Интересное
Использование искусственного интеллекта может в несколько раз сократить затраты на разработку лекарств и время их разработки. ИИ уже позволяет с высокой точностью диагностировать, например, онкозаболевания. Как технологии на базе ИИ трансформируют бизнес лидеров отрасли, как меняют организацию работы с пациентами, методы диагностики, лечения и разработки новых лекарств?
Вместе с экспертами Альянса в сфере ИИ рассказываем об основных направлениях применения ИИ в здравоохранении и фармацевтике.
Работа с обращениями пациентов составляет существенную часть работы медицинских организаций. Чаще всего искусственный интеллект может значительно разгрузить человека на этих задачах.
Вот несколько примеров того, как ИИ может помочь и улучшить процесс работы с пациентами:
По данным экспертов Альянса в сфере ИИ, до 90% обращений пациентов не требуют вмешательства оператора-человека.
До 90%
обращений пациентов не требуют вмешательства человека
Искусственный интеллект может с минимальной погрешностью проанализировать, предсказать загруженность медицинского учреждения и составить график работы не только для врачей, но и для другого персонала.
Кроме того, ИИ помогает определить, какие именно приёмы необходимо провести в очном формате, а когда можно ограничиться телемедицинской консультацией.
Это позволяет снизить нагрузку на персонал, улучшить качество работы и повысить удовлетворённость сотрудников.
Во время приёма врач тратит 30% времени на то, чтобы заполнить электронную медицинскую карту (ЭМК). ИИ, который работает с голосовым вводом, помогает ускорить этот процесс, а освободившееся время направить на более плотную работу с пациентом. Это позволяет повысить точность диагностики, приверженность пациента плану лечения и степень доверия врачу.
По данным экспертов Альянса в сфере ИИ, автоматизация в два раза сокращает время на заполнение медкарты оператором.
В 2 раза
улучшается качество оказания медуслуг благодаря ИИ
95%
достигает точность выявления онкозаболеваний на снимках с помощью ИИ
Вообще, соблазн переложить рутинные, повторяющиеся операции на ИИ очень велик. И при наличии большого объёма качественных данных для обучения, это кажется вполне себе реализуемой задачей. Но вот с этими самыми данными как раз бывает загвоздка. В обычной жизни годные, подлежащие нормализации данные встречаются нечасто, и если к ним у компании нет доступа, значит, обучать ИИ будет не на чем.
Такой доступ обычно есть у государственных организаций, клиник, больниц. И в дни пандемии, когда на базе «НМЦ-Томографии» была сделана не одна тысяча снимков для определения эффекта «матового стекла» и процента поражения лёгких, одна компания, специализирующаяся на исследованиях снимков с помощью AI вышла на нас с предложением запустить пилот анализа результатов КТ для определения патологий и новообразований в лёгких пациентов. Ведь в основном все в то время смотрели на COVID и мало кто на что-то другое. Мы наладили процесс передачи обезличенных снимков в эту компанию, и в ответ нам приходили рекомендации о приёме специалистов для ранней диагностики тех или иных пациентов. Примерно из 3000 снимков в 120 были обнаружены подозрения на новообразования, которые потом перепроверял врач. Подтвердили в итоге всего пять.
Могу сказать, что если в фармацевтике вполне можно незатратно моделировать химические соединения, экономя время и ресурсы, то в такой консервативной области, как медицина, сотканной из исключительных сценариев с высокими рисками, полностью положиться на ИИ мы сможем нескоро. В случае наступления осложнений вряд ли можно переложить ответственность на ИИ. Поэтому за каждым алгоритмом ML пока что всегда будет стоять врач.
Искусственный интеллект позволяет оптимизировать процесс по обнаружению новых соединений: технология использует анализ больших объёмов химических данных и предсказания потенциально активных соединений, которые могут стать основой для новых лекарств.
ИИ позволяет вместо проведения ресурсоёмких опытов по взаимодействию молекул для получения необходимых свойств соединения использовать генеративные и рекомендательные модели. За счёт этого сокращается время и затраты на подбор идеальной рецептуры лекарства.
Например, компании применяют технологии ИИ на стадии поиска и разработки ключевой молекулы (drug discovery). С помощью собственной ИИ-платформы фармпроизводитель определил два препарата для лечения фиброза. Один из них уже находится на первой стадии клинических исследований.
В целом, по данным Альянса в сфере ИИ, время от обнаружения лекарства до проведения испытаний сокращается с 6 лет до 1 года.
Искусственный интеллект может анализировать и предсказывать, как потенциальные лекарственные соединения будут взаимодействовать с белками, рецепторами и другими биологическими мишенями.
Это позволяет исследователям фокусироваться на наиболее перспективных стратегиях для дальнейшего изучения, а также снизить риски во время испытаний препаратов.
В 6 раз
уменьшается время от обнаружения лекарства до проведения испытаний
В целом, по данным Альянса в сфере ИИ, время от обнаружения лекарства до проведения испытаний сокращается с 6 лет до 1 года.
В 6 раз
уменьшается время от обнаружения лекарства до проведения испытаний
Искусственный интеллект может анализировать и предсказывать, как потенциальные лекарственные соединения будут взаимодействовать с белками, рецепторами и другими биологическими мишенями.
Это позволяет исследователям фокусироваться на наиболее перспективных стратегиях для дальнейшего изучения, а также снизить риски во время испытаний препаратов.
Задачи фармакологии считаются одной из классических областей применения искусственного интеллекта. В мире существует много примеров успешной коллаборации «большой фармы» и ИТ-разработчиков систем с применением ИИ. Появилась даже бизнес-модель совместного лицензирования молекул, разработанных с помощью ИИ. Интерес со стороны российской фарминдустрии к такого рода разработкам оставался сдержанным, поскольку рынок разработки фармпрепаратов был невелик. Сейчас мы видим позитивные сдвиги в этой области под влиянием внешних обстоятельств. Среди резидентов фонда есть несколько компаний, профессионально занимающихся фарммоделированием. Среди них я бы отметила «Фармпредикт» и «Синтелли», они показывают хорошую динамику развития. Сейчас пока рано говорить о российских «единорогах» в этой области, но мы как фонд активно поддерживаем это направление и ожидаем развития этого тренда на горизонте 3—5 лет.
На 15%
можно сократить расходы на хранение лекарств благодаря ИИ-системам
Современные рекомендательные системы способны в динамическом режиме управлять множеством параметров — от колебаний спроса до затрат на хранение — и формировать оптимальный план логистики и хранения. По данным альянса, до 15% снижаются таким образом издержки на хранение и до 20% — задействованные складские площади.
Напишите нам и менеджеры свяжутся с вами