3 minuty czytania
Sztuczna inteligencja (AI) jest zdecydowanie najczęściej omawianym osiągnięciem technologicznym tej dekady. Chociaż koncepcja sztucznej inteligencji istnieje już od lat, procesory i szybkość obliczeniowa poprzednich era nie spełniały wymagań, przez co nie były w stanie obsłużyć analizy ogromnych zbiorów danych zgodnie z potrzebami. Jednak wraz z rozwojem algorytmów i systemów nowej generacji szybkość obliczeniowa wzrosła wielokrotnie, otwierając możliwości analizy ogromnych baz danych w czasie rzeczywistym. To, co czyni sztuczną inteligencję tak wyjątkową, to zastąpienie reaktywnych wzorców charakterystycznych dla konwencjonalnych systemów wzorcami predykcyjnymi. Chcąc wykorzystać potencjał tej nowatorskiej technologii, niemal każda branża dostosowała się do sztucznej inteligencji i wdrożyła ją do swoich procesów w celu ograniczenia rutynowych i powtarzalnych zadań. Pomimo tak ogromnego potencjału branża nauk przyrodniczych jak dotąd była jedną z tych, które w najmniejszym stopniu skorzystały z tego boomu. Ale dlaczego?
Przeszkody w rozwoju sztucznej inteligencji w naukach przyrodniczych:
Wyjątkowym elementem sztucznej inteligencji jest algorytm systemów ciągłego uczenia się (CLS), który dostarcza użytkownikom dane, które w normalnych warunkach trudno byłoby uzyskać w krótkim czasie. Algorytm ten nieustannie analizuje dotychczasowe wyniki, odchylenia i korekty, a także szuka najlepszego rozwiązania dla danej sytuacji, aby poprawić dokładność przyszłych wyników. Krótko mówiąc, uczy się i doskonali na bieżąco. Wymagałoby to jednak ogromnych ilości danych historycznych, na podstawie których sztuczna inteligencja mogłaby dokonywać interpretacji i prognoz. Obecnie dane te są jednak chronione przepisami dotyczącymi ochrony prywatności (np. ogólnym rozporządzeniem o ochronie danych (RODO) UE). Zakładając, że polityka rządowa pozwoli w najbliższej przyszłości na wykorzystanie istniejących danych użytkowników, wyniki analizy będą rozbieżne, o ile dane te pochodzą z jednego źródła.
Chociaż agencje ds. zdrowia, takie jak US FDA , wprowadziły przepisy, takie jak ustawa „21st Century Cures Act”, mające na celu wspieranie przyspieszyć innowacji w zakresie wyroby medyczne produkcji, opracowywania leków i produktów biologicznych oraz projektowania badań klinicznych, nowe technologie mogą wykraczać poza zakres obowiązujących regulacji. Może to powodować konieczność regularnych reform regulacyjnych. Jednak uzyskanie zezwoleń ustawodawczych zajmuje zazwyczaj lata. Skutkiem tego może być długi okres oczekiwania, a korzyści dla użytkowników końcowych będą opóźnione.
Oprócz tych przeszkód niepokojącym czynnikiem dla producentów jest również malejące zaufanie użytkowników końcowych. Powinny istnieć urządzenia, które diagnozują, wykrywają i doradzają pacjentom w sprawie dalszego postępowania w celu złagodzenia dolegliwości. Jeśli jednak użytkownik nie jest skłonny im zaufać, główny cel produktu nie zostanie osiągnięty. Zwiększenie zaufania użytkowników za pomocą niezbędnych dowodów może jednak zająć dużo czasu. Brakuje również wykwalifikowanego personelu posiadającego doświadczenie zarówno w dziedzinie nauk przyrodniczych, jak i procesów technologicznych. Szkolenie ekspertów ds. regulacji w zakresie wiedzy technicznej lub odwrotnie byłoby żmudnym zadaniem.
Realne rozwiązania:
Przewiduje się, że rozwój sztucznej inteligencji będzie przebiegał w bardzo dynamiczny sposób. W związku z tym organy regulacyjne i branża muszą działać wspólnie i dostosowywać się do zmieniających się potrzeb. Organizacje z sektora nauk przyrodniczych muszą współpracować ze sobą przy opracowywaniu systemów zintegrowanych ze sztuczną inteligencją, aby zmaksymalizować ich dokładność. Ponadto, jeśli chodzi o kwestie regulacyjne, na organach ds. zdrowia spoczywa obowiązek dostosowywania się do zmian i wprowadzania nowatorskich rozwiązań regulacyjnych, które pozwolą na usprawnione uregulowanie zaawansowanych narzędzi.
Obecne zastosowania sztucznej inteligencji w naukach przyrodniczych:
Obecnie trwa proces przechodzenia od systemów reaktywnych do systemów predykcyjnych. W ramach tej zmiany organizacje wykorzystują sztuczną inteligencję w niektórych kluczowych aspektach rozwoju produktów. Poniżej wymieniono kilka z obecnych zastosowań.
- Określanie nowych wskazań dla leków, dla których dostępne są obszerne zbiory danych dotyczących użytkowników
- Identyfikacja związków, które można łączyć w celu leczenia nowych wskazań lub zwiększenia skuteczności
- Zmniejszenie liczby błędów diagnostycznych
- Zwiększenie efektywności projektowania badań klinicznych
- Zarządzanie danymi w ramach przepisów dotyczących prywatności i ochrony danych
- Odkrycie nieodłącznych niedoskonałości procesu opracowywania leków oraz wykorzystanie sztucznej inteligencji w celu ich wyeliminowania
Chociaż obecne zastosowania sztucznej inteligencji to zaledwie wierzchołek góry lodowej, w pełni wykorzystana sztuczna inteligencja może przyspieszyć rozwój nauk przyrodniczych o lata świetlne. W jakim stopniu Twoja organizacja wykorzystuje tę dynamicznie rozwijającą się technologię i czerpie z niej korzyści? Porównaj swoje produkty i procesy regulacyjne, a następnie przenieś je na wyższy poziom automatyzacji. Dbaj o zgodność z przepisami.
Tagi: Nauki przyrodnicze; Sztuczna inteligencja, AI; USFDA; EMA; Sprawy regulacyjne; RODO; Automatyzacja, Technologia, 21st Ustawa „Century Cures Act”
