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

发布于2019年6月11日

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。

在过去几年中,人工智能在制药行业的最初应用是在药物发现领域——预测分子靶标结合、识别生物标记、发现新药适应症、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,完成第三期临床试验可能需要10-15年,但据估计,人工智能的使用可能会降低成本约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。

医疗保健领域对大数据的密集使用,再加上人工智能技能的不断提高,将促进人工智能在更新应用中的应用。IT巨头进入医疗保健领域,大型制药公司越来越多地采用人工智能技术,以及制药公司与科技和IT初创公司的合作,也将促进这一点。2011年至2017年,121家健康人工智能和机器学习公司共进行了206笔交易,融资约27亿美元。

制药行业的下一波人工智能将聚焦于以患者为中心的模型,以改善患者护理的各个方面,从诊断到治疗后。从医疗技术和医疗设备行业的进步中获得的知识和见解现在正在应用于制药行业的实时应用程序,以提高患者护理的质量。

  • 预防

    预测医学是医疗保健领域的一个日益增长的趋势。利用来自医学传感器和基因组学的数据,医学专业人士现在能够得出关于疾病风险因素的结论。

    斯克里普斯转化研究所(Scripps Research Translational Institute)和人工智能公司英伟达(Nvidia)合作开发人工智能和深度学习解决方案,从基因组学和健康传感器数据中获取见解。这项合作最初将专注于开发预测心房颤动的深度学习工具以及全基因组序列分析。此后,范围将扩大到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、智能手表和其他追踪设备上的数据已被用于对患者进行实时评估,并确定他们的健康状况。例如,FDA已经批准了Apple Watch ECG,它有助于诊断心跳异常。这款心电图应用适用于22岁及以上的人群,无需处方即可使用。苹果公司的一款应用程序获得了FDA的第二次许可,它可以识别可能暗示心房颤动的不规则心率。

    下表突出了FDA批准的主要用于早期诊断的人工智能平台:


    公司 赞同 迹象

    苹果

    2018年9月

    心房纤维性颤动检测

    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

    湾实验室

    2018年6月

    超声心动图EF确定

    神经分析

    2018年5月

    辅助医疗中风诊断设备

    IDx

    2018年4月

    糖尿病视网膜病理诊断

    Icometrix.

    2018年4月

    核磁共振大脑解释

    Imagen.

    2018年3月

    X射线腕骨骨折诊断

    Viz.ai

    2018年2月

    CT诊断中风

    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 Watch检测心房颤动

    动脉

    2017年1月

    MRI心脏解释


    及时应用人工智能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氏症(至少比临床诊断早6年),并为及时治疗铺平道路。此外,深度学习模型的工作正在进行中,该模型能够以92%的成功率诊断肿瘤。

  • 治疗

    机器人被广泛应用于医疗保健领域,从做手术到支持患有长期疾病的患者的自我管理。人工智能辅助的机器人手术可以使手术并发症减少5倍,患者术后住院时间减少21%。

    在制药行业,人工智能正被用于改善患者预后,方法是对患者数据进行评估,并为医院中的患者确定治疗的紧迫性。人工智能框架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。

    一个恰当的例子是药品依从性的改善。实时患者数据可用于提醒错过的剂量。

    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

    使用真实世界证据(RWE)和患者水平数据来确认药物的临床结果将有助于政策决策,从而可能改善基本药物的可及性。例如,诺华已经使用回顾性的真实世界证据研究来再次确认其药物的临床结果,如Cosentyx (Secukinumab)和Revolade (eltromopag),这些药物最初是通过临床研究证实的。这有助于该公司更好地了解治疗结果,从而帮助医疗保健提供商更有效地导航治疗方案。

    卫生经济学和结果研究(HEOR)分析师可以广泛地对患者数据使用机器学习算法,从而在报销需求和药品定价方面做出更好的决定,从而帮助更多的患者获得药品。

    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。