Uma pílula por dia: o que a IA REALMENTE pode fazer no setor farmacêutico

Dê uma olhada nessas estatísticas:

• A inteligência artificial pode reduzir os custos de descoberta de medicamentos em até 70%, de acordo com um estudo recente da Insider Intelligence
• A IA pode economizar US$ 28 bilhões por ano para a indústria farmacêutica em pesquisas clínicas, reduzindo a duração da fase pela metade
• A IA pode poupar às empresas farmacêuticas até US$ 54 bilhões anuais em custos de P&D

Não é de surpreender que as empresas farmacêuticas recorram a serviços médicos de IA para reduzir os custos e o tempo necessários para o desenvolvimento de medicamentos. O mercado global de IA no mercado farmacêutico foi avaliado em cerca de US$ 905 milhões em 2021 e estima-se que ultrapasse US$ 9.241 milhões até 2030, crescendo a um CAGR de 29,4%.

Motivado para saber mais sobre como o uso de inteligência artificial na indústria farmacêutica pode melhorar seus processos de desenvolvimento de medicamentos? Então continue lendo.

5 principais casos de uso de IA no setor farmacêutico

Você notará que é comum que as empresas farmacêuticas se unam a inovadores de tecnologia para implantar a IA com sucesso. A Accenture conduziu uma pesquisa em que 61% dos entrevistados relataram um aumento de pelo menos 5% no lucro após a parceria com um fornecedor de tecnologia, com 76% dos executivos farmacêuticos citando a parceria eficaz como um fator chave de sucesso.

Aqui estão as 5 principais aplicações da inteligência artificial na indústria farmacêutica.

Descoberta de drogas

O Congressional Budget Office informa que os custos de P&D para o desenvolvimento de um novo medicamento podem exceder US$ 2 bilhões , o que inclui pesquisas e ensaios clínicos.

A implantação da IA na indústria farmacêutica permite que os pesquisadores examinem enormes conjuntos de dados, como pequenas bibliotecas de moléculas e identifiquem padrões de doenças, e aprendam quais composições químicas podem ser adequadas para vários alvos biológicos. A IA pode gerar compostos químicos como uma string de texto ou como uma arquitetura gráfica. É importante validar os compostos resultantes, pois muitos deles não farão sentido, podem ser tóxicos ou conter um componente que não deveria fazer parte de nenhum medicamento.

Além de descobrir composições candidatas, os cientistas podem usar algoritmos de IA para analisar a literatura médica sobre a melhor forma de sintetizar o medicamento e projetar ensaios clínicos. A pesquisa mostra que a inteligência artificial farmacêutica pode reduzir o tempo de síntese e triagem de medicamentos em 50% , economizando para o setor farmacêutico até US$ 26 bilhões em despesas anuais.

Existem muitos exemplos excelentes de empresas farmacêuticas que implantam soluções de IA para facilitar a descoberta de medicamentos. Por exemplo, a GSK, uma empresa farmacêutica britânica com sede em Londres, fez parceria com a Vir Biotechnology da Califórnia durante a pandemia para acelerar a descoberta de anticorpos COVID-19 com a ajuda de IA e uma ferramenta de edição de genes humanos, CRISPR. A Vir já tinha uma plataforma de anticorpos implantada para descobrir medicamentos para diferentes patógenos respiratórios no passado. E agora, nessa colaboração, eles descobriram o sotrovimab, um anticorpo que se liga a um epítopo SARS-CoV-2 para neutralizar o COVID-19.

Em outro exemplo de colaboração entre a Europa e os EUA, uma empresa farmacêutica e de saúde francesa, a Sanofi, fez parceria com a inovadora biotecnológica Atomwise, com sede na Califórnia, para descobrir e sintetizar compostos de medicamentos para cinco alvos diferentes. A Sanofi queria evitar a abordagem tradicional de descoberta de medicamentos e pagou à Atomwise US$ 20 milhões adiantados por suas capacidades de inovação e IA.

Testes clínicos

A IA tem muitas aplicações em ensaios clínicos . Uma delas é identificar os participantes candidatos certos. A tecnologia pode analisar dados de pacientes, informações genéticas, anotações médicas e outras informações e selecionar pessoas elegíveis para um determinado teste. A IA pode até ajudar a decidir sobre o tamanho ideal da população com base na descrição existente de ensaios semelhantes.

86% dos ensaios clínicos não conseguem recrutar pacientes suficientes dentro do prazo previsto. Um terço dos ensaios clínicos de fase Ⅲ precisa ser interrompido devido a desafios associados ao recrutamento.

