Francuski start-up Yseop nawiązał współpracę z Amazon Web Services (AWS), aby wykorzystać generatywną sztuczną inteligencję do pomocy firmom farmaceutycznym w badaniach klinicznych i zatwierdzaniu leków.
Zanim nowy lek trafi na rynek, mija średnio dziesięć lat.
Teraz francuski start-up Yseop próbuje wykorzystać generatywną sztuczną inteligencję (GenAI), aby przyspieszyć ten proces.
Badania kliniczne często generują ogromną ilość danych, a zadaniem autorów tekstów medycznych jest generowanie protokołów badań klinicznych i raportów końcowych.
„Muszą zgłosić sposób przeprowadzenia badania klinicznego, kim są uczestnicy, szczegółowe informacje na temat uczestników oraz podać szczegółowe informacje na temat produkcji, stabilności produkcji, jakości (badania i leku)”, Emmanuel Walckenaer, dyrektor generalny Yseop, powiedział TylkoGliwice Heath, dodając, że istnieje około 30 rodzajów raportów o objętości od 10 do 1000 stron.
Dokładność jest niezbędna, ponieważ dokumenty są wysyłane do organów ds. zdrowia w celu uzyskania zgody na badanie i pozwolenia na dopuszczenie do obrotu.
„To, co piszemy, nie może być przybliżone, musi być idealne” – powiedział Walckenaer.
Autorzy tekstów medycznych mogliby wykorzystać GenAI do przyspieszenia procesu pisania i szybszego wprowadzania leków na rynek – mówi, dodając, że Yseop współpracuje z kilkoma modelami sztucznej inteligencji takich firm jak Mistral, OpenAI i Anthropic.
Według Walckenaera klienci Yseop, tacy jak giganci farmaceutyczni Eli Lilly and Company i Sanofi, twierdzą, że pomogło to zwiększyć wydajność, ponieważ autor publikacji medycznych mógł pracować szybciej.
Dodał, że brakuje pisarzy medycznych, dlatego startup chce im pomóc przyspieszyć wykonywanie bardziej żmudnych zadań, takich jak czytanie tabel statystycznych.
W jaki sposób Yseop zapewnia dokładność?
Yseop wykorzystuje GenAI do zarządzania statystykami zarówno podczas zamiany tekstu na tekst, jak i danych na tekst.
„Nie możemy sobie pozwolić na halucynacje ani zaniedbania” – powiedział Walckenaer, wyjaśniając, że firma posiada rygorystyczne kontrole jakości, które pozwalają uniknąć błędów.
„Ilość danych do przetworzenia rośnie prawie trzykrotnie rocznie” – stwierdził.
Firma współpracuje z Amazon Web Services (AWS), aby sprostać niektórym wyzwaniom technicznym, takim jak przechowywanie i lokalizacja danych.
Kilka osób wewnętrznie opracowało rygorystyczny proces jakości, obejmujący takie kryteria, jak jakość językowa lub dokładność, z minimalnym progiem pozwalającym uniknąć błędów.
Oprócz tego procesu autor tekstów medycznych również dwukrotnie sprawdza wynik, a firma farmaceutyczna ma swój dodatkowy poziom weryfikacji.
„Dziś współpracujemy z pięcioma z 15 największych firm farmaceutycznych na świecie” – powiedział Walckenaer, dodając, że jednym z celów firmy jest dotarcie do klientów średniej wielkości.
Sztuczna inteligencja stopniowo trafia do medycyny
Yseop przoduje w zwiększaniu dynamiki wdrażania sztucznej inteligencji w medycynie.
Amerykański producent sprzętu komputerowego IBM wykorzystał swój system komputerowy Watson w medycynie. W zeszłym roku przejęto jej zasoby związane z danymi i analizami dotyczącymi zdrowia, a następnie wydzielono ją w samodzielną spółkę: Merative.
Na początku tego roku izraelska firma QuantHealth zajmująca się sztuczną inteligencją, założona w 2020 r., zebrała 17 mln dolarów w rundzie finansowania, aby wesprzeć swoją kampanię na rzecz badań klinicznych opartych na sztucznej inteligencji.
Według szacunków największe firmy farmaceutyczne, takie jak Amgen, Bayer i Novartis, również stawiają na sztuczną inteligencję, aby przyspieszyć badania kliniczne, analizując ogromne ilości danych na temat potencjalnych pacjentów biorących udział w badaniu, takich jak dokumentacja zdrowia publicznego, dane dotyczące recept, roszczeń z tytułu ubezpieczenia zdrowotnego i ich danych wewnętrznych. Reutera.
W niektórych przypadkach czas potrzebny na zebranie kohorty można skrócić o 50 procent – twierdzą firmy.
„Nie sądzę, żeby było to jeszcze powszechne” – powiedział agencji prasowej Jeffrey Morgan, dyrektor zarządzający firmy konsultingowej Deloitte, która doradza sektorowi life sciences.
„Ale myślę, że mamy już za sobą etap eksperymentów”.
