12 usi dell’intelligenza artificiale nel settore farmaceutico

L’industria farmaceutica è uno dei settori che ha beneficiato maggiormente dell’implementazione di tecnologie emergenti, come la digitalizzazione delle attività manuali per risparmiare tempo e fatica. Ma il cambiamento più importante è arrivato dall’Intelligenza Artificiale (IA), che ha permesso molti progressi, in particolare nell’accelerare la scoperta e lo sviluppo di farmaci, oltre a ridurre i costi della ricerca e i tassi di fallimento degli studi clinici.

La creazione di un farmaco richiede la sintesi di un composto in grado di legarsi e modulare una molecola bersaglio della malattia. Per trovare il composto giusto, i ricercatori vagliano migliaia di bersagli candidati e, una volta individuato uno, esaminano enormi librerie di composti simili per trovare l’interazione ottimale con la proteina della malattia. Attualmente sono necessari più di dieci anni e centinaia di milioni di dollari per arrivare a questo punto. Tuttavia, l‘intelligenza artificiale può semplificare il processo e ridurre il tempo e il denaro necessari per lanciare questi nuovi farmaci.

Questo caso è solo uno dei tanti utilizzi dell’IA nel settore farmaceutico. In questo articolo analizzeremo alcuni dei più significativi e l’impatto che sta avendo sull’intera catena del valore.

 

Ricerca & Sviluppo

Scoperta e sviluppo di nuovi farmaci

Il processo comprende l’identificazione del bersaglio terapeutico che causa la malattia, il punto in cui il farmaco agirà per curare la malattia, la progettazione delle molecole candidate al farmaco e l’azione sul bersaglio. L’intelligenza artificiale può analizzare grandi insiemi di dati e modelli molecolari per scoprire nuove molecole e composti che possono essere utili per il trattamento delle malattie. Può anche rendere il processo di sintesi di questi composti più facile da progettare.

Migliore diagnostica e trattamenti più personalizzati

L’IA è in grado di analizzare i dati dei pazienti e i risultati dei test per identificare diagnosi accurate. Con l’IA possiamo sviluppare strumenti diagnostici avanzati, come l’identificazione di modelli nelle immagini mediche e l’individuazione precoce delle malattie. L’IA viene utilizzata anche per le terapie personalizzate, con modelli computerizzati che prevedono quali trattamenti saranno più efficaci in ogni singolo caso, adattandosi alle esigenze specifiche di ciascun paziente, riducendo l’impatto negativo o gli effetti collaterali dei trattamenti e aumentandone l’efficacia.

Ottimizzazione degli studi clinici

La principale causa di ritardo nelle sperimentazioni cliniche deriva dal processo di reclutamento dei pazienti. L’uso dell’intelligenza artificiale ha permesso di trovare i pazienti adatti agli studi clinici in modo più rapido ed efficiente, e anche di garantire che siano i candidati giusti, segmentandoli correttamente in base all’idoneità, alla motivazione e alla responsabilizzazione. In questo modo si riduce il numero di sperimentazioni potenzialmente infruttuose, accelerando il processo di ricerca e i tempi di commercializzazione dei nuovi farmaci.

Migliorare l’aderenza e il dosaggio dei farmaci

Ciò si ottiene prevedendo come i nuovi composti saranno assorbiti dall’organismo e per quanto tempo rimarranno nel corpo. Questo processo viene migliorato anche identificando farmaci che possono essere utilizzati in diverse patologie, il cosiddetto repurposing farmacologico (riutilizzo farmacologico), o addirittura prevedendo, utilizzando il Machine Learning (ML), qualsiasi proprietà biologica di un potenziale farmaco senza la necessità di ottenerla in laboratorio o di eseguire test sugli animali. Allo stesso modo, i sistemi di intelligenza artificiale possono monitorare l’uso dei farmaci e inviare promemoria ai pazienti per migliorare l’aderenza al trattamento e ridurre i tassi di abbandono dei farmaci prescritti.

Riposizionamento del farmaco

L’identificazione di farmaci che possono essere utilizzati in diverse patologie è una strategia che mira a scoprire nuovi usi per i farmaci già approvati. Il riutilizzo di questi farmaci consente di ridurre i rischi e di accelerare il processo di sviluppo. Tuttavia, la combinazione di studi clinici può essere costosa e richiede tempo per essere considerata efficace. L’intelligenza artificiale ha la capacità di generare più rapidamente un’ipotesi e di accelerare la sperimentazione clinica di un farmaco.

