою.
Успішне застосування нейромережі у фармацевтиці
Прикладів вдалого використання штучного інтелекту на фармацевтичному ринку небагато, але їхня кількість поступово зростає. Так, компанія Bayer акцентує свою увагу на стартапах у галузі цифрової медицини. Фармацевтичний гігант щорічно відбирає перспективні українські ІТ-компанії та допомагає їм втілювати свої рішення на актуальних для фармацевтики завданнях.
Хочете використовувати нові технології у своєму бізнесі?
Бази даних для роботи штучного інтелекту
У фармацевтичній та медичній областях почали створювати бази даних, які можуть бути корисними для навчання нейромереж. Наприклад, гістологічна лабораторія Login накопичує архів діагностованих та двічі валідованих даних.
Вважається, що накопичення актуальної інформації про здоров'я та лікування захворювань дасть поштовх до активного застосування штучного інтелекту у фармацевтиці.