Por exemplo, o IBM Watson conta com análises e processamento de linguagem natural (NLP) para analisar as informações do paciente. A ferramenta pode lidar com dados não estruturados, como anotações do médico, e produzir um resumo perspicaz do paciente. Pesquisadores clínicos usam esses destaques para selecionar e recrutar pacientes.

Como a IA ajuda as empresas farmacêuticas a encontrar pacientes, também funciona ao contrário. A Antidote , uma plataforma de recrutamento de pacientes para estudos clínicos, usa o NLP para analisar seu texto e triá-los quanto aos critérios de inclusão/exclusão de estudos. Ele exige que os pacientes respondam a algumas perguntas simples em sua plataforma e sugere uma lista de testes aos quais a pessoa pode participar.

Fabricação de medicamentos

A implantação da IA na indústria farmacêutica oferece várias oportunidades para melhorar o processo de produção de medicamentos. A tecnologia poderia:

• Auxiliar no controle de qualidade de medicamentos . A IA pode inspecionar medicamentos na esteira transportadora e detectar defeitos, como embalagens danificadas. Além disso, a tecnologia pode identificar possíveis problemas analisando dados de fabricação, como testes de controle de qualidade. Por exemplo, a AstraZeneca emprega aprendizado de máquina para analisar imagens de medicamentos em busca de defeitos, enquanto a Merck aplica IA para detectar problemas em frascos de vacinas.

  

• Facilitar a manutenção preditiva . A IA pode monitorar equipamentos na linha de produção e identificar possíveis defeitos por meio de sensores que medem vibração, temperatura, som etc. Isso dá aos funcionários tempo para consertar o dispositivo antes que ele quebre, interrompendo a produção.
• Reduza o desperdício de material . A IA pode analisar dados sobre consumo de energia, desperdício de matéria-prima e outros parâmetros e apresentar recomendações sobre como melhorar o processo de fabricação . Além disso, a tecnologia pode prever a demanda, de modo que os fabricantes farmacêuticos evitem produzir grandes quantidades de medicamentos que não serão consumidos e, caso contrário, serão desperdiçados.

marketing de drogas

O setor farmacêutico depende em grande parte das vendas. As empresas visam alcançar o maior número possível de clientes, oferecendo uma experiência de usuário distinta e uma abordagem personalizada. A inteligência artificial na indústria farmacêutica pode facilitar o marketing de medicamentos ao:

• Comparando campanhas de marketing anteriores e identificando as abordagens mais lucrativas. A tecnologia também pode analisar as táticas de engajamento do cliente e escolher as mais bem-sucedidas.
• Agregar dados de clientes em tempo real para entender seu comportamento e o que eles procuram para criar um anúncio personalizado.
• Otimização de preços de novos medicamentos considerando todas as partes interessadas envolvidas e dados sobre medicamentos similares.
• Simular diferentes cenários de mercado prevendo mudanças na demanda, comportamento do concorrente, etc. Isso permite que as empresas farmacêuticas estejam preparadas para mudanças repentinas no cenário.
• Encontrar novos consumidores para medicamentos existentes. Por exemplo, a Pfizer contou com a IA para identificar e alcançar novos clientes em potencial para o Chantix (um medicamento que ajuda as pessoas a parar de fumar). A ferramenta analisou dados dos Centros de Controle e Prevenção de Doenças para identificar segmentos populacionais anteriormente inexplorados.

Otimização da dosagem de medicamentos

A IA pode analisar grandes quantidades de dados não estruturados do paciente e calcular a dosagem ideal de um determinado medicamento para essa pessoa, a fim de obter os melhores resultados possíveis com o mínimo de efeitos colaterais. Os modelos de inteligência artificial na indústria farmacêutica podem analisar as seguintes informações:

• Histórico médico, como anotações médicas, resultados de exames de laboratório, composição genética
• Imagens médicas, como varreduras de ressonância magnética (MRI)
• Biomarcadores, como níveis de proteína e mutações genéticas
• Características da droga, como seu metabolismo
• Efeitos colaterais potenciais de um medicamento e de medicamentos similares

Quando a dosagem ideal é calculada, a tecnologia pode monitorar sua eficácia e fazer ajustes quando necessário.

Para dar um exemplo da vida real, uma empresa com sede na Califórnia, a Dosis, construiu uma plataforma de dosagem de medicamentos personalizada orientada por IA que as clínicas de diálise podem usar para gerenciar a ingestão crônica de medicamentos. Em sua entrevista com HealthcareITNews, o CEO da Dosis, Shivrat Chhabra, mencionou que esta plataforma ajudou os clientes a reduzir o consumo de medicamentos em 25% , melhorando os resultados dos pacientes.

