▎藥明康德內容團隊報道
“如今的醫生每天30~40%的時間花費在記錄病歷上…”
“它就像一個基於機器學習的羅盤，指引藥物開發過程中的每一步”
“你越能構建強大資料驅動的臨床終點來確定患者是否對治療產生應答，就越能給臨床試驗賦能”
“即使機器學習已經能夠提供極大的價值，當人們發現過度炒作的承諾無法被實現仍然會對這一領域造成傷害”
……
內容概要
1。 從發現靶標，找到化合物，到確定最可能受益的患者群體，設定臨床試驗標準，招募臨床試驗受試者，再到追蹤他們的疾病進展，以及在現實應用時決定給哪些患者開藥，資料科技可以應用到新藥研發過程中的許多不同環節。
2。 考慮到醫療健康產業的規模，即便是5%-20%的效率提升，都足以帶來巨大的變化。
3。 目前的人工智慧領域尚處於發展的早期，產業對此需要有正確的期待。想要實現它的潛力還需要很多年的時間，之前的過度炒作不但不會促進，反而會阻礙這一領域的發展。
在近期結束的“2022藥明康德健康產業論壇”上，來自投資機構、醫療系統、新銳公司的四位行業領袖，就當前人工智慧（AI）、機器學習（ML）等前沿科技對醫療健康領域的影響展開了熱烈討論，並指出
前沿科技在變革已有護理，促進新藥開發和臨床試驗方面的多重機遇。
人工智慧近年來成為生物醫藥產業關注的熱點，與會專家表示，假以時日，人工智慧可能影響到醫療健康領域的方方面面，insitro執行長Daphne Koller博士認為，
機器學習和AI工具對產業鏈的影響好比計算機對產業鏈的影響，涉及所有領域。
具體來看，人工智慧的影響可以體現在下面幾個方面。
革新臨床護理
目前的醫療健康系統中仍然存在不少影響醫療效率的因素。比如，美國克利夫蘭診所首席數字官Rohit Chandra博士表示，
如今的醫生每天30-40%的時間花費在記錄病歷上，這意味著他們不能把這些時間用來診治病患。
在醫療資源有限的情況下，意味著不少需要救治的患者得不到治療。
而人工智慧可以幫助減少醫生在一些重複性工作上花費的時間，讓他們將更多的時間投入到診治患者中去。
Chandra博士還指出，智慧的演算法，可能透過分析患者的症狀，發現最需要救治的患者，並將他們與合適的醫生進行匹配，讓他們有望獲得最好的治療。“我們每天要看護25000到30000名患者，（人工智慧）能讓我們更公平地為更多患者服務。在我們的規模層面，5%，10%，20%的效率提升可以帶來重大影響。”
圖片來源：123RF
人工智慧在改良已有醫療護理方面的另一個作用是幫助將精準醫療與診斷連線起來。
精準醫療已經成為新藥開發的一個重要模式和趨勢。伴隨診斷的產生幫助醫生髮現適合精準藥物治療的患者，給他們開出正確的處方。Andreessen Horowitz普通合夥人Vineeta Agarwala博士表示，她認為伴隨診斷的理念值得在醫療健康整個領域推廣。未來的數字化診斷、或者將患者與療法匹配的創新技術，是銜接精準藥物的新藥開發和在醫護環境中實現精準治療的橋樑。
促進新藥的發現和開發
新藥開發是一個耗時耗力的漫長過程。Koller博士表示，很多時候我們很難確定哪條道路能夠通往成功。在她看來，
資料科技可以用在新藥開發的每個步驟中，從發現靶標、找到化合物、到確定最可能受益的患者群體，追蹤他們的疾病進展。以至於最終在現實應用時給哪些患者開藥。
“它就像一個基於機器學習的羅盤，指引藥物開發過程中的每一步。資料科技讓我們能夠以更好的機率，更快地找到哪條路是正確的。” Koller博士說。
臨床試驗是新藥開發中一個尤其耗時耗力的環節，資料科技可以在多個方面促進臨床試驗的設計和進行。Agarwala博士表示，
基於資料和人工智慧構建的患者招募標準可能比目前臨床試驗的招募標準更為廣泛
，讓臨床試驗能夠入組更為多樣化的患者。重要的是這些標準得到資料的支援，讓我們有信心在大型臨床試驗中使用它們。
Koller博士則指出，在更有效地基於資料入組患者之外，
改良臨床試驗的終點也是人工智慧大有可為的地方。
比如，利用機器學習分析患者的組織學資料而構建的臨床試驗終點，可能比傳統的臨床終點更為細化，更好地預測患者對在研藥物的反應。在神經科學適應症中，患者的應答本身就帶有主觀性，在這些領域，資料更為重要。“你越能構建強大資料驅動的臨床終點來確定患者是否對治療產生應答，就越能給臨床試驗賦能。” Koller博士說。
實現潛力仍然需要時間
與會嘉賓也指出，
對人工智慧需要有正確的期待，過度炒作不但不會促進，反而會阻礙這一領域的發展。
Agarwala博士表示，阻礙這一領域前進的一個原因是有些人會宣稱可以單純依靠機器學習開發出新藥。這種話不但難於理解和分析，而且會讓很多人產生懷疑。已經經歷過AI領域起起落落的Koller博士指出，
即使機器學習已經能夠提供極大的價值，當人們發現過度炒作的承諾無法被實現，仍然會對這一領域造成傷害。
圖片來源：123RF
當谷歌風投（GV）投資合夥人Ben Robbins博士提出人工智慧的應用處於炒作迴圈的哪個階段的問題時，Koller博士直言
就人工智慧在藥物發現和開發方面的應用來說，她認為我們仍處於炒作迴圈的前期，這也是讓她擔憂的事。
“機器學習可以為藥物開發過程做出越來越顯著的貢獻，然而這需要許多年的努力。它需要多個機器學習模組之間的合作，以及人類幫助設計實驗、產生資料、解釋機器學習的結果…”Koller博士說。人工智慧與科研人員的通力合作，是產生新變革的關鍵。
免責宣告：藥明康德內容團隊專注介紹全球生物醫藥健康研究進展。本文僅作資訊交流之目的，文中觀點不代表藥明康德立場，亦不代表藥明康德支援或反對文中觀點。本文也不是治療方案推薦。如需獲得治療方案指導，請前往正規醫院就診。
分享
，
點
贊
，
在看
，聚焦全球生物醫藥健康創新