Cómo adoptar la IA cuando tu industria está en proceso de cambio

Uno de los grandes desafíos que hemos visto enfrentar a las empresas en los últimos años es cómo abordan los datos y el análisis (y ahora la Inteligencia Artificial) cuando sus industrias están experimentando una gran transformación.

Ya es bastante difícil crear una cultura basada en datos, competir en análisis, desarrollar productos y servicios basados ​​en datos, etc., en condiciones comerciales normales, como señalamos en nuestra columna de marzo sobre la encuesta más reciente de NewVantage Partners sobre big data e IA.

Piyush Gupta, CEO de DBS Bank: retrato de un líder en Inteligencia Artificial

Pero hacerlo mientras su negocio e industria se están transformando (la vieja costumbre de cambiar un motor a reacción mientras el avión vuela a través de turbulencias a 35,000 pies) es realmente difícil.

Es tan difícil, de hecho, que siempre tenemos nuestras dudas cuando los ejecutivos afirman haberlo hecho con éxito. Confiamos mucho más cuando nos dicen que la organización simplemente está progresando hacia la meta.

“Avanzando” es lo que nos dijeron los ejecutivos de Parexel International, una de las organizaciones de investigación clínica, o CRO, líderes en el mundo.

El Dr. Sy Pretorius, presidente de desarrollo clínico y director médico de la compañía, compartió que Parexel está intentando adoptar un enfoque agresivo hacia la Inteligencia Artificial, pero también agregó: “No estoy seguro de si tenemos suficiente con la IA. ”

Esa honestidad hizo que lo que nos dijo sobre la adopción de IA mientras se enfrentaba a enormes transiciones de la industria fuera aún más convincente.

Una época de cambios drásticos en la industria

Los cambios en la industria que están experimentando Parexel y sus competidores son vertiginosos. Históricamente, las CRO se han centrado en realizar ensayos clínicos para compañías farmacéuticas, pero una serie de nuevas estrategias y modelos comerciales están moviendo a la industria en una dirección más basada en datos. Contemos (algunas de) las formas:

Nuevos imperativos para procesar evidencia del mundo real. Todos los ensayos clínicos solían llevarse a cabo de la misma manera, utilizando la metodología clásica de “estándar de oro” aleatorizado, doble ciego y controlado con placebo.

Pero las empresas farmacéuticas y las CRO están utilizando cada vez más nuevos enfoques para los ensayos en los que todos reciben el tratamiento experimental, esos pacientes se comparan con un brazo sintético de pacientes con la enfermedad que reciben el estándar de atención.

Esto significa que los conductores del ensayo deben obtener y analizar evidencia del mundo real de fuentes como registros médicos electrónicos para analizar cómo les está yendo a los pacientes con brazos sintéticos.

Como señaló Pretorius, “una vez que los datos de atención médica se puedan usar directamente para construir el conjunto de datos clínicos para el análisis de seguridad y eficacia, será necesario inscribir y aleatorizar a menos pacientes, lo que reducirá la duración total del estudio y la carga logística de los pacientes”. Pero la carga analítica y de gestión de datos del CRO aumenta.

La Inteligencia Artificial administrativa puede ser una aliada para mejorar la atención médica

Expectativas para la recopilación de datos a más largo plazo. Las CRO se han centrado tradicionalmente en la seguridad y eficacia de los medicamentos y dispositivos durante el período de ensayo clínico.

Pero ahora su farmacovigilancia a menudo se extiende indefinidamente al período posterior a la introducción de los tratamientos en el mercado.

Esta vigilancia posterior a la comercialización se hizo muy conocida durante la controversia de Vioxx de 2004, en la que se descubrió que un medicamento en el mercado durante cinco años causaba problemas cardíacos graves.

Parexel y otras CRO pueden realizar servicios de farmacovigilancia durante un período prolongado, lo que significa monitorear señales de eventos adversos de una variedad de fuentes.

Oportunidades para hacer pruebas en un área geográfica más grande. La IA es claramente necesaria para optimizar la selección de sitios y países para los ensayos clínicos, que son cada vez más globales y complejos y, como resultado, más costosos.

Hay demasiada información para que cualquier ser humano la tenga en cuenta durante el diseño del ensayo. La IA es claramente necesaria para optimizar la selección de sitios y países para los ensayos.

Potencial en torno a simulaciones impulsadas por IA para ensayos clínicos. Dado el costo y el peligro de los ensayos clínicos en animales y humanos, Parexel y otras compañías están explorando el uso de ensayos in silico, en los que el impacto potencial de un fármaco en el cuerpo o un órgano se simula con datos en lugar de administrarlo a un ser vivo. ser.

Desafíos de hacer ensayos directamente en los hogares de las personas. Durante la pandemia de COVID-19, la práctica tradicional de supervisar ensayos clínicos en sitios físicos no ha sido factible.

