Aproveitando o potencial da AI ensaios clínicos: principais insights da PFIZER e da ARTEFACT AI Health Summit

A discussão girou em torno do papel transformador da AI ensaios clínicos, com base em insights da Pfizer e Artefact, e foi destacada em seu white paper colaborativo. O evento apresentou casos de uso concretos, um mapeamento do ecossistema e os desafios para ampliar AI .

Artefact uma demanda crescente por AI P&D, impulsionada por seu potencial de reduzir a duração dos ensaios clínicos em até 50%, acelerar o lançamento de terapias inovadoras e garantir a competitividade das empresas farmacêuticas. Os casos de uso explorados no white paper já estão sendo implementados ou integrados às estratégias de médio prazo das partes interessadas.

A Pfizer utiliza AI analisar conjuntos de dados, identificar alvos farmacológicos, prever a eficácia e otimizar o desenvolvimento. Por exemplo, durante a pandemia da COVID-19, AI a Pfizer reduzisse a triagem de moléculas de 3 milhões para 600, acelerando o desenvolvimento de um medicamento antiviral oral de quatro anos para quatro meses. Além disso, AI novas metodologias, como ensaios clínicos descentralizados e monitoramento remoto, ajudando a reduzir o tempo médio de desenvolvimento de medicamentos de 8,6 anos em 2019 para 4,8 anos até 2022.

O white paper divide a cadeia de valor dos ensaios clínicos em três fases: concepção, recrutamento de pacientes e execução. No que diz respeito à concepção dos ensaios, os grandes modelos de linguagem (LLMs) extraem data segurança e eficácia data ensaios anteriores, simplificando os protocolos dos estudos. O recrutamento de pacientes se beneficia de AI que analisam dados demográficos e históricos médicos para prever taxas de desistência, garantindo a continuidade do ensaio. A execução e a gestão são aprimoradas por meio data AI, reduzindo o tempo necessário para a geração de relatórios e o envio às autoridades regulatórias.

AI tarefas que exigem muito trabalho, como a limpeza, o processamento e a análise data clínicos, revelando padrões e correlações que os métodos tradicionais poderiam deixar passar. Durante o desenvolvimento da vacina contra a COVID-19, AI a Pfizer elaborasse reports regulatórios reports 48 dias, em comparação com os 100 dias necessários tradicionalmente. Esse prazo acelerado possibilitou uma entrada mais rápida no mercado e melhorou o acesso dos pacientes.

O principal desafio reside no estabelecimento data sólidas, incluindo estruturas de governança e conformidade. Embora inicialmente consideradas onerosas e demoradas, essas bases são essenciais para a escalabilidade a longo prazo e para a implementação eficaz de casos de uso AI.

AI revolucionando os ensaios clínicos ao reduzir os prazos, aumentar a eficiência e melhorar os resultados para os pacientes. No entanto, o sucesso depende da superação dos desafios data e do fomento à colaboração em todo o ecossistema da saúde.