AI és Új-Afrika (IV. Rész): AI alkalmazása Afrikában

A múlt héten javaslatot tettünk arra, hogy megvitassák az AI néhány konkrét alkalmazását az egészségügyre összpontosítva. Röviden: az igaz AI az, amikor a rendszer megértheti és megtanulhat a bonyolult adatkészletekből, miközben érvényes ajánlásokat és javaslatokat tesz. Érdemes megemlíteni itt az „adatok” szót, amely információ vagy, pontosabban, digitálisan elérhető információ. Az AI nagyban támaszkodik az adatok rendelkezésre állására, hogy a gépet kiképezzék, akárcsak az emberek megtanulják az adatok begyűjtése és elemzése által. A különbség itt alapvetõen az az elképzelés, hogy a gépek hatalmas adatmennyiséggel tanulnak sokkal rövidebb idõn keresztül, gyorsított sebességgel. Tehát arról szól, hogy megpróbáljuk felgyorsítani és optimalizálni azt a sebességet, amellyel a gépek begyűjtik az adatokat, elemezzük az adatokat, és megtanuljuk az adatokat, hogy szükség esetén pontosabb és megalapozottabb ajánlásokat tegyünk.

Nagyobb technológiai forradalom hajnalán vagyunk, mint az internet és a mobil kommunikációs technológiák. Az utóbbi időben alig megy el egy nap anélkül, hogy bejelentették egy hihetetlen új határt az AI-n. Az AI körüli jelenlegi hype legnagyobb része azonban a mély tanulásnak (DL) nevezett technika eredménye. Az AI, különösen a DL, számos iparágban és életmódban megtalálható a kommunikációtól a szállításig, az ügyfélszolgálattól a finanszírozásig, a gyártástól az egészségügyi ellátásig és azon túl. Összességében az AI-nek potenciálisan zavaró alkalmazásai lehetnek, és a globális gazdaság jelenlegi építészeti rendjére és az olyan helyekre, mint Afrika, fel kell készülniük ennek és a szükséges inputoknak a kihasználására.

AI az egészségügyben

Amint arról egy nemrégiben közölt bejegyzésünkben arról számolunk be, hogy az AI miként segíthet a gyógyszerek átalakításában Afrikában, az AI alkalmazásokat egyre inkább diagnosztikában, műtétekben, betegek monitorozásában és természetesen gyógyszerfejlesztésben és -szállításban, valamint számos egészségügyi ellátásban használják. Alapvető szinten ez leírható úgy, mint a nagy adatok élettudományokban történő kiaknázása, amely magában foglalja az egészségügyi vagy biológiai adatok hatalmas mennyiségének és változatosságának gyors feldolgozását és megjelenítését.

Jelenleg ez egyre növekvő tendencia sok egészségügyi ágazatban, ahol hatalmas mennyiségű adat van, mint például laboratóriumi adatok, biztosítási adatok, betegek nyilvántartásai, kutatási adatok, sőt a közösségi média adatai. A CB Insights egy nemrégiben készült beszámolójában több mint 100 jó hírű társaságot azonosított, amelyek gépi tanulási algoritmusokat és prediktív elemzéseket alkalmaznak az egészségügy különböző területein, például csökkentik a gyógyszerek felfedezésének idejét, virtuális segítséget nyújtanak a betegek számára és diagnosztizálják a betegségeket többek között orvosi képek feldolgozása révén. .

Számos nagy orvosi és gyógyszeripari vállalat máris nagy eredményekkel használja ki a mesterséges intelligencia erejét. Például a Johnson és a Johnson's Sedasys rendszer az FDA jóváhagyását kapta, hogy automatikusan érzéstelenítést végezzen a szokásos eljárásokhoz, például a kolonoszkópiákhoz. Az orvos egyszerre több gépet felügyel, így a költségek sokkal alacsonyabbak, mint egy dedikált emberi érzéstelenítőn. Az Insilico Medicine megtanította AI rendszerére, hogy megjósolja az új gyógyszerek terápiás felhasználását, még mielőtt azok belépnének a tesztelési folyamatba. Számos robot van a tesztelés és jóváhagyás különböző szakaszaiban a betegség diagnosztizálására.

