"H εποχή, που τα δεδομένα υγείας παράγονται μόνο εντός των δομών υγείας έχει περάσει. Οι περισσότεροι από εμάς παράγουμε συνεχώς μετρήσιμα δεδομένα που σχετίζονται με την υγεία μας, είτε σκόπιμα (π.χ. μέσω των monitors φυσικής κατάστασης και του τρόπου ζωής) είτε πιο παθητικά (για παράδειγμα μέσω των αναζητήσεων στο διαδίκτυο), επεσήμανε  στο πλαίσιο του Συνεδρίου με θέμα "Ψηφιακός Μετασχηματισμός στην Υγεία" που διοργάνωσε ο Σύλλογος Αντιπροσώπων Φαρμακευτικών Ειδών & Ειδικοτήτων (ΣΑΦΕΕ) η κα. Ε. Κοράκη, Πρόεδρος της HACRO (Ελληνικός Σύλλογος των CROs) και Πρόεδρος & Διευθύνουσα Σύμβουλος της CORONIS Research. 

Άρα, σε ένα ρητορικό ερώτημα, όπως τόνισε η ίδια, πόσο χρήσιμα είναι αυτά τα δεδομένα για το υγειονομικό σύστημα, καθώς και για τα άτομα που επιδιώκουν να βελτιστοποιήσουν την υγεία τους, η απάντηση είναι ότι όσο σημαντικά και αν είναι αυτά τα δεδομένα θα ήταν άχρηστα αν δεν υπήρχαν οι καινοτόμες τεχνολογίες που επιτρέπουν την προηγμένη επεξεργασία τους και τη μετατροπή τους σε στοιχεία, ικανά να συμβάλλουν στη λήψη τεκμηριωμένων αποφάσεων.

Αναμφίβολα, κατά την ίδια, η περισσότερο διαδεδομένη τεχνολογία είναι τα wearables, που φοριούνται στο σώμα και μπορούν να «αισθανθούν» το άτομο που τα φορά ή ακόμα και το περιβάλλον του. Παρά την ολοένα αυξανόμενη χρηστική αξία των wearables, αυτό που τους δίνει ζωή και ακόμα μεγαλύτερη προστιθέμενη αξία είναι το Internet of Things (ΙoΤ), δηλαδή η συνδεσιμότητα των συσκευών με διάφορες εφαρμογές μέσω των οποίων οι χρήστες αποκτούν πρόσβαση στα δεδομένα.  

Είναι γεγονός, όπως τόνισε η κ. Κοράκη, ότι τα τελευταία χρόνια το ενδιαφέρον και η πρόσβαση των φαρμακευτικών εταιρειών σε αυξανόμενες ποσότητες επιστημονικών και ερευνητικών δεδομένων από διάφορες πηγές, γνωστά ως δεδομένα πραγματικού κόσμου (Real World Data, RWD), έχουν αυξηθεί σημαντικά. Πηγές των RWD αποτελούν οι φάκελοι των ασθενών, τα αρχεία των ασφαλιστικών εταιρειών, οι ιατρικές απεικονίσεις, οι φορητές συσκευές, οι εφαρμογές υγείας, ακόμα και τα μέσα κοινωνικής δικτύωσης.

Τι γίνεται όμως όταν τα RWD αποτελούν ταυτοχρόνως και BigData αναρωτήθηκε η κα. Κοράκη; Σε αυτή την περίπτωση, αποσαφήνισε ότι το «ξεκλείδωμα» μεγάλου όγκου RWD μπορεί να γίνει μόνο με τη χρήση προγνωστικών μοντέλων τεχνητής νοημοσύνης (Artificial Intelligence, AI) και άλλων τεχνολογιών. H χρήση αυτών, μπορεί όχι μόνο να επιταχύνει την κατανόηση των ασθενειών και τον εντοπισμό των κατάλληλων ασθενών για τη διεξαγωγή των κλινικών πρωτοκόλλων, αλλά επιτρέπει ουσιαστικά να εξαχθούν μοτίβα πληροφοριών και να βελτιωθεί σημαντικά ο σχεδιασμός των κλινικών δοκιμών.

Στο πλαίσιο αυτό, η τεχνητή νοημοσύνη είναι ένας συνδυασμός πολλών διαφορετικών τεχνολογιών, που συνεργάζονται για να επιτρέψουν στις μηχανές να αναγνωρίζουν, να κατανοούν, να ενεργούν και να μαθαίνουν με ανθρώπινα επίπεδα νοημοσύνης. Η κα. Κοράκη υπογράμμισε, ότι οι δύο βασικότερες και περισσότερο διαδεδομένες τεχνικές του AI είναι το Machine Learning και το Natural Language Processing.

Σύμφωνα με την επεξήγησή της, η μηχανική εκμάθηση (ML) είναι ο κλάδος της τεχνητής νοημοσύνης που χρησιμοποιεί αλγόριθμους και στατιστικά μοντέλα, με σκοπό να προσφέρει τη δυνατότητα στους υπολογιστές να εκτελούν συγκεκριμένες εργασίες μέσα από την εξαγωγή συμπερασμάτων.

Από την άλλη, η επεξεργασία φυσικής γλώσσας (Natural Language Processing ή NLP όπως συνήθως λέγεται), επιτρέπει  σε έναν υπολογιστή να "κατανοήσει" το περιεχόμενο εγγράφων και ομιλίας με βάση τα συμφραζόμενα. Η τεχνολογία μπορεί στη συνέχεια να εξαγάγει, να οργανώσει και να κατηγοριοποιήσει με ακρίβεια τις πληροφορίες που παρέχονται.