Creare cure per malattie complesse e trattamenti migliori per malattie rare o patologie conosciute ma senza una cura

Esempi di queste malattie sono la sclerosi laterale amiotrofica (SLA), il morbo di Alzheimer e il morbo di Parkinson. Gli algoritmi di apprendimento automatico consentono di integrare enormi quantità di dati provenienti da diverse fonti, tra cui studi clinici, registrazioni di brevetti o altri dati e pubblicazioni scientifiche, al fine di riutilizzare i farmaci esistenti e applicarli per affrontare queste malattie meno conosciute.

 

Fabbricazione

Migliorare la qualità dei prodotti farmaceutici durante la produzione e la conformità agli standard

Utilizzando telecamere e algoritmi cognitivi basati sul Deep Learning, le aziende farmaceutiche possono analizzare ogni prodotto durante il processo di produzione. Possiamo rilevare ed eliminare i difetti in tempo reale, garantendo la conformità agli standard di qualità e riducendo il CoQ (cost of quality), il costo della qualità.

Sicurezza migliorata e proattiva per i lavoratori

L’uso dell’IA con la visione artificiale ci permette anche di rilevare qualsiasi rischio per la sicurezza, sia per le persone che per l’azienda. Possiamo generare avvisi automatici quando un lavoratore non indossa correttamente i dispositivi di protezione individuale (DPI), migliorando così la sua sicurezza e prevenendo i rischi per la salute. Possiamo rilevare e monitorare l’accesso di persone e veicoli ad aree riservate o a rischio di contaminazione. Possiamo persino utilizzare questi sistemi per arrestare automaticamente attrezzature e macchinari per garantire la sicurezza.

Ottimizzazione delle operazioni industriali e riduzione delle differenze inventariali

Un altro caso d’uso per la combinazione dell’IA con la visione artificiale è quello di aumentare la visibilità della produzione rilevando colli di bottiglia, ritardi o problemi che hanno un impatto sulla produttività e sulla qualità, stimare le scorte, verificare il confezionamento dei prodotti e prevenire o anticipare i guasti alle macchine. Il flusso costante di queste informazioni migliora notevolmente la visibilità dei processi e la capacità di prendere decisioni in tempo reale.

 

Distribuzione e Marketing

Ottimizzazione della catena di approvvigionamento

L’intelligenza artificiale può aiutare le aziende farmaceutiche a ottimizzare la catena di approvvigionamento, ridurre i costi e migliorare l’efficienza produttiva. I sistemi di IA possono prevedere in modo intelligente la domanda, ottimizzare la logistica e le scorte e persino rilevare le tendenze dei nuovi prodotti, consentendo di incrociare le variabili di vendita dei farmaci con le preferenze degli utenti. Grazie all’uso dei Big Data e dell’IA, le aziende del settore possono analizzare grandi quantità di informazioni provenienti da diversi canali di comunicazione e quindi prendere decisioni migliori, comprendere le esigenze di approvvigionamento, anticipare le tendenze del mercato e migliorare l’accuratezza delle previsioni degli ordini attuali e futuri. Un esempio concreto è quello dei distributori farmaceutici che devono gestire due volte al giorno gli ordini richiesti dalla loro rete di farmacie. Con il ML, possono prevedere gli ordini giornalieri e preparare in anticipo i secchi da spedire alle farmacie, ottimizzando così non solo i tempi di consegna, ma indirettamente anche le vendite.

Individuazione delle frodi associate ai medicinali

I sistemi di intelligenza artificiale possono analizzare i modelli di acquisto e fornitura dei farmaci per individuare frodi e abusi nel mercato farmaceutico.

Gestione della comunicazione con il supporto di assistenti virtuali e attraverso nuovi canali.