Az egészségügyi szervezetek egyre nagyobb erőfeszítéseket tesznek a diagnózis folyamatának automatizálására nagy adatplatformok kifejlesztésével, hogy felgyorsítsák az egészségügyi gyakorlat és a kutatás sebességét. Bizonyos esetekben, például az IBM Watson esetében, ezeknél a gépeknél a diagnózisok pontossága nagyobb, mint az emberi orvosoknál. Az AI és a nagy adatok alkalmazása ezekben az egészségügyi folyamatokban lehetővé teszi a rendszerek számára a komplex minták figyelését, ezáltal fokozva a hatékonyságot a betegségek azonosításában és a megfelelő diagnózisok kialakításában. Például még az ultrahang is használ AI és felhő alapú rendszereket, valamint 3D képalkotó technológiát a jobb pontosság és eredményesség elérése érdekében. Harpreet Singh Buttar, a Frost & Sullivan elemzője szerint "2025-ig az AI-rendszerek bekapcsolódhatnak mindenbe, a népesség egészségügyi kezelésétől kezdve a digitális avatárokig, amelyek képesek megválaszolni az egyes betegkérdezéseket."

Most már több virtuális nyomon követésünk van. Ez azt jelenti, hogy a klinikai személyzetnek nem kell több időt szentelnie a nyomon követési folyamatoknak. Ennek oka az, hogy a betegeknek most lehetősége van nyomon követni digitális módszerekkel és eszközökkel, például digitális alkalmazásokkal és más AI eljárásokkal. Jelenleg vannak olyan intelligens robotalkalmazások, amelyek választ adhatnak a gyakran feltett kérdésekre, és nyomon követhetik a beteg egészségét, és néhány alkalmazásuk tovább halad, hogy ajánlásokat adjon a betegeknek a jelenlegi diagnózisuk és a múltbeli orvosi jelentések alapján. Nem csoda, hogy egyre növekvő számú beteget ösztönöznek digitális használatra.

Ezen felül az összes többi egészségügyi technológiai eszköz (mind a régi, mind az új), amelyek elősegítik az egészségügyi ellátás digitalizálását; A diagnosztika, a távorvoslás, az EMR, a hálózatba kapcsolt EMR (intranet vagy internet), a számítógépeken keresztül csatlakoztatott eszközök, a kábítószer-emlékeztetők, a gyógyszer-önportrék és így tovább, beépíthetik az AI-t vagy az intelligens programokat. Ennek eredményeként ezek az eszközök hirtelen okosabbá válnak, tanulnak az adatokból és segítenek intelligensen dolgozni.

A lényeg az AI megkönnyíti az egészségügyi információk hozzáférhetőségét, relevanciáját és megvalósíthatóságát. Hasznos lenne az AI jelentős alkalmazását az egészségügyben, pontosan a gyógyszeriparban.

Új hajnal Afrikában; átalakulva a globális gyógyszerészeti központjává

Ezekrõl néhányat egy nemrégiben írtunk részletesen. Miközben a gyógyszerügy jövőjéről tárgyal, Dr. Mesko Bertalan azt mondja, hogy „a szuperszámítógépek erejével történő mesterséges intelligenciával kapcsolatos orvosi döntések megváltoztatják a mindennapi gyógyszert. A kognitív számítógépeket, mint például az IBM Watson, sokféle módon használták a nagy adatok elemzésére, nemcsak a genomkutatásban, hanem a biotechnológiában is. Ez az új kábítószerek megtalálásának módját is meghatározza. Az emberi fiziológia részletes szimulációjával az emberi kísérlet végéhez vezethet. Korunk, amikor a drogokat valódi embereknél teszteljük, barbárnak tűnik a jövő emberek számára. Mi lenne, ha a szuperszámítógépek ezer kábítószer-célpontot tesztelnének milliárd szimuláción keresztül, amelyek másodpercek alatt modellezik az emberi test élettanát? A gyógyszerészetnek támogatnia kell az ilyen kutatásokat az érdekük érdekében. ”

Mint már tudjuk, és ezen a ponton jó emlékeztetni magunkat arra, hogy az AI és a legtöbb egyéb technológiai fejlődés alapvetően csak eszköz, eszköz a problémák megoldásához és a dolgok jobbá tételéhez. Tehát a kérdés: Van-e olyan problémák a gyógyszeriparban, amelyeket kezelni kell? Vannak olyan gyógyszerészeti folyamatok, amelyeket tovább kell fejleszteni, továbbfejleszteni és jobbá tenni? A gyógyszerészektől közeli bárki tudja, hogy problémák vannak olyan megoldásokkal és folyamatokkal, amelyek fejlesztést igényelnek a gyógyszer tényleges felfedezésétől és fejlesztésétől a tényleges szállításig.

