De-a lungul industriei farmaceutice oncologice, standardele pentru precizie sunt în continuă creștere. Dezvoltarea medicamentelor anticancer a devenit din ce în ce mai orientată către biomarkere, populațiile de studiu se restrâng, iar costul identificării pacienților eligibili pentru studii continuă să crească. În același timp, organizațiile din domeniul științelor vieții resimt o presiune tot mai mare de a genera dovezi din lumea reală (RWE) mai rapid pentru strategiile de comercializare, precum și pentru reglementatori și plătitori.
Cursa pentru operaționalizarea inteligenței artificiale (AI) în cercetarea oncologică a intrat într-o nouă fază. După ani de zile de construire a cataloagelor masive de date din lumea reală (RWD) din fișele medicale electronice (EHR), teste moleculare și rezultate longitudinale ale pacienților, companiile de tehnologie medicală concurează acum pentru a transforma acele seturi de date în sisteme interactive de inteligență capabile să răspundă la întrebări complexe clinice și comerciale în timp real.
Această convergență a alimentat o undă de dezvoltare a platformelor AI în oncologie din partea companiilor precum SOPHiA GENETICS, Ontada, COTA Healthcare și acum Flatiron Health. „Pe măsură ce oncologia devine tot mai complexă, capacitatea de a identifica rapid pacienții potriviți și de a răspunde la întrebări critice de cercetare nu mai este doar un avantaj, ci este esențială,” a declarat Kate Estep, director de produs la Flatiron Health, pentru Inside Precision Medicine.
Mișcarea făcută de Flatiron Health susține tendința continuă a companiilor de date în oncologie și în domeniul sănătății de a se poziționa dincolo de simpla agregare a seturilor de date clinice către crearea de medii de cercetare AI-native în care medicii, strategii comerciali și cercetătorii pot interacționa direct cu datele folosind limbajul natural.
Generarea RWE a fost în trecut intensivă din punct de vedere al muncii. Echipele farmaceutice se bazează adesea pe analiști sau grupuri de bio-statistică pentru a construi cohorte, a valida criteriile de includere și a genera evaluări de fezabilitate – un proces care poate dura zile sau săptămâni înainte ca o întrebare de cercetare să înceapă să ia forma. Acest flux de lucru este din ce în ce mai incompatibil cu dezvoltarea modernă în oncologie, unde terapiile sunt adesea orientate către subpopulații moleculare foarte specifice.
Cercetarea în domeniul cancerului poate fi potrivită în mod unic pentru sistemele AI-native de generare a evidențelor. Comparativ cu multe domenii terapeutice, oncologia produce deja călătorii ale pacienților neobișnuit de bogate în date, care implică rapoarte de patologie, secvențiere genomică, imagistică, teste de biomarkere, linii de tratament, urmărirea progresului și puncte terminale de supraviețuire. Dezvoltarea medicamentelor oncologice depinde tot mai mult de identificarea rapidă și precisă a populațiilor moleculare înguste. Acea complexitate creează condiții ideale pentru sistemele AI de conversație capabile să navigheze simultan în date clinice structurate și nestructurate.
Flatiron Telescope încearcă să adreseze
Sursa articol https://insideprecisionmedicine.com
Senior Editor RevistaSanatatii.ro. Pasionat de lifespan, fan David Sinclair.
