Automatisation dans les soins de santé et les sciences de la vie : son utilité et les prochaines étapes
La phase de recrutement pour les essais cliniques dure en moyenne 18 mois , et près de 20 % des essais sur le cancer échouent en raison de faibles taux d'inclusion. L'automatisation et l'IA peuvent améliorer ce processus et contribuer à accélérer l'accès aux traitements vitaux pour les patients, en identifiant et en recrutant les participants éligibles.
Les outils d’automatisation des processus robotiques peuvent être particulièrement utiles dans ce domaine en évaluant les dossiers des patients et en les faisant correspondre aux essais appropriés.
« L'abstraction médicale peut être fastidieuse et coûteuse. Dans le cadre de l'appariement des essais cliniques, la structuration de l'éligibilité est simple, tandis que la structuration des dossiers patients constitue le véritable goulot d'étranglement », explique Poon. Il cite Healthcare Agent Orchestrator de Microsoft comme exemple de la manière dont la RPA peut potentiellement générer des gains de productivité considérables en introduisant des agents pour automatiser la collecte d'informations, la normalisation, l'intégration et les scénarios d'appariement des essais cliniques.
Les outils intelligents de traitement de documents s'avèrent également utiles. Les IDP peuvent aider les équipes de recherche à éviter les erreurs manuelles, à améliorer la précision des données des patients et à analyser plus efficacement des volumes importants de données. Amazon Web Services souligne que, grâce à des modèles linguistiques de grande taille, les IDP peuvent générer des rapports et révéler des informations exploitables.
L' algorithme TrialGPT , développé aux National Institutes of Health, est un exemple de ce type de technologie. Lors d'une étude pilote, les chercheurs ont constaté que lors de l'évaluation de l'éligibilité des patients à un essai, TrialGPT consacrait 40 % de temps de sélection en moins, tout en atteignant le même niveau de précision que les cliniciens. TrialGPT créait également des résumés expliquant pourquoi un patient était éligible à un essai.
Le rôle du cloud et de l'analyse avancée dans la découverte de médicaments« Nous et d'autres avons déjà utilisé des systèmes d'IA pour générer des candidats médicaments prometteurs , et je m'attends à ce que ces succès s'accumulent rapidement dans les années à venir », déclare Poon. « Nous pouvons réduire les délais d'identification des cibles, d'identification des composés phares et d'optimisation. »
Les chercheurs affirment que la phase de découverte de médicaments, qui dure généralement de trois à six ans et représente environ 35 % du coût total de développement d'un nouveau traitement, peut être raccourcie d'un ou deux ans grâce à l'IA. En effet, l'IA peut identifier et tester les effets de différents composés plus rapidement qu'un humain.
L'analyse avancée des données est essentielle pour ce type d'analyse. Les algorithmes basés sur l'IA peuvent analyser et comparer d'énormes quantités d'informations provenant de plusieurs bases de données afin d'identifier les combinaisons les plus efficaces pour créer un nouveau médicament.
Ce type de travail serait impossible sans le cloud computing et le stockage . Alors que les centres de données sur site disposent d'un espace défini, le cloud offre aux organisations du secteur des sciences de la vie l'échelle illimitée dont elles peuvent avoir besoin pour gérer et analyser ces vastes ensembles de données.
Le cloud permet également aux organisations d’ajuster leurs capacités de stockage — et donc de mieux contrôler les coûts — en s’associant à des fournisseurs pour accéder à des unités de traitement graphique et des processeurs puissants.
« Imaginons que vous travaillez dans un environnementGoogle Cloud et que vous utilisez leur calcul haute performance pour exécuter des scénarios de repliement de protéines », explique Joe Miles, directeur industriel des sciences de la vie chez UiPath. « Vous pouvez ensuite exploiter ces informations et les transférer vers les référentiels appropriés pour chaque essai. »
healthtechmagazine
