A Tufts Center for the Study of Drug Development (Tufts CSDD) által készített és az Axios számára elsőként bemutatott elemzés szerint az ügynökalapú mesterséges intelligencia (MI) nemcsak gyorsíthatja a korai gyógyszerfejlesztést, hanem a késői stádiumú daganatellenes klinikai vizsgálatokban többmillió dolláros hatékonyságnövekedést is eredményezhet.
Mit talált a tanulmány?
A Tufts CSDD elemzése azt mutatja, hogy MI-ügynökök alkalmazása a klinikai fejlesztésben körülbelül 10 héttel rövidítheti a daganatellenes gyógyszerek késői fázisú (fázis 2–3) fejlesztési ciklusát, és közvetlen működési költségként akár 5,6 millió dolláros megtakarítást érhetnek el egy vizsgálatban. A vizsgált hatékonyság a kezelés által megcélozható daganattípusok számával nő: a Tufts számításai szerint egy, elméletileg 50 indikációban használható kísérleti készítmény nettó haszna akár 565 millió dollár is lehet.
A tanulmány egy Medable által fejlesztett klinikai monitorozó ügynököt alkalmazott egy nem részletezett onkológiai fejlesztési programra, amely fázis 2 és fázis 3 vizsgálatokban volt.
Milyen előnyöket hozott a gyakorlatban az ügynök alkalmazása?
Ken Getz, a Tufts CSDD ügyvezető igazgatója szerint az ügynök bevezetése számos konkrét hatékonyságnövelő eredményt hozott: kevesebb helyszíni látogatásra volt szükség, gyorsult a vizsgálatba történő bevonás (enrollment), és megbízhatóbbá vált az adatok lezárása (data lock).
„Tudomásunk szerint ez az első alkalom, hogy tényleges használati és benchmark-adatokon alapuló [prediktív] modellezést alkalmaztak annak számszerűsítésére, milyen nettó pénzügyi hatása van egy ügynökalapú MI‑megoldásnak egy gyógyszerfejlesztési programban” — mondta Getz.
Miért számít ez?
A Tufts eredményei szerint az MI-párti eszközök rövidíthetik a toborzási, bevonási, monitorozási és adatértelmezési folyamatokat, amelyek hagyományosan időigényesek és költségesek. A gyorsabb és olcsóbb vizsgálatok felszabadíthatnak forrásokat további klinikai programokra, és hozzájárulhatnak a magas kudarcarány csökkentéséhez az új gyógyszerek fejlesztése során.
A Medable illetékesei szerint az ügynökök három–öt éven belül előfordulhat, hogy egyes klinikai vizsgálatok normál alkotóelemeivé válnak: ilyenkor az eszközök a szóhasználatuk szerint „önvezető autóként” kezelnék a monoton, de szükséges adminisztratív feladatokat a hatósági engedélykérelmek mellett. Emellett az MI alkalmas lehet a vizsgálati populáció sokszínűségének követésére, ami fontos annak biztosításához, hogy egy kísérleti kezelés a széles betegpopuláción is működjön.
Korlátok és valóságellenőrzés
A tanulmány hangsúlyozza, hogy az MI nem garantálja egy vizsgálat sikerét. Számos alapvető akadály nem pusztán információfeldolgozási kérdés: a megfelelő betegek felkutatása, az informált beleegyezések megszerzése, valamint a gyógyszer legyártása és elosztása továbbra is emberi és logisztikai kihívásokat jelentenek.
Továbbá az MI-ügynökök munkáját embereknek fel kell mérniük és ellenőrizniük, ami csökkentheti a teljes időmegtakarítást. A Tufts és a Medable eredményei azonban arra utalnak, hogy a megfelelően integrált agentikus MI eszközök jelentős hatékonyságnövelést hozhatnak különösen a komplex, magas monitorozási költségű onkológiai vizsgálatokban.
Összefoglalás
A Tufts CSDD elemzése és a Medable esettanulmánya azt sugallja, hogy az agentikus MI alkalmazása a daganatellenes klinikai vizsgálatokban rövidebb fejlesztési időt és többmilliós költségmegtakarítást eredményezhet, különösen akkor, ha egy készítmény sokféle tumortípust céloz. Ugyanakkor az MI nem tudja önmagában megoldani a betegrecruitmenttel, konszenzussal és gyártással kapcsolatos strukturális problémákat, és emberi felügyeletre továbbra is szükség lesz.