Desafios associados à implementação de IA na indústria farmacêutica

Alguns desses obstáculos são específicos do campo, e alguns são mais gerais e se aplicam a todos os projetos que envolvem essa tecnologia. Um dos principais desafios são os enormes custos associados à inteligência artificial . Isso é particularmente difícil, pois as despesas associadas ao desenvolvimento de medicamentos já são bastante altas. Você pode recorrer a consultores de IA experientes para aprender como reduzir custos e ainda obter um produto viável.

Aqui estão outros desafios proeminentes que você pode enfrentar durante a implementação da IA farmacêutica.

Qualidade e quantidade de dados

De acordo com um estudo recente da McKinsey, a falta de fontes de dados integradas foi o principal obstáculo no caminho para a aplicação de analytics na área da saúde.

Os modelos Pharma AI normalmente requerem grandes conjuntos de dados para serem aprendidos. No entanto, é um desafio obter um conjunto de dados suficiente para cada doença, especialmente as raras. Assim, como os conjuntos de dados de treinamento estão ficando menores, os dados que uma ferramenta de desenvolvimento de medicamentos com IA precisa lidar são bastante complexos. Pense nos dados do paciente. Inclui informações históricas, composição genética, anotações médicas, exames médicos, etc. Nessas condições, é um desafio construir algoritmos precisos.

Quando faltam dados de treinamento, é possível usar geradores de dados sintéticos para algumas aplicações farmacêuticas. Por exemplo, a Mostly AI afirma que pode gerar dados adequados para uso farmacêutico. Os dados de assistência médica estão entre os tipos de dados mais confidenciais e a privacidade é essencial nesses aplicativos. Conjuntos de dados sintéticos podem resolver esse problema. Como disse Andreas Ponikiewicz, vice-presidente de vendas globais da Mostly AI, “com dados de saúde sintéticos generativos baseados em IA, que contêm todos os padrões estatísticos, mas são completamente artificiais, os dados podem ser disponibilizados sem risco à privacidade”.

Outra opção para adquirir dados para experimentar IA e produtos farmacêuticos é fazer parte de uma colaboração especializada. Por exemplo, o Massachusetts Institute of Technology iniciou o Machine Learning for Pharmaceutical Discovery and Synthesis Consortium. 13 empresas farmacêuticas se juntaram ao consórcio para projetar e construir algoritmos de IA para a descoberta de pequenas moléculas.

Você precisa ter certeza de que os dados usados nas aplicações farmacêuticas são todos realistas. Mas é bastante caro verificar isso, pois requer a intervenção de especialistas humanos.

Falta de interoperabilidade e um padrão de dados unificado

Ainda existem vários padrões e regulamentações de TI para assistência médica , o que significa que cada hospital pode adotar um padrão de sua escolha para armazenamento e formatação de dados. Isso dificulta a integração e o uso de dados de pacientes necessários para pesquisas relacionadas a medicamentos de diferentes instalações médicas.

Essas questões de IA na indústria farmacêutica podem ser abordadas no nível governamental. Por exemplo, a Swiss Customized Health Network (SPHN) é uma iniciativa de unificação de dados de saúde do governo suíço. O SPHN foi criado para construir uma infraestrutura nacional que simplifica a troca de dados médicos entre hospitais suíços, institutos de pesquisa e órgãos reguladores.

Em um nível individual, os pesquisadores farmacêuticos podem se beneficiar de plataformas como Deep 6 AI , que usa NLP para escanear e extrair dados de sistemas heterogêneos de registros eletrônicos de saúde (EHRs).

viés algorítmico

“Todos os dados são tendenciosos. Isso não é paranóia. Isso é fato."

– Dr. Sanjiv Narayan, professor de medicina na Universidade de Stanford.

Os modelos baseados em IA podem facilmente desenvolver viés se o conjunto de dados de treinamento não for representativo da população-alvo. O viés de dados tem sido um problema específico nos setores farmacêutico e de saúde. A pesquisa mostra que apenas alguns produtos alimentados por IA enviados para aprovação do FDA oferecem evidências sobre a cobertura do problema do viés.

Alguns profissionais médicos acreditam que ajudará a reduzir o viés se os cientistas de dados trabalharem mais de perto com os médicos e aprenderem mais sobre os dados enquanto constroem os algoritmos. Eles podem solicitar informações, como de onde vieram os dados e qual era o objetivo original de coletá-los. Em seguida, os engenheiros podem fazer ajustes nos algoritmos para resolver qualquer deturpação da população.

