Czas czytania: 3 min
Sztuczna inteligencja (AI) to zdecydowanie najgłośniej omawiany postęp technologiczny tej dekady. Choć koncepcja sztucznej inteligencji istnieje od lat, procesory i prędkość obliczeniowa poprzedniej epoki nie były na odpowiednim poziomie, przez co nie mogły wspierać analizy ogromnych ilości danych w wymagany sposób. Jednak wraz z ewolucją algorytmów i systemów nowej generacji prędkości obliczeniowe wzrosły wielokrotnie, otwierając możliwości analizy ogromnych baz danych w czasie rzeczywistym. Tym, co czyni sztuczną inteligencję tak wyjątkową, jest zastosowanie wzorców predykcyjnych zamiast reaktywnych wzorców systemów konwencjonalnych. Dążąc do wykorzystania potencjału nowoczesnych technologii, niemal każda branża dostosowała się do sztucznej inteligencji i zintegrowała ją ze swoimi procesami, aby ograniczyć rutynową i powtarzalną pracę. Pomimo tak ogromnego potencjału branża nauk przyrodniczych jak dotąd odnotowała jedne z najmniejszych korzyści z tego boomu. Ale dlaczego?
Przeszkody dla sztucznej inteligencji w naukach przyrodniczych:
Unikalnym elementem sztucznej inteligencji jest algorytm systemów ciągłego uczenia się (CLS), który zapewnia użytkownikom dane, które zazwyczaj byłyby trudne do zauważenia w krótkim czasie. System ten stale analizuje dotychczasowe wyniki, odchylenia i korekty oraz najlepsze dopasowanie do danej sytuacji, aby poprawić dokładność przyszłych wyników. Krótko mówiąc, u się i doskonali wnikliwie w trakcie działania. Wymaga to jednak ogromnych ilości danych historycznych, na podstawie których sztuczna inteligencja może wyciągać wnioski i dokonywać prognoz. Współcześnie dane te są jednak chronione przez przepisy dotyczące ochrony prywatności (np. ogólne rozporządzenie o ochronie danych (RODO) UE). Zakładając, że w najbliższej przyszłości polityka rządowa zezwoli na wykorzystanie istniejących danych użytkowników, o ile dane pochodzą z jednego źródła, wyniki analizy będą rozbieżne.
Mimo że agencje zdrowia, takie jak US FDA, wprowadziły przepisy, takie jak ustawa 21st Century Cures Act, aby pomóc przyspieszyć innowacje w produkcji wyrobów medycznych, rozwoju leków i produktów biologicznych oraz projektowaniu badań klinicznych, nowe technologie mogą wykroczyć poza zakres istniejących regulacji. Może to wywołać potrzebę regularnych reform regulacyjnych. Jednak uzyskanie zgody legislacyjnej zazwyczaj zajmuje lata. Może to skutkować ogromnym okresem oczekiwania, a korzyści dla użytkowników końcowych zostaną opóźnione.
Oprócz tych przeszkód, malejące zaufanie użytkowników końcowych jest również czynnikiem budzącym obawy producentów. Istnieją urządzenia, które diagnozują, wykrywają i doradzają pacjentom dalsze postępowanie w celu zmniejszenia dolegliwości. Jeśli jednak użytkownik nie chce im zaufać, pierwotny cel produktu nie zostanie osiągnięty. Zwiększenie zaufania użytkowników za pomocą niezbędnych dowodów może jednak zająć dużo czasu. Brakuje również wykwalifikowanego personelu, który posiada doświadczenie w zrozumieniu zarówno nauk przyrodniczych, jak i procesów technologicznych. Przeszkolenie ekspertów ds. Sprawy regulacyjne pod kątem technologicznym lub odwrotnie byłoby trudnym zadaniem.
Możliwe rozwiązania:
Przewiduje się, że rozwój sztucznej inteligencji będzie bardzo dynamiczny. Dlatego organy regulacyjne i branża muszą działać wspólnie i dostosowywać się do zmieniających się potrzeb. Organizacje z sektora nauk przyrodniczych muszą współpracować przy opracowywaniu systemów zintegrowanych ze sztuczną inteligencją, aby zmaksymalizować ich dokładność. Ponadto w kwestiach regulacyjnych to na organach ochrony zdrowia spoczywa obowiązek rozwoju i inicjowania bardziej nowatorskich podejść regulacyjnych, które w uporządkowany sposób pozwolą uregulować zaawansowane narzędzia.
Obecne zastosowania sztucznej inteligencji w sektorze nauk przyrodniczych:
Obecnie trwa przejście z systemów reaktywnych na predykcyjne. W ramach tej zmiany organizacje wykorzystują sztuczną inteligencję do realizacji kluczowych aspektów rozwoju produktów. Niektóre z obecnych zastosowań wymieniono poniżej.
- Identyfikacja nowych wskazań dla leków przy użyciu dużych zasobów danych użytkowników
- Identyfikacja związków, które można połączyć w celu leczenia nowych wskazń lub zwiększenia skuteczności
- Zmniejszenie liczby błędów diagnostycznych
- Zwiększenie efektywności projektowania badań klinicznych
- Zarządzanie danymi w granicach prawa dotyczącego prywatności i ochrony danych
- Odkrywanie nieodłącznych wad w procesie odkrywania leków i wykorzystywanie sztucznej inteligencji do ich niwelowania
Mimo że dotychczasowe zastosowania sztucznej inteligencji to dopiero czubek góry lodowej, jej pełny potencjał może przenieść nauki przyrodnicze o lata świetlne do przodu. W jakim stopniu Twoja organizacja zrozumiała i wykorzystała tę prężnie rozwijającą się technologię? Porównaj i przekształć swoje produkty oraz operacje regulacyjne na wyższy poziom automatyzacji. Zadbaj o zgodność z przepisami.
Tagi: Nauki przyrodnicze; Sztuczna inteligencja, AI; USFDA; EMA; Sprawy regulacyjne; RODO; Automatyzacja, Technologia, ustawa 21st Century Cures Act