I distributori farmaceutici vogliono migliorare continuamente la comunicazione con la loro rete di farmacie e stanno valutando l’idoneità degli algoritmi conversazionali a rispondere ai diversi modelli di chiamata gestiti dai loro call center. Grazie ai nuovi assistenti virtuali conversazionali, l’esperienza dell’utente può essere vicina e familiare come in una conversazione con un umano, e il tempo medio di chiamata può essere ridotto a 1 minuto. Molte delle richieste possono essere reindirizzate alla chatbot, come ad esempio le domande sulle scorte di magazzino, la generazione di ordini, la stampa di bolle di consegna o le richieste di materiali di consumo. Un’opzione ancora più innovativa è quella di integrare questi assistenti virtuali con nuovi canali di comunicazione come i social network, in particolare WhatsApp Business.

Il futuro dell’intelligenza artificiale

Prevedere il futuro di un settore che avanza a tale velocità non è facile, ma è certo che l’IA sarà un alleato indispensabile per guidare la nuova ricerca, svolgendo un ruolo chiave in compiti come l’interazione delle molecole, aiutando a creare nuovi farmaci, supportando la diagnosi clinica e ottimizzando e personalizzando le terapie per i pazienti. In un futuro non troppo lontano, l’uomo non sarà più utilizzato nei test farmaceutici e l’IA permetterà di verificare in pochi secondi l’effetto di decine di migliaia di farmaci applicati a imitazioni fisiologiche del corpo umano.

Sebbene l’IA abbia un grande potenziale per contribuire a ridefinire il settore farmaceutico, la sua adozione non è semplice in quanto le aziende che operano in questo campo spesso non hanno familiarità con la tecnologia. Inoltre, mancano infrastrutture tecnologiche aggiornate e adeguate, che rappresentano una priorità nell’implementazione e nello sviluppo di questo tipo di soluzioni. Il successo dell’adozione dell’IA dipende dalla capacità delle aziende farmaceutiche di costruire una solida organizzazione in grado di affrontare questa trasformazione digitale, investendo nella propria infrastruttura tecnica e nella capacità di analisi dei dati.

knowmad mood e l’intelligenza artificiale

In knowmad mood abbiamo più di 29 anni di esperienza nel campo dell’Information Technology. Abbiamo accompagnato numerosi clienti nella loro trasformazione digitale, in particolare nel settore delle scienze della salute.

I nostri casi d’uso

In uno dei più importanti distributori farmaceutici della Spagna, nell’ambito dei suoi progetti di advanced analytics, abbiamo ottimizzato uno dei suoi processi aziendali più critici, la previsione degli ordini in anticipo, utilizzando il ML. Inizialmente abbiamo effettuato un’analisi statistica dei dati di 21 farmacie per un periodo di 5 anni per studiare la fattibilità della prevedibilità e, una volta dimostrata, abbiamo realizzato un proof of concept per poi sviluppare e implementare la soluzione finale.

Anche il Centro Nazionale di Dosimetria (CND) ci ha affidato uno dei suoi progetti più strategici. Deve rispondere alla necessità e all’obbligo, secondo le norme di legge, di effettuare un monitoraggio interterritoriale e di istituire un registro delle dosi di radiazioni ionizzanti ricevute dai pazienti. Inoltre, deve stabilire i livelli di riferimento nel paese in modo dinamico e aggiornato. A tal fine, li stiamo assistendo nella creazione di una piattaforma informativa sicura e conforme al GDPR che fornisca informazioni accurate a professionisti e scienziati internazionali. Stiamo progettando l’architettura della soluzione, sviluppando i vari moduli per la registrazione delle dosi, implementando la piattaforma di ricerca degli indicatori di dose con la relativa gestione degli accessi, estraendo, trasformando, caricando e anonimizzando i dati e generando, addestrando e valutando vari modelli con il ML.

Un altro interessante caso di utilizzo dell’IA è quello che stiamo sviluppando con la piattaforma di aziende e start-up di una delle comunità autonome spagnole. Grazie ai fondi europei dedicati al lancio di progetti innovativi e messi a disposizione di questo cluster, abbiamo realizzato un proof of concept con l’obiettivo di dimostrare la fattibilità di un progetto europeo volto ad analizzare la catena di approvvigionamento nella produzione di vaccini e a rilevare in modo rapido e fluido eventuali carenze di risorse sanitarie. Abbiamo progettato l’architettura cloud, eseguito l’inserimento, l’elaborazione e la visualizzazione dei dati e applicato algoritmi di ML per la previsione.