لماذا أصبح استخدام الذكاء الاصطناعي في التجارب السريرية هو الوضع الطبيعي الجديد

في عام 1994 ، أراد الدكتور كيفن هيوز وزملاؤه اختبار علاج لسرطان الثدي في مراحله المبكرة لدى النساء الأكبر سنًا. على الرغم من أن حوالي 40 ألف امرأة في الولايات المتحدة يمكن أن يتأهلن لهذه التجربة كل عام ، فقد استغرق الأمر من هيوز وفريقه خمس سنوات كاملة لتجنيد 636 مشاركًا.

بعد مرور بعض الوقت ، كانت Mayo Clinic تخطط لدراسة أخرى تتعلق بسرطان الثدي. اعتمد الباحثون على نظام واتسون من شركة آي بي إم لمطابقة المرضى في التجارب السريرية المدعومة بالذكاء الاصطناعي وأبلغوا عن زيادة بنسبة 80٪ في التسجيل الشهري. لو كان للدكتور هيوز إمكانية الوصول إلى مثل هذه التكنولوجيا ، لكان قد قام بتجنيد عدد كافٍ من المشاركين عاجلاً.

في الوقت الحاضر ، تستفيد شركات الأدوية من خدمات تطوير الذكاء الاصطناعي للرعاية الصحية لتسهيل تخطيط الدراسات السريرية وتنفيذها. يشهد سوق موفري حلول التجارب السريرية العالمية المستندة إلى الذكاء الاصطناعي ارتفاعًا. بلغت قيمتها 1.3 مليار دولار في عام 2021 ومن المتوقع أن تنمو بمعدل نمو سنوي مركب يبلغ 22٪ من عام 2022 إلى عام 2030.

إذن ، ما الذي يمكن أن يفعله الذكاء الاصطناعي أيضًا لإفادة التجارب السريرية؟ وما هي التحديات التي يمكن أن تتوقعها مؤسستك في طريقها إلى تطبيق التكنولوجيا؟

لماذا تحتاج الأدوية إلى نهج جديد للتجارب السريرية

تشير الدراسات إلى أن التجارب السريرية للأدوية الجديدة تستغرق تسع سنوات في المتوسط ​​وتكلف حوالي 1.3 مليار دولار لتنفيذها. في غضون ذلك ، تتراوح تكلفة التجارب السريرية الفاشلة بين 800 مليون دولار و 1.4 مليار دولار. وحقيقة أن 90٪ من الأدوية ينتهي بها المطاف بالفشل في التجارب السريرية تعقد الأمر.

في التجارب السريرية التقليدية ، يبحث الأطباء والباحثون يدويًا عن المشاركين ، ويجب أن يكون المرضى حاضرين جسديًا للتسجيل والخضوع للتقييم. يحدث العلاج أيضًا في الموقع من خلال الزيارات المجدولة. يظل هذا نهجًا آمنًا لتطوير علاجات جديدة. ومع ذلك ، فهو بطيء ويفتقر إلى المرونة اللازمة لتكوين علاجات معقدة وتلبية احتياجات شرائح السكان الأصغر التي غالبًا ما تكون غير متجانسة.

بالإضافة إلى ذلك ، لا يمتلك هذا النهج القدرة على دمج ومعالجة البيانات من المستشفيات ومراكز الأبحاث والممارسات الخاصة ومنازل المرضى. سيواجه الباحثون صعوبة في تجنيد المشاركين وسيطلبون من المرضى زيارة مواقع التجارب لإجراء مراجعات منهجية للحالة والمراقبة ، مما قد يزيد من فرص تسرب المرضى.

يمكن أن يساعد الذكاء الاصطناعي وأنواعه الفرعية في حل هذه المشكلات.

كيف يمكن للذكاء الاصطناعي تحديث التجارب السريرية؟

يمكن للذكاء الاصطناعي دمج البيانات من مصادر متعددة ، بما في ذلك السجلات الصحية الإلكترونية (EHRs) ، والأوراق البحثية ، ومعلومات التجارب السريرية السابقة ، ودراسات الحالة الطبية الخاصة. يمكنه أيضًا التعامل مع التدفق المستمر للبيانات من الأجهزة الطبية الشخصية.

