AI i Nova Afrika (IV. Dio): Primjena AI u Africi

Prošli tjedan smo predložili da razgovaramo o nekim konkretnim primjenama AI s fokusom na zdravstvo. Ukratko, istinski AI je onaj kada sustav može razumjeti i naučiti iz složenih skupina podataka uz davanje valjanih preporuka i prijedloga. Ovdje valja imati na umu riječ "podaci" koja je informacija ili, da budemo precizniji, digitalno dostupni podaci. AI se uvelike oslanja na dostupnost podataka za osposobljavanje stroja slično kao što ljudi uče uzimanjem i analizom podataka. Razlika je ovdje, na temeljnoj razini, ideja o strojevima koji uče s ogromnim količinama podataka tijekom mnogo kraćeg razdoblja ubrzanom brzinom. Dakle, riječ je o pokušaju ubrzavanja i optimizacije brzine kojom strojevi uzimaju podatke, analiziraju podatke i uče ih iz podataka kako bi donijeli preciznije i valjane preporuke i prijedloge tamo gdje je to potrebno.

Mi smo u zoru tehnološke revolucije veće veličine od interneta i tehnologija mobilne komunikacije. U novije vrijeme jedva prolazi dan bez najave nevjerojatne nove granice u AI. Međutim, većina trenutnih prepucavanja oko AI nastaje zbog tehnike koja se zove duboko učenje (DL). AI, posebno DL, našao je primjenu u mnogim industrijama i životnim područjima od komunikacije do transporta, od usluge kupcima do financija i od proizvodnje do zdravstvene zaštite i šire. Općenito, AI bi mogao imati potencijalno razarajuće primjene, a posljedice na trenutni arhitektonski poredak globalne ekonomije i mjesta poput Afrike trebaju se pripremiti kako bi iskoristili tu prednost i potrebne uloge.

AI u zdravstvu

Kao što smo izvijestili u nedavnom postu o tome kako AI može pomoći transformaciji farmaceutika u Africi, AI aplikacije sve se više koriste dijagnoza, operacija, praćenje pacijenata i, naravno, razvoj i isporuka lijekova te mnogo zdravstvene zaštite. Na temeljnoj razini, to bi se moglo opisati kao korištenje snage velikih podataka u životnim znanostima koje uključuje brzu obradu i prikazivanje ogromnih količina i raznolikosti zdravstvenih ili bioloških podataka.

Trenutno je to sve veći trend u mnogim zdravstvenim sektorima u kojima postoji ogromna količina podataka, kao što su laboratorijski podaci, podaci o osiguranju, evidencija o pacijentima, podaci o istraživanjima, pa čak i podaci o društvenim medijima. U nedavnom izvješću CB Insights identificirao je više od 100 uglednih tvrtki koje primjenjuju algoritme strojnog učenja i prediktivnu analitiku u raznim aspektima zdravstvene zaštite, poput smanjenja vremena otkrivanja lijekova, pružaju virtualnu pomoć pacijentima i dijagnosticiranje bolesti obrađujući medicinske slike, između ostalog ,

Mnoge velike medicinske i farmaceutske tvrtke već snažno koriste snagu umjetne inteligencije. Na primjer, Johnson i Johnsonov sustav Sedasys dobili su odobrenje FDA za automatsko uvođenje anestezije u standardne postupke poput kolonoskopija. Liječnik nadgleda više strojeva odjednom, što čini troškove mnogo manjim od namjenskog ljudskog anesteziologa. Insilico Medicine naučio je svoj AI sustav da predvidi terapijsku upotrebu novih lijekova prije nego što uopće uđu u postupak ispitivanja. Postoje i brojni roboti u različitim fazama ispitivanja i odobrenja za dijagnozu bolesti.

