Ultimamente molte case farmaceutiche stanno esplorando l’intelligenza artificiale (AI) per poterla applicare, nelle sue più svariate forme e dimensioni, all’ambito pharma.
Basti pensare alle applicazioni in ambito di supporto all’aderenza alle terapie, di aiuto al paziente, di dosaggio intelligente dei farmaci, di ricerca e sviluppo, di progettazione di farmaci innovativi e persino di formazione interna aziendale.
Andando per ordine e con riferimento ad alcune patologie croniche, in ambito farmaceutico sono stati attivati dei programmi specifici per coadiuvare i pazienti nella gestione quotidiana del farmaco o nel percorso di post-ospedalizzazione, tali per cui mediante smart device, data science e machine learning si è arrivati a erogare servizi simili a quelli di assistenza domiciliare svolta da persone fisiche e call center.
Indice degli argomenti
Alcuni casi specifici di impiego dell’AI in campo sanitario
Nello specifico, grazie allo studio dei Big data, alimentati dall’IoT, è stato ed è possibile analizzare i dati al fine di migliorare sempre più la ricerca scientifica afferente le diverse patologie, sino ad arrivare a una analitica predittiva[1] capace di individuare comportamenti futuri dei pazienti e, ad esempio, di metterli in correlazione con il numero di telefonate inoltrate al call center, di modo da prevedere addirittura il tasso di probabilità di abbandono di un determinato protocollo o terapia[2].
Sempre sotto un profilo di assistenza al paziente, presenta aspetti di un certo interesse e rilevanza anche la previsione di un cosiddetto “virtual caregiver digitale”, ovverosia il sostituto new tech dell’operatore persona fisica che assiste e si prende cura del paziente/parente malato.
Il virtual caregiver sarebbe, dunque, in grado di sostituire il suo omologo in attività semplici e di routine quali quelle della somministrazione dei farmaci, o rectius dell’invio dell’alert per ricordarne l’assunzione a dati orari/dosi, e dello svolgimento di esercizi riabilitativi.
Ancora non può parlarsi di una sostituzione integrale, ma di certo l’intervento dell’IoT mediante device quali, ad esempio, gli assistenti vocali, potrà permettere di sgravare gli operatori/parenti/badanti da determinate incombenze, lasciandoli liberi di dedicarsi a quelle di più delicato profilo.
Quanto alla sopra citata somministrazione di medicinali, l’AI è stata in grado di aprire nuove prospettive anche in termini di “dosaggio intelligente del farmaco”, e cioè a dire che di recente si sono sviluppate piattaforme capaci di incrociare differenti moli di dati relative ai pazienti e provenienti tanto dalle analisi quanto dalle informazioni sulle patologie, con l’obbiettivo ultimo di poter “tarare” terapie ad hoc per il singolo soggetto interessato.
Si può così parlare di una vera e propria “farmacologia su misura”, che si adatti, secondo un approccio tailor–made, al paziente, che è unico così come lo sono le reazioni dello stesso alle malattie e alle terapie di conseguenza applicate.
Farmaci testati con il machine learning
Ecco, dunque, che grazie all’intelligenza artificiale si può arrivare ad un “dosaggio dinamico nella terapia”[3] che affonda le radici della propria innovazione nella diversità di approccio: l’AI non viene (solo) usata per ridurre la tossicità del singolo farmaco, ma viene applicata in primis per aumentarne l’efficienza (mediante l’intervento sul dosaggio).
E così, grazie allo studio della sinergia tra differenti medicinali e il match tra efficacia del farmaco e dati del paziente, il sistema algoritmico porta all’individuazione di una terapia combinata che ha come scopo quello di moltiplicare gli effetti positivi (quasi) azzerando le reazioni avverse.
Risulta, pertanto, evidente come una parte fondamentale sia giocata proprio dai farmaci, in aiuto dei quali, ancora una volta, accorre l’AI che è risultata capace di incidere anche nella progettazione e nella realizzazione degli stessi.
