江苏龙网

  1. 首页 > 资讯 > 科技 > >

人工智能■AI助力新药研发，暗数据与自动化齐飞


人工智能■AI助力新药研发，暗数据与自动化齐飞
本文插图

从研发到商业 ， 人工智能(artificial intelligence, AI)正在改变整个生命科学行业 ， 从研发到商业 。 根据Mordor Intelligence的报告《生命科学市场中的人工智能-增长、趋势及预测(2019-2024)》(Artificial Intelligence in LifeSciences Market – Growth, Trends, and Forecast(2019-2024)) ， 2019年生命科学相关的AI市场估值约9亿美元 ， 预计2019-2024年该市场规模年复合增长率超21% 。 根据全球IT行业著名咨询公司Gartner(高德纳) ， 人工智能技术的各种重要元素在技术成熟度曲线(hype cycle)中达到了顶峰(图表1) 。 然而与其他行业相比而言 ， 生命科学中AI的应用并不多 。 在这个大背景下 ，AI在监管环境中的应用 ， 如在研发价值链中的应用 ， 也因为一些因素而远远落后于生命科学的其他领域 。
图表1. 2019年Gartner人工智能技术成熟度曲线
人工智能■AI助力新药研发，暗数据与自动化齐飞
本文插图

来源：Gartner官网 ， 中康产业资本研究中心
本篇讨论范围限于制药公司的临床、安全和监管职能 ， 这些职能涉及典型大型药企的研发(R&D)和医学事务(medical affairs)组织 。 我们探寻这些领域的新兴应用案例 ， 以及可能影响它们的AI技术类型 。 近年来药物相关数据激增 ， 如真实世界数据(real-world data,RWD)在整个药物研发链中的广泛应用、药物上市后安全事件的数量增多等 ， 数据显著和实质性的增长使AI能够对这些领域进行评估 。 然而 ， AI和机器学习(machine learning, ML)的能力在很大程度上被误解了 。 由于AI/ML具有较高的媒体曝光度 ， 人民大众对它们有非常高的期望 ， 这不可避免地会导致失望 。 这削弱了在执行层面对AI的信任 。
01
AI在研发中的应用场景
Gartner将“暗数据(Dark Data)”定义为组织在常规业务活动期间收集、处理和存储的信息资产 ， 但通常不能用于其他目的 ， 如分析、业务关系和直接变现 。 这一概念与物理学中的“暗物质”类似 ， 暗数据通常包括大多数组织的信息资产 ， 组织通常只为了合规目的而保留暗数据 。 存储和保护暗数据通常引起比价值更多的花费及更高的风险 。
现在的制药公司分析并探寻来自于合法收集和分析的数据的推论 。 尽管研发领域的数据在迅速增长 ， 但是药企仍无法充分利用所有这些数据进行有效决策 。 当前的需求是抓住数据增长的机会 ， 通过从这些“暗数据”中获得洞察来产生价值 ， 这些暗数据包括真实世界数据、二次研究数据、患者交互数据、监管申请提交等 。 根据IDC(International Data Corporation ， 国际数据公司)的报告 ， 从2018至2025年 ， 全球医疗数据将具有36%的年复合增长率 。 因此 ， 探索这些数据并从中获得洞察是应用人工智能的重要机会 ， 下面介绍部分具体应用场景 。
缩短药品审批周期
在新药申请/市场许可申请(NDA/MAA)审批过程中 ， 经常有来自药品监管机构的问询 ， 如资料补充、数据质疑等 ， 导致药监与药企的来回沟通 。 这构成了药品审批周期中的重要部分 。 通过分析过往的问询 ， 可以找出规律来预测和预防出现类似的问询 ， 从而整体上缩短药品审批周期 。 这是药企通过利用现有AI技术 ， 在短期内可以实现的合理目标 。
从患者声音数据获得洞察
药企在药品上市前的临床开发阶段需要收集受试者反馈信息 ， 在药品上市后仍需要与患者互动 ， 以收集医学信息 ， 进行药物警戒(PV) 。 自然语言处理(natural language processing,NLP)和自然语言生成(natural language generation, NLG)技术现在已经准备好用于基于语音的数据 ， 自动将它们转换为文本 ， 并发掘它们以获得不同维度的分析 。 这些分析比第三方对产品体验的分析或社交媒体数据挖掘要更加全面 ， 可帮助产品上市、产品定位、标签拓展 ， 以及监管和营销策略 。


推荐阅读


上一篇：#小米手机#Mi电动滑板车领衔：一组将发往欧洲的小米物联网产品图曝光

下一篇：【iPhoneSE】苹果为iPhone SE二代备货4000万部，准备在新兴市场大放异彩