Τα οφέλη που μπορούν να εξασφαλιστούν από τον ψηφιακό μετασχηματισμό, όπως είναι οι ασφαλέστερες και λιγότερο δαπανηρές κλινικές μελέτες τόνισε στο συνέδριο με θέμα «Ψηφιακός Μετασχηματισμός στην Υγεία» η πρόεδρος της HACRO (Ελληνικός Σύλλογος των CROs) και πρόεδρος & διευθύνουσα σύμβουλος της CORONIS Research, Ε. Κοράκη.
«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)», ανέφερε χαρακτηριστικά η ίδια στο πλαίσιο του διοργάνωσε ο Σύλλογος Αντιπροσώπων Φαρμακευτικών Ειδών & Ειδικοτήτων (ΣΑΦΕΕ)
Η κ. Κορακάκη υποστήριξε πως οι καινοτόμες τεχνολογίες είναι αυτές που επιτρέπουν την προηγμένη επεξεργασία των δεδομένων και τη μετατροπή τους σε στοιχεία, ικανά να συμβάλλουν στη λήψη τεκμηριωμένων αποφάσεων.
Ιδιαίτερα έμφαση έδωσε στα 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».
Τα τελευταία χρόνια το ενδιαφέρον στρέφεται 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.
Όταν τα στοιχεία αυτά αποτελούν ταυτόχρονα και Big Data, σύμφωνα με την κ. Κοράκη 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» σημείωσε χαρακτηριστικά.
Η τεχνητή νοημοσύνη αποτελεί ένα πολύτιμο εργαλείο αφού διευκολύνει την ενοποίηση των δεδομένων από τα διάφορα συστήματα σε μια κοινή πλατφόρμα ανάλυσης δεδομένων, η οποία δίνει real time metrics και insights, καθιστώντας πιο εύκολη τη συνεχή προσαρμογή των παραμέτρων σε μια κλινική μελέτη αλλά και τη λήψη προληπτικών αποφάσεων. Μετο τρόπο αυτό, όπως εξήγησε η κ.Κορακάκη μπορεί να εξασφαλιστεί ο έγκαιρος εντοπισμός προκλήσεων ή σφαλμάτων, συμβάλλοντας σημαντικά στην επιτυχία μιας κλινικής δοκιμής.
Μεταμορφωτική διάσταση μπορεί να έχει η εφαρμογή της τεχνητής νοημοσύνης στην κλινική ανάπτυξη νέων θεραπειών, αφού θα οδηγήσουν σε ταχύτερες, ασφαλέστερες και σημαντικά λιγότερο δαπανηρές κλινικές μελέτες.
Παραδείγματα εφαρμογής από εταιρείες:
Το virus.com.gr σας φέρνει καθημερινά τις πιο έγκυρες ειδησεις από τον χώρο της πολιτικής υγείας και φαρμάκου
Η ηλ. διεύθυνση σας δεν δημοσιεύεται. Τα υποχρεωτικά πεδία σημειώνονται με *
Δ