Difatti, non si fa mistero del fatto che, oggi giorno, i farmaci vengano progettati mediante device e successivamente testati per tramite di simulazioni così da verificarne l’efficacia sul campo. In tale ambito, la capacità degli algoritmi e del machine learning di potenziare le attività di “calcolo” viene applicata al fine di velocizzare i tempi di ricerca, abbattere i costi e aumentare l’efficacia e la precisione dei farmaci che, mediante processi di selezione sempre più profilata delle esigenze e della rispondenza a criteri e necessità medicali, puntano sempre più a una Sanità 4.0 “paziente-centrica”.
Per fare sì che ciò sia possibile, l’aspetto relativo all’ambito R&D (ricerca e sviluppo) è stato ampiamente interessato dall’applicazione dell’intelligenza artificiale, tanto che, ad esempio anche colossi del peso di Novartis e Microsoft si sono accordati al fine di dedicare i propri sforzi in maniera congiunta ai cosiddetti. AI Empowerment e AI Exploration. Il primo si può tradurre nel senso di unire enormi quantità di dati disponibili con tecniche avanzate di intelligenza artificiale al fine di facilitare e innovare le possibilità degli addetti ai lavori relativamente alle sfide medicali, partendo dalla postazione di lavoro.
L’AI Exploration, invece, punterà a “far fronte ad alcune delle sfide computazionali più difficili nell’ambito delle scienze della vita, a partire da chimica generativa, segmentazione e analisi delle immagini per l’erogazione intelligente e personalizzata di terapie e ottimizzazione delle terapie cellulari e geniche su vasta scala”[4].
Una costola dell’R&D è poi l’”addestramento” di specifici algoritmi al fine di progettare farmaci innovativi con potenziale rilascio degli stessi nell’arco di poche settimane. Nello specifico, il progetto della start up Insilico Medicine Hong Kong Ltd, in collaborazione con i colleghi della società WuXi AppTec Co. di Shanghai e con lo studioso Alán Aspuru-Guzik del Dipartimento di Chimica dell’Università di Toronto, ha permesso di dare vita in soli 46 giorni[5] ad un farmaco contro la fibrosi, partendo dall’elaborazione di informazioni riguardanti circa 30.000 molecole ed istruendo l’AI mediante tecniche di apprendimento automatico.
AI anche per la divulgazione e la formazione scientifica
In ultimo, ma non di certo di minore importanza, vi sono gli aspetti divulgativi e di formazione interna aziendale, anch’essi non sfuggiti alle potenzialità dell’intelligenza artificiale laddove l’erogazione del materiale formativo, così come la formulazione dei quesiti, siano sviluppato sul “target” finale (utente), in maniera tale da verificare la conoscenza specifica del soggetto in questione, fini, magari, ad affinare le strategie di vendita dello stesso o migliorare la sua percezione di un determinato prodotto. Le tecniche di formazione si potranno spingere, così, fino agli estremi dei “role play virtuali” di simulazione di visite mediche realistiche o di “chatbot[6]” che interpretino differenti profili clinici.
- Un’analisi di tipo predittivo permette di ricavare informazioni capaci di prevedere gli stati futuri di un sistema grazie al processamento di collezioni di dati, attuali o storici. ↑
- Sul punto si vedano, ad esempio, i progetti portati avanti da TechieHealth Vidiemme. ↑
- Come ha spiegato Dean Ho, direttore dell’istituto di neurotecnologia di Singapore all’università nazionale (Sinapse). Si veda anche http://news.nus.edu.sg/press-releases/nus-researchers-use-ai-successfully-treat-metastatic-cancer-patient. ↑
- Si veda https://www.notiziariochimicofarmaceutico.it/2019/10/18/novartis-e-microsoft-collaborano-per-trasformare-il-settore-farmaceutico-con-lai/. ↑
- SI veda https://www.notiziariochimicofarmaceutico.it/2019/09/13/nuovo-farmaco-grazie-allai-in-46-giorni-mito-o-realta/. ↑
- Chatbot o agenti intelligenti, sono software progettati per simulare una conversazione con un essere umano allo scopo di simularne un comportamento. ↑