يمكن لتقنية التجارب السريرية المعتمدة على الذكاء الاصطناعي أن تجمع وتنظف وتعالج وتدبر وتصور كل هذه المعلومات بطريقة تساعد الأطباء على فهم مرض معين والإمكانات التي توفرها المركبات الكيميائية المختلفة في مكافحته. بينما تساعد التحليلات التنبؤية في الرعاية الصحية على التنبؤ بكيفية تفاعل المرضى مع العلاجات المقترحة.

إن الوصول إلى الرؤى المستمدة من كل هذه المعلومات في الوقت المناسب سيمكن الباحثين من اتخاذ قرارات أكثر استنارة بسرعة. إليك كيف يمكن للذكاء الاصطناعي الاستفادة من جوانب مختلفة من التجارب السريرية.

الذكاء الاصطناعي في التجارب السريرية: أفضل 5 تطبيقات

للذكاء الاصطناعي فوائد عديدة في قطاع الرعاية الصحية. على سبيل المثال ، منذ اندلاع الجائحة ، استخدمت المستحضرات الصيدلانية الذكاء الاصطناعي على نطاق واسع لتسريع التجارب السريرية للقاحات المحتملة لقاح COVID-19.

هناك خمسة تطبيقات رئيسية للذكاء الاصطناعي في التجارب السريرية. التكنولوجيا:

• يساعد في تصميم التجارب السريرية
• يسهل توظيف المشاركين
• يدعم اختيار موقع التجربة
• يراقب التزام المشاركين
• يساعد في جمع بيانات التجارب السريرية وتحليلها

1. يساعد الذكاء الاصطناعي في تصميم التجارب السريرية

تظهر الأبحاث أن التصميم السيئ للتجارب السريرية يمكن أن يمنع عقارًا فعالًا من إثبات فعاليته ، مما يؤدي إلى إهدار جميع الموارد التي يتم إنفاقها على تطوير هذا الدواء.

لكن تصميم الدراسات السريرية يمثل تحديًا حيث تحتاج شركات الأدوية إلى البحث في كميات هائلة من البيانات ، 80٪ منها غير منظم ويصعب تحليلها. يمكن أن يساعد الذكاء الاصطناعي في التجارب السريرية في تجميع كل هذه البيانات ومعالجتها وإيجاد أنماط مفيدة. على سبيل المثال ، يمكنه اشتقاق البروتوكولات والاستراتيجيات التنظيمية الصحيحة ونماذج تسجيل المرضى التي تناسب بلد التجربة. يمكن أن يساعد الذكاء الاصطناعي أيضًا في تحديد أفضل توقيت لإجراء الدراسة.

سيؤدي ذلك إلى مواجهة تعديلات أقل على البروتوكول ، وانقطاع عن المرضى ، وانتهاكات تنظيمية. وجد مركز تافتس لدراسة تطوير الأدوية أن تعديل بروتوكول جوهري واحد يمكن أن يطيل التجربة لمدة ثلاثة أشهر ويتكلف ما بين 140 ألف دولار و 530 ألف دولار حسب مرحلة التجربة.

2. يسهل الذكاء الاصطناعي توظيف المشاركين في التجارب السريرية

هناك ثلاث قضايا رئيسية تتعلق بالمريض تعيق التجارب السريرية.

1. البحث عن المريض المرشح

تقليديا ، يمكن للمرضى أن يسمعوا عن التجارب ذات الصلة من طبيبهم أو البحث في قاعدة بيانات مقابلة ، مثل السجل الوطني الأمريكي للدراسات السريرية. هذه المصادر ليست كافية ، لأن الأطباء ليسوا على دراية بجميع التجارب الجارية وقد يجد المرضى التمرير عبر المواقع الحكومية أمرًا ساحقًا ، لا سيما بالنظر إلى تشخيصهم الأخير.

يسمح تعزيز التجارب السريرية باستخدام الذكاء الاصطناعي بغربلة بيانات المريض ، مثل السجلات الصحية الإلكترونية والتصوير الطبي ، لمقارنة خصائص المريض بمعايير الأهلية للدراسة لتحديد الأفراد المناسبين لهذه التجربة بالذات. الذكاء الاصطناعي قوي بما يكفي لاختيار مجموعة متجانسة من المشاركين ، وهو ما يمثل تحديًا للطرق التقليدية.

