人工智能在精确药物配量中的作用

   智能未来        

人工智能在精确药物配量中的作用

仅在美国,与患者相关的药物问题每年就造成了1,770亿美元的费用。其中约200亿美元归因于可预防的药物不良反应,而这些可预防的副作用中有30%至50%是由于剂量错误引起的。从单一适应所有人的方法向个性化,精确的药物剂量方法转变成为当今医疗服务如此重要的发展的众多原因之一。


这些巨大的成本反映了对于医疗保健提供者而言,开处方的过程变得多么复杂。药物通常会对身体产生有力的影响(无论是有意还是无意的),药物剂量必须精确以达到最佳效果,同时避免副作用。


为了制定剂量决策,医生主要依靠他们的临床经验,所用药物的知识以及药品制造商和FDA的纸质剂量建议。但是,这些建议通常是不准确的,因为它们来自可能会或可能不会准确反映个别患者对药物反应的临床研究。因此,使用传统方法可以精确地配药。


AI改变了给药方式并使患者个性化


迄今为止,解决这一重要问题的最引人注目的方法是应用人工智能来实现精确计量。精确剂量是一个笼统的术语,是指根据个体对药物的已证明反应将“一刀切”的治疗方法转变为目标治疗方法的过程


精确计量已被认为是最大化治疗安全性和疗效的关键方法,对患者和医疗保健提供者具有巨大的潜在益处,迄今为止,以人工智能为动力的解决方案已被证明是实现精确计量的最强大工具之一。


2008年,美国联邦医疗保险和医疗补助服务中心前局长Donald M. Berwick博士明确表示了美国医疗体系的三重目标:改善护理体验,改善人群健康,并降低人均医疗费用。KLAS和互联医学中心在2020年10月的一份报告中发现,人工智能是用于临床决策支持的最有前途的新兴医疗技术之一,可以帮助美国医疗系统实现这些目标。


在加药中获得更好的决策支持


尽管有很大的希望,但由于精确剂量的应用难以扩展(来源1),原因是使精确剂量在保持功效的同时难以推广(来源2)。实际上,即使是一些最引人注目的精密医学研究也难以在规模上证明疗效(来源3)。


有效配药是一个多因素问题,因为很难创建一系列规则来全面说明影响特定观察到的反应的所有变量。过去的方法依靠临床医生的专业知识来确定尽可能多的变量,但即使是最熟练的临床医生也不能考虑所有相关因素。如果没有技术,则决策将基于临床医生的培训以及与数据(包括意见,培训和经验的混合)的交互作用所驱动的关联推理来做出。这些因素的质量因人而异,开处方者可能会感到疲倦,分心或时间紧迫,从而导致决策方式的可变性增加。


另一方面,以AI为动力的算法非常一致,主要考虑决策过程中的两个因素:输入和结果。一旦定义了有效的控制算法以实现特定结果,它将始终如一地朝着该结果前进。通过使用数学算法模拟最佳的人类智力,无论环境因素如何,结果都是一致的。


共同为AI动力加料提供正确时机的5个因素


几个因素共同创造了必要的条件,以开始实现AI驱动的精密定量给料的潜力:


计算技术的进步使我们能够快速处理大型,复杂的数据集,从而使AI解决方案变得切实可行。


公众对人工智能作为解决复杂问题的有效工具非常熟悉,这使医生可以轻松地将此类工具纳入临床环境。


可靠的数据现在可以在电子病历中使用,并且以标准化的方式进行标准化,与自由格式的纸质病历相比,算法更容易吸收。


大数据分析技术还使将人工智能和控制算法应用于复杂数据集更加实用和高效。我们可以利用数百万患者的数据进行计算机设计和测试算法,以预测效果并快速迭代。这是对基于临床医生的少量患者(可能是数千名或数百名患者)的专家系统的巨大改进,这些患者通常只能在成本更高且风险更大的临床试验中进行测试。


已经开发出越来越复杂且功能强大的药物,它们会影响基本的生理过程。影响多种生理过程并具有狭窄治疗窗口(毒性和无效治疗之间的“最佳点”)的药物变得越来越普遍。这些是AI驱动的药物剂量可提供最大收益的药物类型。


慢性贫血为应用AI动力给药提供了特别强大的机会


在美国,有超过55万透析患者患有终末期肾脏病(ESKD)。透析患者处于不良后果的高风险中,具有复杂的医学问题,并且通常正在接受可以相互影响的多种药物。结果,他们需要创新的方法来管理所收到的药物。


几乎90%的透析患者经历了慢性贫血,并接受了促红细胞生成素(ESA)治疗。但是,暴露于高剂量的ESA会增加不良心血管事件的发生,因此主要的临床目的是使用必要的最小量的ESA,以防止患者需要输血,同时避免潜在的严重或致命的不良心血管事件。


在Dosis开发战略性贫血顾问之前,针对ESA的剂量建议是基于协议的指令,这些指令在透析室中作为一种“一刀切”的方法实施。通过使用AI来实现高度个性化的给药能力,可以显着改善患者的预后,同时减少对患者的有害药物暴露,并降低透析部门,保险提供商和美国医疗保健系统的成本。


未来慢性病剂量的护理标准


人工智能驱动的精确剂量将很可能成为未来慢性疾病管理的护理标准。人工智能是一种有价值的工具,可以增强医师的实践能力和做出最佳判断的能力,从而改善护理成本和护理质量。


服用贫血药物只是AI对处方药产生影响的一个具体示例。作为“战略性贫血顾问”的辅助手段,Dosis已开始进行基于AI的静脉铁剂给药方案的试验。此外,Dosis开发了一种工具,该工具可告知同时处理三种不同类型药物的剂量,这些药物用于治疗矿物质和骨骼疾病,这是肾脏疾病患者常见的合并症。该应用程序将是同类应用中的第一个,可同时建模三个相互依赖的生物学变量和三种药物,这些变量会影响这些值以使其恢复正常水平。一旦AI广泛应用于精密药物配量,该行业极不可能恢复到以前的配量方法。


在10年内,由AI驱动的剂量模型将可能成为整个医疗保健领域的标准治疗方法,可用于华法林,胰岛素和免疫抑制剂等多种药物。确实,任何长期给药且治疗范围狭窄的药物都是AI驱动给药的良好候选者。此外,随着开发出更多的工具并确定了使用这些工具的更多机会,我们将看到使用AI推动疗法的成倍增长。


最新评论(0)条评论
不吐不快,我来说两句

还没有人评论哦,抢沙发吧~

相关新闻推荐