Zdravstvene organizacije sve se više trude automatizirati dijagnostički proces razvijanjem velikih platformi podataka kako bi se povećala brzina zdravstvene prakse i istraživanja. U nekim slučajevima, poput IBM Watsona, ovi strojevi imaju veću stopu točnosti dijagnoza od ljudskih liječnika. Primjena AI i velikih podataka u nekim od ovih zdravstvenih procesa omogućava sustavima da prate složene obrasce, omogućavajući tako veću učinkovitost kada je u pitanju prepoznavanje bolesti i oblikovanje ispravnih dijagnoza. Na primjer, čak i ultrazvuk koristi AI i sustave temeljene na oblaku, kao i tehnologiju 3D snimanja za postizanje bolje preciznosti i točnosti. Prema Harpreet Singh Buttaru, analitičaru tvrtke Frost & Sullivan, „do 2025. godine, AI sustavi mogli bi biti uključeni u sve, od upravljanja zdravljem stanovništva do digitalnih avatara koji mogu odgovoriti na specifične upite pacijenata.“

Sada slijedi još virtualnih praćenja. To znači da kliničko osoblje više ne mora posvetiti toliko vremena praćenju procesa. To je zbog toga što pacijenti sada imaju mogućnost praćenja pomoću digitalnih metoda i alata kao što su digitalne aplikacije i drugi AI postupci. Također, sada postoje pametne aplikacije za robote koji mogu odgovarati na često postavljana pitanja i pratiti zdravlje pacijenta, a neke aplikacije idu dalje i daju preporuke pacijentima na temelju njihove trenutne dijagnoze i prošlih medicinskih izvještaja. Nije ni čudo što se sve veći broj pacijenata potiče da idu digitalno.

Štoviše, svi ostali alati za zdravstvenu tehniku ​​(i stari i novi) koji pomažu u zdravstvu digitalnim; dijagnostika, telemedicina, EMR, umreženi EMR (intranet ili internet), oprema povezana preko računala, podsjetnici na drogu, selfieji lijekova i tako dalje, sada bi u njih mogli biti ugrađeni AI ili inteligentni programi. Kao rezultat, ovi alati iznenada postaju pametniji, uče se od podataka i pomažu nam da radimo pametnije.

U osnovi, AI olakšava dostupnost, relevantnost i djelotvornost zdravstvenih podataka. Malo bi detaljniji pogled na značajnu primjenu AI u zdravstvu, upravo u farmaceutskoj industriji, bio od pomoći.

Nova zora za Afriku; pretvarajući se u globalni farmaceutski centar

O nekim smo opširno raspravljali u nedavnom postu. Dok raspravlja o budućnosti farmacije, dr. Bertalan Mesko kaže da će "medicinsko odlučivanje umjetnom inteligencijom pomoću moći superračunala promijeniti svakodnevnu medicinu. Kognitivna računala, poput IBM Watsona, korištena su na mnogo načina za analizu velikih podataka, ne samo u genomskim istraživanjima, već iu biotehnologiji. To će oblikovati i način na koji se pronalaze nove droge. To bi moglo dovesti do završetka ljudskog eksperimentiranja kroz detaljnu simulaciju ljudske fiziologije. Naše doba s drogama koje se testiraju na stvarnim ljudima činit će se varvarskim ljudima budućnosti. Što ako superračunala mogu testirati tisuće meta lijekova na milijardama simulacija koje modeliraju fiziologiju ljudskog tijela u sekundi? Pharma bi trebao podržati takva istraživanja u njihovu korist. "

Kao što već znamo i dobro je u ovom se trenutku podsjetiti da su AI i većina ostalih tehnoloških dostignuća u osnovi samo "alati", alati za rješavanje problema i poboljšanje stvari. Dakle, pitanje je: Postoje li problemi u farmaciji koje je potrebno riješiti? Postoje li farmaceutski procesi koje je potrebno poboljšati, poboljšati i poboljšati? Pa, svi koji su bliski farmaciji znaju da postoje dugogodišnji problemi koji traže rješenja i procese koji zaslužuju poboljšanja, od stvarnog otkrivanja lijekova i razvoja do stvarne isporuke.

