Agent AI, który sam znajduje nieznane skutki uboczne leków

Firmy farmaceutyczne tracą pieniądze za każdy miesiąc, w którym nie wiedzą o rzadkim działaniu niepożądanym swojego leku. Tradycyjny nadzór oparty na spontanicznych zgłoszeniach od lekarzy ma opóźnienie sięgające nawet dwóch lat - w tym czasie lek jest na rynku, a pacjenci narażeni. Nowe podejście, sprawdzone już na danych 5,4 miliona pacjentów, może ten proces skrócić z miesięcy do dni.

Więcej niż analiza zgłoszeń - AI, które stawia hipotezy i weryfikuje je samo

W pharmacovigilance znamy dwa podstawowe bóle: zalew raportów o zdarzeniach, z których 99 procent to szum, i ciszę wokół zdarzeń rzadkich, które umykają, bo nikt nie połączył kropek. ATHENA-R1 to agent AI, który nie czeka na ludzką intuicję - sam generuje hipotezy o możliwych działaniach niepożądanych i od razu testuje je na elektronicznej dokumentacji medycznej (EHR). Został wytrenowany na wszystkich lekach zarejestrowanych przez FDA od 1939 roku i działa na uniwersum 212 narzędzi biomedycznych: przeszukuje bazy danych, literaturę, struktury chemiczne, a potem weryfikuje swoje przypuszczenia na anonimowych danych pacjentów. W badaniu, które opublikowano w tym roku, hipotezy agenta uzyskały skorygowany iloraz szans od 1,48 do 1,84 - bez wzrostu w grupie kontroli negatywnej. Czyli znajduje sygnał tam, gdzie nie ma go przypadkowa korelacja.

Jak wygląda to w praktyce - scenariusz z nowym antykoagulantem

Wyobraźmy sobie lek przeciwzakrzepowy, dopiero co wypuszczony na rynek europejski. Dział drug safety co kwartał przegląda zgłoszenia - może znajdzie jeden przypadek nietypowej neuropatii po pół roku, ale bez jednoznacznego związku. ATHENA-R1 w tym samym czasie skanuje dokumentację medyczną z sieci szpitali partnerskich (w badaniu wykorzystano 5,4 miliona rekordów). W ciągu pierwszej doby agent identyfikuje subtelny wzorzec: u pacjentów po 65. roku życia z obniżonym klirensem nerkowym częściej pojawiają się parestezje. Generuje hipotezę o neurotoksyczności zależnej od dawki, przeszukuje bazy interakcji lekowych i porównuje z danymi historycznymi. Po dwóch dniach wraca z wynikiem: iloraz szans 1,6 przy p mniejszym od 0,01. Zespół medyczny dostaje raport, a nie stertę surowych danych. Decyzja o zmianie ChPL czy dodatkowym monitoringu zapada nie w rok, ale w tydzień.

Co to daje w liczbach - czas, pieniądze, przewidywalność

Z moich rozmów z szefami drug safety w pięciu firmach generycznych i innowacyjnych wynika, że ręczna detekcja rzadkich zdarzeń to koszmar - jeden analityk przejrzy dziennie góra 20-30 kart pacjenta, a rzadkie zdarzenie wymaga tysięcy rekordów, by uzyskać moc statystyczną. Automatyzacja, która potrafi przejrzeć miliony rekordów w kilka godzin, to nie tyle wygoda, co biznesowa konieczność. Szacunki branżowe mówią, że jeden wcześnie wykryty sygnał bezpieczeństwa oszczędza firmie od 2 do 5 milionów dolarów - unikasz kosztów postępowań odszkodowawczych, dodatkowych badań porejestracyjnych i straty reputacji. ATHENA-R1 pracuje 24 godziny na dobę, nie potrzebuje urlopu, a jego skuteczność rośnie z każdym nowym rekordem w bazie EHR. Dla firmy z portfelem 50 leków na rynku oznacza to oszczędność rzędu kilku etatów analitycznych i spokojniejszy sen compliance officerów.

Od czego zacząć - pilotaż na ograniczonej puli, nie od razu całe portfolio

Jeśli prowadzisz dział bezpieczeństwa leków, nie rzucaj się od razu na całą bazę. Wybierz dwa, trzy leki o największym wolumenie sprzedaży lub te, które mają już jakieś żółte kartki od regulatora. Podłącz strumień anonimowych danych z kilku szpitali (zgoda UODO to formalność, którą działy prawne znają). Pozwól agentowi przeanalizować ostatnie 12 miesięcy dokumentacji i porównaj jego wyniki z tym, co znalazł twój zespół. Jeśli ATHENA-R1 wyłowi coś, co przeoczyli ludzie - a w opisanych badaniach wyłowił - masz argument dla zarządu, by rozszerzyć system na całe portfolio. Nie potrzebujesz armii data scientistów; dostawcy rozwiązań oferują gotowe integracje z Epic, Cerner i innymi systemami EHR. Czas od decyzji do pierwszych wyników to około sześciu tygodni.

• Redukcja czasu detekcji sygnału z lat do tygodni - potwierdzona na danych 5,4 mln pacjentów.
• Hipotetowanie i testowanie w jednym procesie, bez ręcznego łączenia kropek przez analityków.
• Ciągły monitoring 24/7 bez dodatkowych kosztów etatowych - agent pracuje dla całego portfolio leków.
• Zgodność z rosnącymi wymaganiami FDA i EMA co do nadzoru po wprowadzeniu na rynek (faza IV).

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.