在制药行业的下一波AI的准备 - 从基于成本的基于价值的模型

2019年6月11日发布

人工智能(AI)正在重塑卫生行业的业务运营。在不断发展的AI基础设施中,Tech-Savvy患者的增长和大数据的可用性,该行业被设定为使用AI来控制利用它来改善患者护理的成本。据估计,医疗保健市场的AI估计2014年的6000万美元达到660亿美元,记录了40%的CAGR;在2021年之后的五年中,市场估计增长超过10次。在本文中,我们为AI在以患者为中心的模型提供了深入了解改善患者护理的洞察,从诊断到治疗后护理。

在过去几年里,人工智能在制药行业的初步应用主要集中在药物发现领域——预测分子靶标结合、识别生物标志物、发现新的药物适应症、进行临床试验和提高生产效率。尽管开发一种药物的成本可能达到25亿美元左右,完成第三阶段临床试验可能需要10-15年,但据估计,人工智能的使用可能会将成本降低约70%。人工智能在其他领域也越来越受欢迎,包括商业运营、数据收集、合成和使用。

下一波
鉴于与AI相关的效率,在高度监管的制药行业中可能会在大规模中采用。预计通过采伐遍布专利悬崖和普通竞争增加,有望帮助制药部门解决增加价值和改善患者医疗保健结果的复杂问题,并有效地提高患者医疗保健结果。据估计,公司将在2020年平均每平均花费54万美元,这可能会在2025年之前为医疗保健行业提供超过150亿美元的储蓄。

密集使用医疗保健中的大数据,加上AI技能集的增加,将推动AI的采用较新的应用。IT巨头在医疗保健中,大型制药公司的AI技术采用,以及有技术和IT初创公司的Pharma公司的合作也会有助于这一点。2011年和2017年间,2011年和2017年的206份优惠为大约270亿美元的卫生AI和机器学习公司。

制药行业的下一波人工智能将专注于以患者为中心的模式,以改善从诊断到治疗后的患者护理的各个方面。从健康技术和医疗设备行业的进步中汲取的知识和见解,现在被应用到制药行业的实时应用中,以提高患者护理的质量。

  • 预防

    预测性医学是医疗领域的日益增长的趋势。使用医学传感器和基因组学的数据,医疗专业人员现在能够得出关于疾病风险因素的结论。

    案例是Scripps研究翻译机构和NVIDIA,AI公司,合作开发AI和深度学习解决方案,用于从基因组学和健康传感器数据中获取洞察力。伙伴关系最初将重点关注开发深度学习工具,以预测心房颤动以及全基因组序列的分析。此后,将扩展范围以包括其他疾病和数据集。

    机器学习可以帮助评估患有心脏病的风险。谷歌和实际上已经开发出一种算法,分析了眼睛后面的扫描,从而推测了一个人的年龄,他的血压和吸烟习惯,并因此预测了主要心脏事件的风险。

  • 早期诊断

    电子健康记录(EHR),智能手机,智能手表和其他跟踪设备的数据已用于实时评估患者并确定其健康状况。例如,FDA已清除Apple Watch ECG,这有助于诊断心跳异常。心电图应用程序可用,没有处方于22岁及以上的人。Apple获得了一个应用程序的第二个FDA清除,该应用识别可能表明心房颤动的不规则心律。

    下表突出了用于早期诊断的AI平台的更多FDA批准:


    公司 赞同 迹象

    苹果

    2018年9月

    心房颤动检测

    Aidoc.

    2018年8月

    CT脑排放诊断

    ICAD.

    2018年8月

    通过乳房X线照相术密度

    斑马医疗

    2018年7月

    冠状动脉钙得分

    海湾实验室

    2018年6月

    超声心动图EF确定

    神经分析

    2018年5月

    有关护理手程诊断的设备

    idx.

    2018年4月

    糖尿病视网膜病理诊断

    Icometrix.

    2018年4月

    MRI脑解释

    Imagen.

    2018年3月

    X射线腕骨骨折诊断

    viz.ai.

    2018年2月

    CT卒中诊断

    动脉

    2018年2月

    肝脏和肺癌(MRI,CT)诊断

    MaxQ-AI

    2018年1月

    CT脑排放诊断

    alivecor.

    2017年11月

    通过Apple手表进行心房颤动检测

    动脉

    2017年1月

    MRI心脏解释


    人工智能的及时应用将有助于早期诊断和治疗。为研究大脑代谢变化而开发的深度学习模型可能有助于早期发现阿尔茨海默病(至少在临床诊断该病之前6年),并为迅速治疗铺平道路。此外,一种深度学习模型的研究正在进行中,该模型诊断肿瘤的成功率为92%。

  • 治疗

    机器人公司广泛用于医疗保健,从而从做手术人来支持长期条件的患者的自我管理。AI辅助机器人手术可能导致手术并发症的5倍降低,手术后医院患者逗留时间减少21%。

    在制药行业,人工智能正在通过评估患者数据和为医院设置的患者优先处理紧急情况来改善患者结果。人工智能增强框架正在被用于了解治疗后的结果,并根据患者的情况识别理想的药物。因此,有效的临床决策将促进治疗定制。

  • 病人护理

    AI在改善患者护理中的应用将使医疗保健公司能够密切了解患者要求和设计产品。通过在患者的旅程中收集和分析聚合匿名患者级数据(APLD),Pharma公司可以深入了解患者的行为,旅程和未满足需求。

    点的案例是药物遵从性的提高。实时患者数据可用于为错过剂量产生提醒。

    国家卫生研究院(NIH)开发了AICURE应用程序,帮助患者监测其药物。智能手机的网络摄像头与AI集成,以管理患者的药物。该应用程序产生关于患者是否定期食用规定的药物的自治确认。药物合规对于每种治疗的成功至关重要,AI可以毫无疑问地提供那里的好处。在美国心脏协会的杂志中的28例学习表明,AIS的AI平台导致对口腔抗凝血剂的粘附50%的改善。

  • 使用权

    使用现实世界的证据(RWE)和患者级数据,用于确认药物的临床结果将有助于政策决策,因此可以改善对基本药物的获得。例如,诺华公司使用了回顾性的现实世界的证据研究,重新确认其药物的临床结果,例如Cosentyx(Secukinumab)和旋转(Eltrombopag),其最初通过临床研究证明。这有助于公司对治疗结果进行了更好的理解,从而帮助医疗服务提供者更有效地导航治疗选择。

    卫生经济学和结果研究(Heor)分析师可以广泛使用对患者数据的机器学习算法来获得更好的偿还需求和药品定价,这可能有助于更大的患者访问。

    随着AI在地平线上的新应用,制药行业可以向定制和经济高效的患者价值模型进行范式转变。在翻盖方面,该行业需要注意威胁的大量威胁:隐私问题,与伦理相关的担忧,医疗错误和患者护理中的人类触摸丧失。制药行业需要确保快速采用即将到来的申请,并在成本的心态下实现更改。需要升级行业技能以克服与非结构化或不一致的数据相关的挑战,以及AI投资投资回报的挑战。AI的利弊,根据视角,虽然它可以显着提高医疗保健的质量并改变域名,但它可能导致严重的失业。平衡药物空间中AI的风险和回报将需要技术开发商,监管机构,医疗兄弟会,制药公司和患者的协同努力。