شركة ناشئة تعمل بالذكاء الاصطناعي تستخدم Deep Lens قاعدة بياناتها الواسعة لدراسات الأورام لتجنيد المرضى للتجارب. يمكن أن تتطابق الشركة الناشئة مع الأشخاص الذين تم تشخيص إصابتهم حديثًا بالسرطان وتسريع تسجيلهم في التجارب. بينما تقترح شركة 23andMe ، وهي شركة متخصصة في علم الوراثة الشخصية ومقرها كاليفورنيا ، إجراء دراسات إكلينيكية على عملائها بناءً على تركيبتهم الجينية.

2. تسرب المرضى

تظهر الأبحاث أن ما يقرب من 30٪ من المشاركين يميلون إلى ترك التجارب السريرية. ينتج عن هذا زيادة الإنفاق والوقت اللازم لإكمال الدراسة. يكلف تجنيد مريض واحد للتجربة السريرية 6500 دولار في المتوسط ​​، في حين أن استبدال مريض عندما تكون التجربة جارية بالفعل يكلف أكثر. يمكننا حل هاتين المشكلتين من خلال اختيار دقيق للمرضى.

كما هو مذكور في النقطة السابقة أعلاه ، يقوم الذكاء الاصطناعي بالتحقيق في بيانات المريض ويمكنه النظر إلى ما وراء معايير القبول في الدراسة ، مما يقلل من التسرب في المستقبل.

3. تقييم المريض

يحتاج المرشحون إلى الخضوع للتقييمات للتأكد من استيفائهم لمعايير الاشتمال ، الأمر الذي يتطلب حضورهم المادي. واعتمادًا على موقعهم ومرونتهم الوظيفية ، قد لا يتمكنون من زيارة مرافق التجربة في الوقت المخصص. يمكن للذكاء الاصطناعي تبسيط نشر التكنولوجيا القابلة للارتداء ، مما يسمح للمرضى بإجراء بعض التقييمات في المنزل. ثم يمكن لخوارزميات التعلم الآلي تجميع البيانات وتحليلها.

على سبيل المثال ، تقدم شركة TytoCare الطبية الناشئة أدوات الفحص المتصلة وتطبيقات الأجهزة المحمولة الأساسية التي تمكن المرضى من أخذ القياسات من الرئتين والقلب والجلد والحلق وما إلى ذلك وإرسالها إلى الأطباء.

3. يدعم الذكاء الاصطناعي اختيار موقع التجارب السريرية

يمكن للذكاء الاصطناعي تحليل البيانات المتوفرة عن الأطباء والمرضى والظروف المناخية المتوفرة في مواقع جغرافية مختلفة وتصورها على الخريطة ، مما يساعد شركات الأدوية على اختيار موقع محقق يتمتع بأكبر إمكانات.

أحد الأمثلة على استخدام الذكاء الاصطناعي في اختيار الموقع يأتي من Innoplexus. تساعد شركة AI للتجارب السريرية هذه الشركات الصيدلانية على تصميم والتحضير للدراسات باستخدام تقنية مقارنة التجارب السريرية الخاصة بها. يوفر لوحات معلومات لتصور المعلومات التي تساعد في تحديد أولويات المواقع للدراسات السريرية المستقبلية ، بما في ذلك القرب من التجارب السريرية المنافسة والجغرافيا والسكان المرشحين. طورت Innoplexus أيضًا لوحة معلومات مخصصة مدعومة بالذكاء الاصطناعي مع عوامل تصفية تسمح لعملائها بدمج بيانات الطرف الثالث وتعيين العتبات والمقاييس لمعايير اختيار الموقع الخاصة بهم.

4. يراقب الذكاء الاصطناعي التزام المشاركين في التجارب السريرية

عدم الالتزام بالأدوية أمر شائع إلى حد ما. تشير الدراسات إلى أن 50٪ من الأمريكيين يفشلون في تناول الأدوية المزمنة طويلة الأمد وفقًا للتعليمات. ووفقًا لمنظمة الصحة العالمية ، يمكن أن يكون للالتزام بالأدوية تأثير أكبر من العلاج نفسه.

