Искусственный интеллект (ИИ) в медицине анализирует сложные и большие объемы данных, автоматизирует рутинные процессы, повышает точность диагностики, помогает в разработке новых препаратов, принятии врачебных решений и многом другом. Перечень открывающихся возможностей можно продолжать. Тем не менее на сессии «Цифровой контур: как ИИ перезагружает фармацевтическую отрасль», прошедшей в рамках Российского фармацевтического форума на ПМЭФ, основное внимание уделили вопросам и ключевым вызовам, которые возникают вместе с новыми технологиями.

Крайне важно, чтобы внедрение ИИ в фарме происходило на всех этапах цепочки: разработка, производство, доведение до пациента. Эксперты прогнозируют, что на отдельных участках этой цепочки процессы пойдут эффективнее. По мнению Марины Велдановой, директора Центра развития здравоохранения Школы управления «Сколково», на сегодняшний день ИИ лучше всего проявляет себя при настройке персонализированной помощи, работе с конкретным пациентом, а также при генерации контента, в коммуникациях и отслеживании рабочих процессов.

Три важных аспекта внедрения ИИ:

Долгие и дорогостоящие проекты, требующие обучения на больших данных, где высока цена ошибки, нуждаются в метамоделях, партнерских связях и аутсорсинге, что доступно не каждой компании.
В определенный момент регулятору придется отреагировать и изменить регуляторный контур отрасли.
Необходима наработка соответствующих компетенций.

Прежде всего отрасли нужно гарантировать полноценный и эффективный обмен данными, считает Яков Сергиенко, генеральный директор ООО «Яков и Партнеры». Речь идет, например, о данных пациента на всех этапах его взаимодействия с системой. ИИ способен предоставить такую возможность. В Москве действует ЕМИАС, но ее возможности ограничены. Для сравнения: 35% стран Организации экономического сотрудничества и развития (ОЭСР) имеют налаженный на разных уровнях обмен медицинскими данными. Клинические испытания при таких нозологиях, как онкология и диабет, за последние 5 лет реализуются там с применением продвинутых цифровых методов.

Модель цифрового контура может быть кардинально улучшена коллективными усилиями, убежден эксперт. Хороший пример для изучения — Китай, где существует целостная модель, включающая отраслевой, государственный и коммерческий сегменты. Россия способна повторить этот путь: для этого есть кадры, научная школа и уже имеются прецеденты.

По мнению Екатерины Кобяковой, председателя Московского регионального отделения Союза женщин России, ИИ может помогать в фарме при наличии данных диспансерного наблюдения за пациентами кардиологического и других профилей, особенно если активнее внедрять приборы дистанционного мониторинга.

Екатерина Кобякова пояснила:

«Если пациенту назначили препарат, а он не может быстро записаться к врачу и плохо себя чувствует, дистанционный мониторинг поможет ему оставаться на связи с врачом в режиме онлайн. Это сократит очереди».

Развитию фармы поспособствовало бы воссоединение с информационными сервисами в медицине. Платформы, активно развивающиеся в здравоохранении, поддерживают разные решения, но технологически схожи и способны к интеграции с другими инновационными сервисами, включая ИИ. Это даст здравоохранению прямую информацию о том, сколько в стране пациентов, с какими заболеваниями и какой объем препаратов для них необходимо производить.

Для создания идеального цифрового контура нужна коллаборация не только пациентского сообщества, страховщиков, Минздрава РФ, ИТ-компаний и научных центров, но и всех отраслей экономики. Интеграция такой системы с Росздравнадзором обеспечит контроль качества.

В отношении врачей часто говорят о необходимости клинического мышления. Когда же речь идет о фарме, уместно говорить о фармацевтическом мышлении, отметила Юлия Ильинова, проректор по стратегическому развитию РНИМУ им. Н.И. Пирогова. Для решения прикладных медицинских или фармацевтических задач данные, выдаваемые ИИ (выводы, прогностические модели и пр.), требуют критического осмысления специалистами.

Юлия Ильинова подчеркнула:

«Любая ИИ-модель обучена на каких-либо данных, и какими бы обширными они ни были, они все равно ограничены. Возникают вопросы вариабельности и качества этих данных для решения прикладных задач. Поэтому к любой ИИ-модели следует применять риск-ориентированный подход».

В образовательном поле страны, и в частности в Пироговском университете, ведется работа по обучению студентов работе с ИИ-решениями и критическому осмыслению получаемых результатов. При подготовке фармацевтических специалистов в таких областях, как генерированный дизайн молекул, дизайн и оптимизация клинических и доклинических исследований, важно как можно раньше знакомить студентов с ИИ и цифровыми инструментами. Чем скорее они начинают с ними взаимодействовать, тем выше вероятность получить практических специалистов, которые будут применять их эффективно, продуктивно и с учетом рисков, присущих любой технологии.

В фарминдустрии уже есть немногочисленные примеры применения ИИ в разработке новых лекарственных препаратов, проведении доклинических и клинических исследований, обработке огромных массивов данных, отметил Владислав Шестаков, директор Государственного института лекарственных средств и надлежащих практик (ГИЛСиНП).

Владислав Шестаков обрисовал ситуацию:

«Я бы сказал, что в GMP-критичных процессах отрасль пока не очень доверяет ИИ, который в основном служит вспомогательным инструментом, заменяет рутину и позволяет сократить время и затраты».

В Государственном институте лекарственных средств и надлежащих практик ИИ уже применяют. Например, задача быстрой обработки огромного массива данных по производственным площадкам, работающим с фармацевтическими субстанциями, требует серьезной подготовки и значительных человеческих и финансовых ресурсов. Понять, из каких соединений состоит та или иная субстанция, — огромная работа. Чтобы применить ИИ, потребовалось обучить его собственной языковой модели и создать платформу. В результате задача была решена быстро и точно.

В институте накоплена большая база данных по инспекциям. При подготовке к трудоемким проверкам ИИ способен максимально сократить время, избавить специалиста от монотонной работы и быстро подготовить материалы.

«Более того, мы сейчас разрабатываем „подход к снаряду”, когда ИИ помогает формировать отчет. Мы обучаем модель понимать язык инспектора, «подтягивать» евразийские или европейские правила и формировать отчет», — раскрыл детали Владислав Шестаков, подчеркнув, что право контроля в любом случае остается за специалистом.

Что касается нормативного регулирования ИИ, то ни в ЕАЭС, ни в Евросоюзе пока нет четких правил его использования в рамках GMP — они находятся в стадии разработки. В виде проекта подготовлено официальное руководство ЕАЭС, устанавливающее правила применения ИИ и машинного обучения в GMP-производстве. Главное требование в нем — обеспечение прозрачности процессов и операционный контроль.

По материалам сессии «Цифровой контур: как ИИ перезагружает фармацевтическую отрасль», прошедшей в рамках Российского фармацевтического форума на Петербургском международном экономическом форуме (ПМЭФ)

Шевченко Римма

ИСТОЧНИКИ