为制药行业的下一波人工智能浪潮做好准备——从基于成本的模式到基于价值的模式

2019年6月11日发布

人工智能(AI)正在重塑健康行业的商业运作。随着人工智能基础设施的不断发展、精通技术的患者数量的增长以及大数据的可用性,该行业将从使用人工智能控制成本过渡到利用它改善患者护理。医疗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,复合年增长率为40%;在2021年之后的5年里,该市场预计将增长10倍以上。在这篇文章中,我们提供了关于AI在以患者为中心的模型中的应用的见解,以改善患者护理,从诊断到治疗后护理。

在过去的几年里,人工智能在制药行业的最初应用一直是在药物发现领域——预测分子-靶标结合、识别生物标记、发现新的药物适应症、进行临床试验和提高生产效率。虽然一种药物的研发成本可能高达25亿美元,完成3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使成本降低70%左右。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,它很可能会被高度监管的制药行业大规模采用。通过未来几年的专利悬崖和日益激烈的仿制药竞争,它有望帮助制药行业解决增加价值和提高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,这可能为医疗保健行业节省逾1500亿美元。

医疗行业对大数据的密集使用,加上人工智能技能的不断提高,将推动人工智能应用于更新的应用程序。IT巨头进入医疗行业、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对此做出贡献。2011年至2017年,121家医疗行业的人工智能和机器学习公司在206笔交易中筹集了约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。从健康技术和医疗设备行业的进步中获得的知识和见解现在正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

    预测医学在医疗保健领域是一个日益增长的趋势。利用来自医疗传感器和基因组学的数据,医疗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)与人工智能公司英伟达(Nvidia)合作开发人工智能和深度学习解决方案,以从基因组学和健康传感器数据中获得启发。该合作伙伴最初将专注于开发预测房颤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,通过分析眼睛后部的扫描结果,推断出一个人的年龄、血压和吸烟习惯,从而预测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上的数据已被用于实时评估患者并确定其健康状况。例如,美国食品药品监督管理局(FDA)已经批准了Apple Watch的心电图检查,这有助于诊断心跳异常。这款心电图应用不需要处方就可以提供给22岁及以上的用户。苹果公司的一款应用获得了FDA的第二批许可,该应用可以识别可能提示房颤的不规则心律。

    下表列出了FDA批准的一些主要用于早期诊断的人工智能平台:


    公司 批准 指示

    苹果

    2018年9月

    心房纤维性颤动检测

    Aidoc

    2018年8月

    CT脑出血诊断

    iCAD

    2018年8月

    通过乳房x光检查乳腺密度

    斑马医疗

    2018年7月

    冠状动脉钙评分

    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

    辅助卒中诊断设备

    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

    腕关节骨折的x线诊断

    Viz.ai

    2018年2月

    CT诊断中风

    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

    Alivecor

    2017年11月

    通过Apple Watch检测心房纤颤

    动脉

    2017年1月

    MRI心脏解释


    及时部署人工智能有助于早期诊断和治疗。用于研究大脑代谢变化的深度学习模型有助于阿尔茨海默症的早期检测(至少比临床诊断该病早6年),并为及时治疗铺平道路。此外,一种能够诊断肿瘤成功率达92%的深度学习模型的研究也正在进行中。

  • 治疗

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

    在制药行业,人工智能正在被用于改善患者的结果,方法是评估患者数据,并在医院环境中对患者的治疗紧急程度进行优先排序。人工智能授权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,高效的临床决策将有助于个性化治疗。

  • 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的需求,并据此设计产品。通过收集和分析患者旅程中的匿名患者水平数据(APLD),制药公司可以对患者的行为、旅程和未满足的需求有更深入的了解。

    一个恰当的例子是药物依从性的改善。实时的患者数据可以用来提醒错过的剂量。

    美国国家卫生研究院(NIH)开发了AiCure应用程序,帮助患者监测他们的药物使用情况。智能手机的摄像头与人工智能集成在一起,为患者管理药物。应用程序生成关于患者是否定期服用处方药物的自我控制确认。药物依从性对于每一种治疗的成功都是至关重要的,人工智能毫无疑问可以在这方面提供好处。一项发表在美国心脏协会期刊《中风》上的研究表明,AiCure的人工智能平台使口服抗凝药物的依从性提高了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,从而可能改善基本药物的获取。例如,诺华利用回顾性的真实世界证据研究,重新确认了其药物Cosentyx (Secukinumab)和Revolade (eltrombaag)的临床结果,这些药物最初是通过临床研究证实的。这有助于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选择治疗方案。

    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物定价方面做出更好的决定,这有助于提高患者的可及性。

    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型转变。另一方面,该行业需要警惕人工智能可能带来的相当大的威胁:隐私问题、道德方面的担忧、医疗错误以及在病人护理中失去人情化。制药行业将需要确保快速采用即将到来的应用程序,并改变基于成本的思维方式。行业技能需要升级,以克服挑战,如非结构化或不一致的数据和人工智能投资回报的衡量。人工智能有它的优点和缺点,这取决于它的观点:虽然它可以显著提高医疗保健质量和改变领域,但它可能导致严重的失业。平衡人工智能在制药领域的风险和回报,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。