人工智能和机器学习如何革新药物安全监控

时间:2020-08-19 15:35:36来源:
导读生命科学行业可以使用AI,ML和自然语言处理来优化数据洞察力,以改善药物警戒过程。为了给患者带来新的治疗方法,必须进行临床试验。精心设

生命科学行业可以使用AI,ML和自然语言处理来优化数据洞察力,以改善药物警戒过程。

为了给患者带来新的治疗方法,必须进行临床试验。精心设计的试验对于确保患者的安全和新药的最终生存能力至关重要。与许多人的假设相反,一旦产品被批准并投放市场,药物开发周期就不会结束。

生命科学组织在患者使用药物后会不断监视其有效性和安全性–这种做法在生命科学行业中通常称为药物警戒(PV)。PV是药物开发过程以及持续监控的组成部分。这需要对不良事件(AE)进行收集和分析-这些是患者使用给定药物后的不良经历。通过识别,分析和向相关机构报告AE,生命科学组织将遵守最佳实践和法规要求,以履行其道德义务,以确保患者安全。

识别不良事件的新方法

大约80%的医疗数据以电子邮件和纸质文档之类的非结构化格式保存。如今,有关AE的非结构化数据需要从分散且广泛的数据源(包括社交媒体,电子邮件,在线社区和其他数字格式)中进行汇总和关联。当前,大多数光伏和安全专业人士需要通过效率低下的手动流程来查看AE数据。这可能会减慢临床试验的速度,并可能延迟向患者提供新药的时间。

生命科学行业引入了人工智能(AI),机器学习(ML)和自然语言处理(NLP)工具,这使得获取这些庞大的,非结构化的数据集并以前所未有的速度将它们变成可行的见解成为可能。到2022年,医疗保健领域对AI和ML的投资预计将增长到80亿美元。这项投资表明,由于需要加快新药疗法的上市时间和新的PV方法,推动了市场上药物数量和质量的急剧增加。

AI和ML在药物警戒中的作用

AI和ML在读取,处理和外推大型非结构化数据集时特别有用。生命科学行业仍处于集成AI驱动解决方案的早期阶段。如果有效实施,人工智能工具可以节省大量时间和成本,降低风险,并使药物警戒专业人员摆脱浪费时间进行高度手动的例行任务。这些工具对于管理不断增加的PV工作量和充分利用PV团队的人力资源至关重要,因为人才短缺使他们难以保持这些团队的人员充足。

最新文章