（文章來源：教育新聞網(wǎng)）

在這特殊的客人功能，Updesh杜新志，實(shí)踐領(lǐng)導(dǎo)，技術(shù)解決方案IQVIA討論可利用數(shù)據(jù)的持續(xù)增長(zhǎng)和擴(kuò)散，探討AI如何進(jìn)入藥物警戒(檢測(cè)，收集，評(píng)估，監(jiān)測(cè)和預(yù)防藥物不良反應(yīng))平臺(tái)，以及如何提高制藥公司的效率。作為IQVIA技術(shù)解決方案業(yè)務(wù)部門的業(yè)務(wù)負(fù)責(zé)人，Updesh負(fù)責(zé)制定有關(guān)AI和機(jī)器學(xué)習(xí)的總體策略，因?yàn)樗婕鞍踩院退幬锞?。他在生命科學(xué)和其他行業(yè)的流程和系統(tǒng)的管理，開發(fā)，實(shí)施和操作方面擁有25多年的知識(shí)和經(jīng)驗(yàn)。最近，Dosanjh加入了Foresight，并因收購(gòu)而加入了IQVIA。

人工智能(AI)幾年來一直是流行語(yǔ)，但AI已經(jīng)出現(xiàn)，并且具有變革性。幾乎每個(gè)行業(yè)都面臨著尋找能夠有效利用AI巨大潛力的現(xiàn)實(shí)用例的挑戰(zhàn)，包括制藥行業(yè)。

IDC估計(jì)，到2023年，全球在人工智能系統(tǒng)上的支出將達(dá)到近1000億美元。尤其是醫(yī)療保健行業(yè)，有望在AI上投入大量資金。根據(jù)ReportLinker的報(bào)告，到2025年，醫(yī)療保健AI的支出將從21億美元躍升至361億美元。目前，只有15%的藥物通過臨床試驗(yàn)成功獲得FDA批準(zhǔn)，大多數(shù)失敗(73%)是由于對(duì)安全性和功效的擔(dān)憂。借助生成，策劃和利用的大量醫(yī)療數(shù)據(jù)，可以采用多種方法來部署AI以改善大數(shù)據(jù)集中的不良反應(yīng)檢測(cè)，從而在開發(fā)過程中和審批后都可以進(jìn)行更全面的患者安全工作。

在藥物警戒中-檢測(cè)，收集，評(píng)估，監(jiān)測(cè)和預(yù)防藥品的不良影響-人工智能可以在四個(gè)關(guān)鍵領(lǐng)域產(chǎn)生重大而直接的影響：

關(guān)于藥物和治療的文獻(xiàn)很多，這可能是壓倒性的。藥物警戒專業(yè)人員可以每月花費(fèi)數(shù)百小時(shí)來閱讀文章和摘要，以尋找不良事件信號(hào)，但仍然看不到它們。人工智能使搜索過程更加易于管理。在識(shí)別提到特定事件，產(chǎn)品或條件的關(guān)鍵區(qū)域時(shí)，它提高了內(nèi)容掃描速度，并提供了比人工更好的準(zhǔn)確性。算法比人類更容易找到晦澀難懂的參考文獻(xiàn)，它們使PV專業(yè)人員可以騰出時(shí)間來花費(fèi)更多的時(shí)間從事價(jià)值驅(qū)動(dòng)的任務(wù)。

人們?cè)谏缃幻襟w和在線渠道上分享的越來越多，其中包括有關(guān)其健康的重要細(xì)節(jié)，這些細(xì)節(jié)對(duì)于藥物安全性有極大幫助。雇用人們來監(jiān)視全球社交媒體平臺(tái)以提及不良事件，品牌名稱和相關(guān)狀況是幾乎不可能的任務(wù)。但是，AI可以一天24小時(shí)輕松地以任何語(yǔ)言監(jiān)視多個(gè)社交媒體平臺(tái)和在線論壇?？梢杂?xùn)練這些算法以識(shí)別術(shù)語(yǔ)或條件的任何組合，甚至可以在對(duì)話中搜索晦澀的參考。AI還具有將癥狀或事件，所使用的藥物以及患者的情緒狀態(tài)聯(lián)系起來的能力，這是當(dāng)前工具無(wú)法實(shí)現(xiàn)的。

AI可以幫助篩選來自呼叫中心的大量音頻文件，這可以幫助識(shí)別在不相關(guān)的情況下可能提到的不良事件。例如，如果客戶由于某種產(chǎn)品使他們感到惡心而要求退款，則服務(wù)代表可能不知道將其報(bào)告為不良事件，但是算法可以將其標(biāo)記為藥物警戒(PV)專家進(jìn)行審查。

同樣，AI可以輕松處理來自音頻和文本文件的語(yǔ)言轉(zhuǎn)錄。PV的最大挑戰(zhàn)之一是找到既具有語(yǔ)言能力又具有臨床專業(yè)知識(shí)的人員來準(zhǔn)確地雙向翻譯復(fù)雜的原始文檔并剔除相關(guān)信息以發(fā)送響應(yīng)。今天的AI工具可以自動(dòng)翻譯文件并提取相關(guān)安全詳細(xì)信息以用于高速，高精度地處理案件。

AI可以基于上下文，因果關(guān)系和相似報(bào)告的頻率提供有關(guān)信號(hào)是否相關(guān)的實(shí)時(shí)反饋。例如，如果算法發(fā)現(xiàn)特定藥物的使用者發(fā)生了心臟病，則它可以掃描可用數(shù)據(jù)集中的所有其他病例以尋找類似事件，并根據(jù)先前的情況(例如住院)來預(yù)測(cè)可能的結(jié)果，即使沒有提到這個(gè)問題。

大多數(shù)不良事件案例文件都需要進(jìn)行一定程度的跟進(jìn)，以捕獲丟失的數(shù)據(jù)或驗(yàn)證信息。這涉及到一系列強(qiáng)制性的電子郵件或電話，這些電子郵件或電話既耗時(shí)又經(jīng)常被忽略。AI工具可自動(dòng)執(zhí)行后續(xù)流程，并可根據(jù)提供的信息進(jìn)行培訓(xùn)，以在報(bào)告生成時(shí)主動(dòng)請(qǐng)求缺少的信息，從而完全減少了后續(xù)需求。
? ? ?