Tipična primjena AI je u otkrivanju lijekova. U prirodi i unutar farmaceutskih tvrtki postoji ogromna količina molekula i spojeva koji bi mogli biti prikladna rješenja za borbu protiv određenih bolesti i poboljšanje zdravlja, ali izazov leži u prepoznavanju takvih; kao potencijalni terapijski entiteti. Otkrivanje i razvoj lijekova vjerojatno je ne samo najistaknutiji izazov, već i najznačajnija prilika za poboljšanje zdravstvene zaštite. Pronalazak novog lijeka mogao bi biti vrlo zahtjevan i trošak zanemarljiv. Treba puno vremena uz znatne financijske i intelektualne zahtjeve. Na osnovnoj razini to su obično zbog potrebnih procesa potrebnih da osiguramo da imamo lijekove koji su učinkoviti i sigurni za upotrebu. U prosjeku, procesi uključenja u stavljanje lijekova na raspolaganje, od otkrića do administracije, mogli bi koštati farmaceutske tvrtke do 2,6 milijardi dolara i potrajati oko 12 do 14 godina. Zbog toga je vodeća kratkoročna i dugoročna primjena AI u farmaciji usmjerena više ka smanjenju vremena, a samim tim i troškova razvoja lijekova. Ovo ne samo da bi povećalo povrat ulaganja i smanjilo troškove za korisnike, već bi bilo od pomoći i bržem dostupnosti korisnih proizvoda, osobito tamo gdje je to najvažnije.

Obično se tisuće molekula obično proučavaju i prolaze kroz puno postupaka iz kojih bi samo nekoliko šačica moglo doći do kliničkih ispitivanja, s otprilike deset tisuća molekula koje se odobravaju kao lijek od oko deset tisuća proučenih molekula u prosjeku. Pitanja su sljedeća: Postoji li način da AI brzo pomogne farmaceutskim programerima da izbjegnu trošiti previše sredstava na osuđene na neuspjeh molekula? Mogu li se farmaceutski proizvođači više usredotočiti na šačicu najmoćnijih molekula koje bi mogle biti prikladne i odobrene za njihove posebne svrhe? Rezultat bi bio drastično smanjivanje utrošenih sredstava, ubrzavanje procesa otkrivanja i osiguravanje otkrivanja kvalitetnijih lijekova. Pa, ispada da bi AI mogao biti od pomoći, a AI, kako priznajemo, trenutno nalazi primjenu u gotovo svim aspektima postupka otkrivanja lijekova.

Nekoliko AI fokusiranih tvrtki, uključujući Insilico Medicine, Atomwise, Numerate i druge, rade mnogo posla i obrađuju velike kliničke i medicinske podatke kako bi farmaceutu pomoglo u boljem. Mnogi, uključujući Frost & Sullivan, nedavno su prepoznali napore u medicini Insilico. Čak i uz trenutnu stopu napretka (a tempo se ubrzava), vjerojatno će doći do smanjenja troškova medicinskih tretmana za polovinu tijekom sljedećih nekoliko godina.

Ponavljao je tu ponavljajuću temu kod nekih ljudi u Africi, i na visokim i na niskim mjestima. Oni smatraju da bi bilo gotovo nemoguće ozbiljno istraživati, razviti lijekove i dati originalnije doprinose farmaciji na globalnoj razini iz Afrike. Mnogi od ovih ljudi obično navode zabrane i sve veće troškove istraživanja i razvoja lijekova kao nešto što mnoge afričke organizacije koje su zainteresirane za farmaciju ne mogu priuštiti. Afričke su institucije za njih obvezne na rudimentarne istraživačke napore koji su uglavnom vezani za police. Mnogi to prepoznaju kao potpuno neodrživo. Srećom uz pomoć napretka u tehnologiji, posebno AI, sada apsolutno nema razloga zašto znanstvenici i programeri u Africi ne mogu biti produktivniji i inovativniji u postizanju boljih rezultata otkrivanja lijekova. To bi vjerojatno moglo transformirati farmaciju i zdravstvo u cjelini.

o autoru

Iraneus Ogu usmjerava Afričku umjetnu inteligenciju i Blockchain za Inicijativu za zdravstvo u tvrtki Insilico Medicine, Inc. Pored razvoja tehnologije, on radi na dugovječnosti i starosnim intervencijama, a istraživački napori usmjereni su na neuroregeneraciju. Jednako surađuje s razvojnim timom na Longenesis.com, a također ima i iskustva u farmaceutskim znanostima na Sveučilištu u Greenwichu, gdje se njegovo istraživanje fokusiralo na oblike doziranja s kontroliranim oslobađanjem.