Az AI tipikus alkalmazása a gyógyszer-felfedezés. A természetben és a gyógyszergyártó társaságokban hatalmas mennyiségű molekula és vegyület található, amelyek megfelelő megoldások lehetnek bizonyos betegségek leküzdésére és az egészség javítására, ám ezek azonosítása a kihívás; potenciális terápiás entitásként. A kábítószer-felfedezés és -fejlesztés valószínűleg nem csak a legszembetűnőbb kihívás, hanem a legjelentősebb lehetőség az egészségügy fejlesztésére is. Egy új gyógyszer megtalálása nagyon igényes és költséghatékony lehet. Jelentős pénzügyi és szellemi igényekkel sok időt vesz igénybe. Alapszinten ezek általában a szükséges folyamatoknak tudhatók be, amelyek biztosítják a hatékony és biztonságos gyógyszereink használatát. Átlagosan a gyógyszerek rendelkezésre bocsátásának folyamata, a felfedezéstől az adminisztrációig, a gyógyszeripari társaságoknak akár 2,6 milliárd dollárba is kerülhetnek, és a befejezése körülbelül 12–14 évbe telik. Ennek következtében az AI rövid és hosszú távú alkalmazása a gyógyszerészetben inkább a gyógyszerfejlesztés idejének és ennélfogva költségeinek csökkentésére irányul. Ez nemcsak növelné a beruházás megtérülését és csökkentené a felhasználók költségeit, hanem hasznos lenne a hasznos termékek gyorsabb rendelkezésre bocsátásában is, különösen ahol ez a legfontosabb.

Általában több ezer molekulát vizsgálnak meg, és sok folyamaton keresztül haladnak át, és ezekből csak egy maroknyi tudott bejutni a klinikai vizsgálatokba. Átlagosan körülbelül tízezer vizsgált molekula közül talán kettőt kapnak gyógyszerként. A következő kérdések merülnek fel: Van-e mód arra, hogy az AI gyorsan segítsen a gyógyszerfejlesztőknek elkerülni, hogy túl sok forrást költenek a molekulák kudarcára ítélve? Tudna-e a gyógyszerfejlesztők inkább egy maroknyi leghatékonyabb molekulára összpontosítani, amelyek a végső soron alkalmasak lehetnek és jóváhagyhatók saját céljukra? Az eredmény drasztikusan csökkentené a felhasznált forrásokat, felgyorsítaná a kábítószer-felfedezési folyamatot, és biztosítaná a jobb minőségű gyógyszerek felfedezését. Nos, kiderül, hogy az AI hasznos lehet, és amint azt elismerjük, az AI jelenleg a drogfedezeti folyamat szinte minden területén alkalmazást talál.

Néhány AI-központú vállalat, köztük az Insilico Medicine, az Atomwise, a Numerate és mások sok munkát végeznek és nagy klinikai és orvosi adatokat dolgoznak fel annak érdekében, hogy a gyógyszerészek jobban teljesítsenek. Sokan, köztük a Frost és Sullivan, nemrégiben elismerték az Insilico Medicine erőfeszítéseit. Még a jelenlegi haladás üteme mellett (és a tempó is felgyorsul) a következő néhány évben valószínűleg felére csökkenne az orvosi kezelések költsége.

Afrikában ez a visszatérő téma volt, mind a magas, mind az alacsony helyeken. Véleményük szerint szinte lehetetlen komoly kutatásokat végezni, gyógyszereket fejleszteni és Afrikából globális szinten eredetibb hozzájárulást nyújtani a gyógyszer számára. Ezek közül sokan általában megemlítik a gyógyszer-kutatás és -fejlesztés tiltó és növekvő költségeit, mivel ezt sok afrikai szervezet, amely a gyógyszer iránt érdekli, nem engedheti meg magának. Számukra az afrikai intézmények olyan kezdetleges kutatási erőfeszítésekhez kötődnek, amelyek többnyire a polcokra vonatkoznak. Sokan elismerik, hogy ez teljesen fenntarthatatlan. Szerencsére a technológiai fejlõdés, különösen az AI fejlõdésének köszönhetõen jelenleg nincs ok arra, hogy az afrikai tudósok és fejlesztõk nem lehetnek produktívabbak és innovatívabbak a jobb kábítószer-felfedezési eredmények elérése érdekében. Ez valószínűleg átalakítja a gyógyszert és az egészségügyi ellátást.

A szerzőről

Iraneus Ogu az Afrikai Mesterséges Intelligenciát és Blokkláncot irányítja az Insilico Medicine, Inc.-nél az egészségügyi ellátás kezdeményezése mellett. A technológiai fejlesztések mellett a hosszú élettartam és az öregedés beavatkozásain is dolgozik, és a neuroregenerációra összpontosító kutatási erőfeszítéseivel foglalkozik. Ugyanúgy működik együtt a Longenesis.com fejlesztőcsoportjával, valamint a Greenwichi Egyetemen gyógyszerészeti tudományokkal is rendelkezik, ahol kutatása a szabályozott hatóanyagleadású adagolási formákra összpontosított.