في التجارب السريرية ، تكون عملية التتبع اليدوي للالتزام بالأدوية عرضة للخطأ ، لأنها تعتمد على ذاكرة المريض. وغالبًا ما يستخدم الأطباء أنظمة تسجيل غير موثوق بها ، مثل القلم والورق ، مما قد يؤدي إلى فقدان المعلومات.

يتيح نشر الأجهزة القابلة للارتداء جنبًا إلى جنب مع التجارب السريرية AI للباحثين مراقبة تصرفات المرضى من خلال التقاط البيانات تلقائيًا بدلاً من انتظار التقارير اليدوية للمرضى. على سبيل المثال ، طورت AiCure ، إحدى الشركات الرائدة في مجال التجارب السريرية للذكاء الاصطناعي ، مساعدًا طبيًا تفاعليًا يمكنه اكتشاف المرضى المعرضين لمخاطر عدم الالتزام. تتيح هذه التقنية أيضًا للمرضى التقاط مقطع فيديو لأنفسهم وهم يبتلعون حبة دواء كدليل على أنهم فعلوا ذلك بالفعل. يمكن للمساعد تحديد المريض المناسب والحبوب ، والتأكد من الالتزام بالطبيب المسؤول.

لتحفيز المرضى والتشجيع على الالتزام ، قامت شركة Optimal.health ببناء زجاجة دواء ذكية مدعومة بتطبيق جوّال. تُذكر هذه التقنية المرضى عندما يحين وقت تناول الدواء ، وتتبع جرعاتهم ، وتوفر المواد التعليمية. يمكنه أيضًا التواصل مع الأطباء للإبلاغ عن ملاحظات المريض.

5. يساعد الذكاء الاصطناعي في جمع وتحليل بيانات التجارب السريرية

تستهلك التجارب السريرية وتخرج كميات هائلة من البيانات. سيولد كل مشارك معلومات زائدة ، مثل بيانات الالتزام ، والعلامات الحيوية ، وأي ملاحظات وسيطة أخرى. يمكن للذكاء الاصطناعي تجميعها وتحليلها وتقديمها للأطباء بتنسيق قابل للقراءة.

أيضًا ، بمساعدة أجهزة إنترنت الأشياء الطبية وإنترنت الأجسام ، يمكن للأطباء مراقبة المرضى في منازلهم في الوقت الفعلي. هذا يعني معالجة كميات كبيرة من البيانات يوميًا. يمكن للذكاء الاصطناعي تولي هذه المهمة وتحديد أي تدهور في حالة المرضى والإبلاغ عنه ، مما يضمن رفاهية المريض ويقلل من التسرب.

فائدة أخرى مثيرة للاهتمام هي أن خوارزميات التعلم الآلي يمكنها تحديد مجموعات المرضى ضمن مسار يستحق المزيد من التحقيق. على سبيل المثال ، إذا لم تسفر التجربة عن النتائج المتوقعة ، يمكن للذكاء الاصطناعي تحديد المشاركين الذين يعانون من حالات معينة يبدو أنها تستفيد من الدواء الذي تم فحصه أو العلاج للتجارب الفرعية.

بضع كلمات حول تحديات استخدام الذكاء الاصطناعي في التجارب السريرية

عدم وجود قابلية التشغيل البيني في البيانات الطبية

على الرغم من الجهود المبذولة لتوحيد البيانات الطبية ، لا يزال هناك العديد من معايير تكنولوجيا المعلومات الخاصة بالرعاية الصحية ، ولا يزال التشغيل البيني للبيانات الصحية يمثل تحديًا. هذا يجعل من الصعب دمج معلومات المرضى من المنظمات الطبية التي تستخدم برامج السجلات الصحية الإلكترونية المختلفة. ناهيك عن أن بعض الأطباء لا يزالون يعتمدون على الملاحظات المكتوبة بخط اليد.

على الرغم من إعاقة عمليات الذكاء الاصطناعي بسبب الافتقار إلى إمكانية التشغيل البيني ، يمكن للتكنولوجيا أيضًا المساعدة في التغلب على هذه المشكلة. يمكن للنماذج المستندة إلى معالجة اللغة الطبيعية (NLP) استخراج البيانات السريرية ، مثل الأعراض والتشخيصات من مصادر متنوعة غير متجانسة ، وتجميع هذه المعلومات في قاعدة بيانات التجارب بدلاً من تطبيع السجلات الصحية وغيرها من المصادر.