Μολονότι, όπως τόνισε η κα. Κοράκη, τα Robotic Process Automations (RCA) ανήκουν στην ίδια επιστήμη με το Artificial Intelligence, δεν πρέπει να συγχέονται. Τα εργαλεία RCA μπορούν να επεξεργαστούν και να ερμηνεύσουν μη δομημένα δεδομένα, συμβάλλοντας έτσι σε σημαντικές προγνωστικές αναλύσεις.

Όλες οι τεχνολογίες που παρουσιάστηκαν, υπογράμμισε στην ομιλία της η κα. Κοράκη, επιτελούν ένα σημαντικό έργο, επιτρέπουν την ενοποίηση των δεδομένων από τα διάφορα συστήματα σε μια κοινή πλατφόρμα ανάλυσης δεδομένων, η οποία δίνει realtime metrics και insights, διευκολύνοντας έτσι τη συνεχή προσαρμογή των παραμέτρων σε μια κλινική μελέτη αλλά και τη λήψη προληπτικών αποφάσεων. Κάτι, που επιτρέπει τον έγκαιρο εντοπισμό προκλήσεων ή σφαλμάτων, συμβάλλοντας σημαντικά στην επιτυχία μιας κλινικής δοκιμής.

Μολονότι, όπως ανέφερε, η χρήση της τεχνητής νοημοσύνης δεν είναι ακόμα ευρέως εφαρμόσιμη σε κλινικές δοκιμές, έχει τη δυνατότητα ωστόσο να μεταμορφώσει την κλινική ανάπτυξη νέων θεραπειών. Οι εφαρμογές της μάλιστα, θα οδηγήσουν σε ταχύτερες, ασφαλέστερες και σημαντικά λιγότερο δαπανηρές κλινικές μελέτες, επεσήμανε η ίδια.  

Όσο μακρινά και αν ακούγονται κάποια από αυτά, υπάρχουν ήδη αρκετά παραδείγματα εταιρειών γύρω μας, που δείχνουν ότι οι λύσεις αυτές ήδη δοκιμάζονται. Μερικά από αυτά, κατά την κα. Κοράκη είναι ότι:

Η Novartis μαζί με την Quantum Black, γνωστή εταιρεία συλλογής δεδομένων στους αγώνες της Formula 1, αποφάσισαν να χρησιμοποιήσουν την πλατφόρμα της για να αναλύουν τα δεδομένα 550 κλινικών μελετών που διενεργούσε σε εκείνο το χρονικό σημείο η Novartis, με σκοπό να προβλέψουν πιθανά προβλήματα στην εκτέλεση μελλοντικών κλινικών μελετών, πριν αυτά ακόμα προκύψουν.

Η Abbvie σε συνεργασία με τη Philips, χρησιμοποίησαν το Actigraphy ρολόι της Philips σε κλινική έρευνα, με σκοπό να μετρούν την ποιότητα του ύπνου καθώς και τα «περιστατικά» κνησμού των συμμετεχόντων στη μελέτη, σε ασθενείς με ατοπική δερματίτιδα.

Η αδερφή εταιρεία της Google, Verily, κατέληξε σε συνεργασία με τις Pfizer, Sanofi, Novartis, Otsuka, καθώς και δύο πανεπιστήμια (Duke και Stanford) ώστε με τη χρήση της πλατφόρμας της Verily να καθορίσουν το baseline ανθρώπινης υγείας μέσα από τη συλλογή δεδομένων από 10.000 συμμετέχοντες σε 4 χρόνια.

Η Janssen σε συνεργασία με την Apple, πραγματοποίησε κλινική μελέτη χρησιμοποιώντας το apple watch με σκοπό να βελτιώσει την πρόωρη διάγνωση και τα αποτελέσματα της κολπικής μαρμαρυγής, ενώ η μητρική Johnson & Johnson έκανε μια εντελώς virtual μελέτη για να δει αν το apple watch σε συνδυασμό με ένα iphone application θα μπορούσαν να μειώσουν τον κίνδυνο ισχαιμικού επεισοδίου.

Τον Φεβρουάριο του 2020, το clinicaltrials.gov  έδειχνε πως περίπου  ~460 μελέτες με wearables ήταν υπό εξέλιξη, ενώ σύμφωνα με κάποια έρευνα της Intel εκτιμάται πως περίπου το 70% των κλινικών μελετών θα ενσωματώσουν κάποιο wearable μέχρι το 2025.

Σίγουρα, αναγνώρισε η πρόεδρος της HACRO κα. Κοράκη, υπάρχει μεγάλη απόσταση μέχρι την καθολική υιοθέτηση των νέων τεχνολογιών. Όμως, η προηγούμενη χρονιά απέδειξε πως με τα κατάλληλα κίνητρα μπορούν και θα γίνουν τεράστια βήματα σε πολύ σύντομο χρόνο.

Ειδήσεις υγείας σήμερα
10,3 εκατομμύρια άνθρωποι με ιλαρά το 2023 - Στους107.500 οι θάνατοι
Η γιόγκα βοηθά γυναίκες ασθενείς να αντιμετωπίσουν το στρες του καρκίνου [μελέτη]
Φάρμακο για τον θυρεοειδή είναι πιθανόν να εξασθενεί τα οστά των ηλικιωμένων [μελέτη]