Parexel y otros en la industria han girado y aprovechado la oportunidad de hacer que los ensayos estén más centrados en el paciente, adoptando enfoques descentralizados en los que los medicamentos o dispositivos se entregan y administran en los hogares de los pacientes.

Los procedimientos del ensayo se monitorean a través de telemedicina u otros medios digitales. Esto, por supuesto, genera nuevos tipos de datos: la información que una vez se recopiló durante los chequeos de los médicos se entrega cada vez más a través de dispositivos portátiles y de monitoreo en el hogar.

Estos voluminosos flujos de datos deben almacenarse, integrarse y analizarse para garantizar el cumplimiento y el compromiso del paciente con el ensayo.

Perspectivas para hacer recomendaciones a los pacientes basadas en la genética. El movimiento de la medicina de precisión, en el que se recomiendan (o no) tratamientos para enfermedades en base a biomarcadores genéticos, avanza de forma lenta pero constante.

Empresas industriales: lenta, pero segura su ruta hacia la digitalización

Parexel se enfoca en poder usar análisis e inteligencia artificial para conocer los atributos que pueden hacer que un paciente en particular responda o no a un medicamento.

Si todos estos cambios en toda la industria no fueran suficientes, en enero de 2021, Parexel completó la separación de su negocio Parexel Informatics and Medical Imaging (ahora conocido como Calyx) para optimizar su estrategia comercial y las relaciones con los clientes. Parexel continúa trabajando con Calyx en ofertas de desarrollo clínico.

La respuesta de los datos y la IA al cambio

El trabajo de crear las capacidades de datos, análisis e inteligencia artificial para lidiar de manera efectiva con estos cambios de gran alcance pertenece a Michelle Hoiseth, vicepresidenta sénior y directora de datos de Parexel.

Con 23 años de experiencia en Parexel, Hoiseth fue investigadora clínica antes de dedicarse a tareas de tecnología y datos.

Al igual que Pretorius, no afirma que la empresa haya logrado dominar todos los dominios de datos e IA.

Pero ciertamente puede describir una buena parte del progreso. Hoiseth describió cuatro áreas principales de actividad de IA en Parexel.

La primera categoría de trabajo de IA es la más simple y directa. La automatización (proceso robótico y automatización más inteligente) se está utilizando para reducir la carga de trabajo manual en los procesos administrativos.

La segunda categoría es mucho más difícil: involucra IA para la detección de señales de riesgo en datos de pacientes.

Los datos pueden estar en informes de ensayos clínicos actuales o antiguos, lo que puede implicar la necesidad de una extracción de datos basada en IA, o pueden estar en flujos de datos de dispositivos portátiles o médicos, registros médicos electrónicos, notas clínicas o incluso contenido de redes sociales.

Si los sistemas de IA pudieran monitorear de manera efectiva las señales de riesgo para buscar fraude y cumplimiento en estos tipos de datos, por ejemplo, les quitaría una gran carga a los asociados de investigación clínica que generalmente realizan esa tarea, y quizás también proporcionen señales más fuertes y tempranas.

La tercera categoría de sistemas de IA implica el análisis de datos de pacientes, en particular para la vigilancia posterior a la comercialización.

Parexel ahora monitorea los eventos adversos de los informes médicos, pero el monitoreo directo de los pacientes cuando se prescriben múltiples medicamentos y se usan en diferentes tipos de pacientes brindaría una mejor farmacovigilancia.

La cuarta área de trabajo de la IA es la predicción y el seguimiento de los resultados de los pacientes. El objetivo es comprender qué pacientes responden a los medicamentos según lo previsto, cuáles no y qué atributos podrían convertirlos en respondedores o no respondedores.

La tecnología puede hacerle frente a la escasez de enfermeras

Hoiseth señaló que esta categoría de IA es de gran interés en toda la industria y se extiende más allá de los medicamentos y dispositivos a otras intervenciones médicas, como la cirugía.

“Está claro”, dijo, “que los proveedores de ciencias de la vida y de atención de la salud convergerán en resultados basados ​​en valores, lo que supondrá un gran cambio para ellos.

Nos asociamos con ambos grupos para avanzar en este complejo dominio de la medicina de precisión”. Hoiseth encabeza un grupo de ciencia de datos que caracteriza como “pequeño pero poderoso” y que crece rápidamente. Ella y Pretorius están discutiendo dónde debería colocarse la capacidad de ciencia de datos en la organización.

Parexel International ha estado en el negocio por más de 35 años, y tanto Pretorius como Hoiseth dijeron que nunca habían visto tantos cambios en la industria.

Están utilizando datos, análisis e Inteligencia Artificial no solo para mantenerse al día con los cambios de la industria, sino también para adelantarse y dar forma a la transformación de la investigación biofarmacéutica y clínica en beneficio de los pacientes de todo el mundo.

Síguenos en LinkedIn para mantenerte informado

Síguenos en Google News