أحد الأمثلة على ذلك هو Deep 6 AI ، الذي يستخدم البرمجة اللغوية العصبية لتحليل أنظمة السجلات الصحية الإلكترونية المتنوعة. بلغت قيمة الشركة 140 مليون دولار في أحدث عملية لجمع التبرعات.

ومع ذلك ، فإن وظيفة خوارزميات البرمجة اللغوية العصبية ليس بهذه البساطة حيث لا توجد مصطلحات موحدة يستخدمها الأطباء للتعبير عن نفس المفهوم. على سبيل المثال ، يشير بعض الأطباء إلى النوبة القلبية على أنها "احتشاء عضلة القلب" أو "احتشاء عضلة القلب" ، بينما يكتب البعض "احتشاء عضلة القلب". لذلك ، يجب تجهيز نماذج الذكاء الاصطناعي للتجارب السريرية للتعرف على كل هذه الاختلافات.

التحديات المتعلقة بالذكاء الاصطناعي

يواجه الذكاء الاصطناعي صعوباته الخاصة التي يجلبها إلى كل مجال يتم تطبيقه فيه. إذا كنت ترغب في اكتشاف المزيد عن الذكاء الاصطناعي ، فراجع مقالتنا الأخيرة حول تحديات تطبيق الذكاء الاصطناعي ومقدار تكاليف الذكاء الاصطناعي.

فيما يلي اثنان من أهم التحديات التي يجلبها الذكاء الاصطناعي للتجارب السريرية:

تدريب خوارزميات التعلم الآلي

في الوقت الحالي ، لا يوجد حتى الآن بديل موثوق وآلي بالكامل لعملية شرح البيانات اليدوية المطلوبة لتدريب نماذج الذكاء الاصطناعي المستخدمة في التجارب السريرية. تستغرق هذه المهمة وقتًا طويلاً ، وغالبًا ما يتم تصميم النتائج لمقدمي الرعاية الصحية الفرديين أو لأمراض معينة.

قالت نويمي الحداد ، عالمة المعلومات الطبية الحيوية بجامعة كولومبيا: "في الوقت الحالي ، لا يوجد شيء مثل محرك البرمجة اللغوية العصبية الذي يأخذ أي ملاحظات إكلينيكية مكتوبة من أي طبيب ويمكنه فهم ما تقوله الملاحظات" ، مشددًا على قابلية إعادة الاستخدام المحدودة لنماذج البرمجة اللغوية العصبية المدربة. .

انحياز الذكاء الاصطناعي وضرورة إجراء تقييمات مستمرة

يمكن للذكاء الاصطناعي تطوير التحيز إذا كانت مجموعة بيانات التدريب لا تمثل السكان الفعليين ، حيث تعتمد قابلية تعميم النموذج على التنوع الذي شاهده أثناء التدريب. على سبيل المثال ، يمكن للنماذج المدربة بشكل غير صحيح أن تحرف اقتراحات الموقع للتجارب السريرية أو يمكن أن تؤدي بشكل سيئ على المرضى ذوي البشرة الداكنة.

حتى الخوارزميات المدربة جيدًا يمكن أن تكتسب التحيز مع استمرارها في التعلم أثناء العمل. لذلك ، من المهم إجراء عمليات تدقيق مستقلة في الوقت المناسب للقبض على أي سلوك غير لائق والقضاء عليه.

يقول الدكتور ليو أنتوني سيلي ، عالم الأبحاث الرئيسي في معهد ماساتشوستس للتكنولوجيا: "الذكاء الاصطناعي هو منتج طبي حي يحتاج إلى التعديل وإعادة المعايرة باستمرار". وهو يعتقد أن الذكاء الاصطناعي والتعلم الآلي في التجارب السريرية يجب أن يُنظر إليهما على أنهما منتجان منفصلان ، بغض النظر عن الأجهزة الطبية المستخدمة مع التكنولوجيا. لذلك ، يجب تقييم الحلول التي تعمل بالذكاء الاصطناعي بشكل مستقل ومتكرر.

مستقبل التجارب السريرية المدعومة بالذكاء الاصطناعي

تتوقع Accenture ثلاث موجات من التحسن في التجارب السريرية التقليدية ، سيستغرق بعضها وقتًا طويلاً حتى تنضج.

