为制药行业人工智能的下一波浪潮做准备-从基于成本的模型到基于价值的模型

2019年6月11日出版

人工智能(AI)正在重塑健康行业的业务运营。随着人工智能基础设施的不断发展、精通技术的患者的增长和大数据的可用性,该行业将从使用人工智能控制成本,转向利用它改善患者护理。医疗保健市场的人工智能预计将从2014年的6亿美元增至2021年的66亿美元,CAGR为40%;在2021年之后的5年里,市场预计将增长10倍以上。在本文中,我们将深入探讨人工智能在以患者为中心的模型中的应用,以改善从诊断到治疗后护理的患者护理。

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
考虑到人工智能的效率,它很可能在监管严格的制药行业被大规模采用。预计在未来几年专利悬崖和日益激烈的仿制药竞争中,它将帮助制药行业解决增加价值和改善患者医疗保健结果的复杂问题,成本有效。据估计,到2020年,企业在人工智能项目上的平均支出将达到5400万美元,到2025年,这将为医疗行业节省逾1500亿美元。

大数据在医疗保健领域的大量使用,加上人工智能技能的不断提高,将推动人工智能在新应用中的应用。IT巨头进入医疗领域,大型制药公司更多地采用人工智能技术,制药公司与科技和IT初创企业的合作也将为此做出贡献。2011年至2017年间,121家健康人工智能和机器学习公司通过206笔交易筹集了约27亿美元。

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

    预测医学是医疗领域的一个发展趋势。利用来自医学传感器和基因组学的数据,医学专业人员现在能够得出有关疾病风险因素的结论。

    斯克里普斯研究转化研究所(Scripps Research Translational Institute)与人工智能公司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,就是一个很好的例子。该伙伴关系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心脏病的风险。谷歌和Verily开发了一种算法,通过分析眼球后部的扫描来推断一个人的年龄、血压和吸烟习惯,并据此预测发生重大心脏事件的风险。

  • 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被用于实时评估患者并确定其健康状况。例如,FDA已经批准了Apple Watch ECG,这有助于诊断心跳异常。心电图应用程序适用于22岁及以上的人群,无需处方。苹果公司第二次获得美国食品和药物管理局(FDA)的批准,该应用识别出可能提示心房颤动的不规则心律。

    下表突出显示了FDA对主要用于早期诊断的AI平台的批准:


    公司 批准 指示

    苹果

    2018年9月

    心房颤动检测

    Aidoc

    2018年8月

    CT脑出血诊断

    iCAD

    2018年8月

    乳房x光检查的乳腺密度

    斑马医疗

    2018年7月

    冠状动脉钙评分

    海湾实验室

    2018年6月

    超声心动图EF的决心

    神经分析

    2018年5月

    辅助医疗中风诊断装置

    IDx

    2018年4月

    糖尿病性视网膜病变的诊断

    Icometrix

    2018年4月

    核磁共振大脑解释

    画像

    2018年3月

    x线手腕骨折诊断

    即ai

    2018年2月

    脑卒中的CT诊断

    动脉

    2018年2月

    肝癌和肺癌(MRI,CT)诊断

    MaxQ-AI

    2018年1月

    CT脑出血诊断

    阿利维科

    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


    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

    机器人技术广泛应用于医疗保健领域,从做手术到支持长期患者的自我管理。人工智能辅助机器人手术可使手术并发症减少5倍,术后患者住院时间减少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

    人工智能在改善患者护理方面的应用将使医疗保健公司能够密切了解患者需求,并据此设计产品。通过收集和分析患者旅程中的总体匿名患者水平数据(APLD),制药公司可以更深入地了解患者的行为、旅程和未满足的需求。

    这方面的一个例子是药物依从性的改善。实时患者数据可用于生成错过剂量的提醒。

    美国国立卫生研究院(NIH)开发了AiCure应用程序,帮助患者监测他们的药物。智能手机的摄像头与人工智能相结合,可以为患者管理药物。该应用程序生成对患者是否经常服用处方药物的自我确认。药物依从性是每一种治疗成功的关键,而人工智能无疑可以在这方面提供好处。发表在美国心脏协会杂志《中风》上的一项28例患者研究表明,AiCure的人工智能平台使口服抗凝剂的依从性提高了50%。

  • 访问

    使用真实世界证据(RWE)和患者层面的数据来确认药物的临床结果将有助于决策,从而可能改善获得基本药物的机会。例如,诺华利用回顾性真实世界证据研究,重新确认其最初通过临床研究证明的药物,如Cosentyx(塞库努单抗)和Revolade(艾曲波帕)的临床结果。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者更有效地选择治疗方案。

    卫生经济学和结果研究(HEOR)分析员可以广泛地对患者数据使用机器学习算法,以便更好地决定报销需求和药品定价,这有助于患者获得更多信息。

    随着人工智能的新应用即将出现,制药行业可能会向定制的、具有成本效益的患者价值模式转变。另一方面,该行业需要警惕人工智能可能带来的巨大威胁:隐私问题、道德相关问题、医疗失误,以及在病人护理过程中失去人的接触。制药行业将需要确保快速采用即将到来的应用程序,并改变以成本为基础的观念。需要提升行业技能,以克服与非结构化或不一致的数据以及对人工智能投资回报的衡量相关的挑战。人工智能有利有弊,这取决于不同的视角:虽然它可以显著提高医疗保健质量,改变领域,但它可能导致严重的失业。在制药领域平衡人工智能的风险和回报,需要技术开发人员、监管机构、医学界、制药公司和患者的合作努力。