Os algoritmos também podem adquirir viés à medida que continuam a aprender no trabalho. Portanto, auditorias sistemáticas são essenciais para garantir que todas as ferramentas baseadas em IA ainda sejam relevantes e funcionem conforme o esperado.

Integração com sistemas existentes

Implantar IA na indústria farmacêutica implica integrá-la às plataformas e aplicativos existentes. Muitas empresas farmacêuticas ainda dependem de sistemas legados desatualizados que não são projetados para funcionar com IA ou lidar com uma grande quantidade de dados. Esses sistemas usam seus protocolos proprietários e são difíceis de integrar com aplicativos modernos .

As empresas farmacêuticas que desejam usar tecnologia moderna juntamente com sistemas legados podem se beneficiar de soluções de software farmacêuticas personalizadas projetadas para se adequarem perfeitamente aos sistemas legados existentes.

A complexidade das aplicações farmacêuticas

Os casos de uso de inteligência artificial na indústria farmacêutica são bastante complexos e há uma grande margem de erro nas previsões que a tecnologia faz. Aqui está o que torna a indústria farmacêutica tão complicada:

• Cada paciente tem características individuais e muitos fatores a serem considerados em ensaios clínicos. Se você estiver desenvolvendo um medicamento para problemas relacionados ao fígado, precisará encontrar participantes do estudo sem outras condições de saúde que possam influenciar e influenciar seus resultados.
• A necessidade de considerar a interação entre diferentes medicamentos, pois uma pessoa pode estar tomando vários medicamentos para tratar diferentes condições.
• A variabilidade da doença como uma condição médica pode ter várias variantes e se manifestar de maneiras diferentes.
• Os conjuntos de dados de treinamento que descrevem doenças e tratamentos não são equilibrados, o que pode forçar o algoritmo a recomendar a solução que ocorre com mais frequência, mesmo que não seja a correta.

Resumindo

A Deloitte relata que apenas algumas das 7.000 doenças raras que conhecemos testemunharam algum progresso nos últimos anos. E a consultoria acredita que a IA na indústria farmacêutica pode mudar isso. Além dos aplicativos mencionados acima, a IA pode ajudar as empresas farmacêuticas a obter conformidade , o que é vital nesse campo.

Se você deseja incorporar essa tecnologia avançada ao seu negócio, provavelmente terá que se associar a um fornecedor de tecnologia de sua escolha. Além disso, é uma boa prática:

• Certifique-se de que seu conjunto de dados de treinamento seja realista, mesmo que o processo de verificação seja caro e exija intervenção de um especialista humano
• Incorpore a IA à sua estratégia em vez de tratá-la como um projeto paralelo
• Desenvolva fortes habilidades de IA ou terceirizar isso para equipes dedicadas
• Incentive uma colaboração próxima entre seus cientistas de dados e médicos
• Cuidado com os regulamentos mais recentes sobre o uso de IA na indústria farmacêutica, pois eles estão mudando rapidamente
• Crie sua própria experiência ética para abordar quaisquer preocupações associadas à IA e preste atenção especial à privacidade e segurança se decidir colaborar com outros jogadores no campo e compartilhar seus dados
• Monitore regularmente o desempenho dos algoritmos quanto a viés e imprecisão, seja para descoberta de doenças, recrutamento de participantes de testes ou até mesmo propaganda de medicamentos. Por exemplo, a Universidade da Califórnia realizou um estudo sobre publicidade de medicamentos para saúde mental nas mídias sociais e descobriu que modelos de IA tendem a recomendar excessivamente esses medicamentos para clientes latinos e afro-americanos.
• Ao usar IA para gerar compostos químicos, sempre valide os resultados, pois pode fornecer componentes tóxicos ou inadequados

Falando do futuro da inteligência artificial na indústria farmacêutica, a PwC prevê o surgimento de um novo ecossistema digital de saúde que incluirá os seguintes players:

• Fornecedores de soluções, que oferecerão tratamentos personalizados, dosagens de medicamentos, etc.
• Orquestradores, que podem usar IA e análises para atender às necessidades dos pacientes
• Provedores de plataforma, que farão a mediação entre os atores acima mencionados

E, de acordo com a consultoria, as empresas que ainda se recusarem a incluir a IA em suas operações se transformarão em meros “fabricantes contratados” para o resto do ecossistema. Portanto, se você ainda não pensou em aprimorar seus processos de negócios com IA, este parece ser um bom momento para experimentar a tecnologia.

Você está procurando economizar tempo e dinheiro no desenvolvimento de medicamentos e na organização de ensaios clínicos? Deixe-nos cair uma linha ! Ajudaremos você a criar e treinar modelos de IA e integrá-los perfeitamente ao seu sistema.