1. ستحقق الموجة الأولى تحسنًا كبيرًا في فعالية التجارب بسبب التكنولوجيا الناشئة ، مثل الواقع المعزز (AR) ، والوصول إلى بيانات المريض في الوقت الفعلي ، والتي سيساعد الذكاء الاصطناعي في الحفاظ عليها وتحليلها. لدى AR بالفعل العديد من التطبيقات في قطاع الرعاية الصحية ، وتأمل الشركة الاستشارية بشكل خاص في استخدام AR و VR في مراقبة التزام المريض.
2. تشير الموجة الثانية إلى أن المسارات ستصبح افتراضية. وهذا يعني أنه يمكن للباحثين الاعتماد على الوكلاء الرقميين المدعومين بالذكاء الاصطناعي لتجنيد المرضى ، والتحقق من أهليتهم ، والحصول على موافقة رسمية ، وأداء المهام المتعلقة بالإعداد. سيكون هناك مستودعات بيانات لامركزية مع مستوى عال من الأمن والوعي بالملكية. سوف يمتلك المرضى بياناتهم بالكامل ويشاركونها مع الأطباء وفقًا لشروطهم.
3. في الموجة الثالثة ، سيتم إجراء التجارب دون أي مخاطر على المرضى ، حيث ستعمل خوارزميات الذكاء الاصطناعي على نمذجة النتائج السريرية. لا تزال الأتمتة الكاملة للتجارب السريرية باستخدام الذكاء الاصطناعي بعيدة في المستقبل ، لكننا شهدنا بالفعل محاولات لإجراء اختبار في المختبر يعتمد على الذكاء الاصطناعي.

تواصلت شركة التكنولوجيا الحيوية المتخصصة في تكنولوجيا الأعضاء على الرقاقة إلى ITRex للمساعدة في بناء منصة لنمذجة الأمراض في المختبر واختبار الأدوية كجزء من التجارب السريرية. تعتمد هذه التقنية على رقائق بها خلايا ميكروفلويديك تحاكي أعضاء الإنسان. ساعد فريقنا في تطوير برنامج إنترنت الأشياء المضمّن لمنصة Organ-on-a-chip ، وبرامج الواجهة الأمامية والخلفية لتصميم التجارب وإدارتها وتحليلات البيانات.

تم اعتماد حل التجارب السريرية المبتكرة الناتجة عن ذلك من قبل أكثر من 100 مختبر ، بما في ذلك أكبر شركات الأدوية الأمريكية ، وساعدهم على تسريع تطوير الأدوية وخفض التكاليف.

حتى إذا بدت بعض تنبؤات Accenture مستقبلية ، يمكنك بالفعل البدء في دمج الذكاء الاصطناعي في التجارب السريرية اليوم. يمكنك اللجوء إلى شركات استشارات التجارب السريرية للذكاء الاصطناعي لتبسيط عملية توظيف المرضى ، ومراقبة الالتزام ، وتحليل البيانات السريرية وتصورها ، وجعل المرضى مرتاحين مع المراقبة الداخلية بفضل الأجهزة القابلة للارتداء.

علاوة على ذلك ، يمكنك نشر الذكاء الاصطناعي لأتمتة صيانة المواد البيولوجية المستخدمة أثناء التجارب. يمكن تدريب حلول الذكاء الاصطناعي هذه على اتخاذ قرارات مستنيرة حول كيفية ووقت تقسيم الخلايا ، على سبيل المثال. يوضح هذا أن مشاركة الذكاء الاصطناعي في التجارب السريرية لا تقتصر على التطبيقات المذكورة في هذه المقالة. إذا كان لديك شيء مختلف في ذهنك ، فلا تتردد في التواصل معه.

هل أنت متحمس لإمكانية تسريع تجاربك السريرية باستخدام الذكاء الاصطناعي؟ ترك لنا خطا! سيساعدك فريقنا في بناء / نشر الأجهزة القابلة للارتداء المتصلة لجمع بيانات المريض ، وتنفيذ أدوات التحليلات المدعومة بالذكاء الاصطناعي لمعالجتها وتصورها.

نُشر في الأصل على https://itrexgroup.com في 12 أغسطس 2022.