Внедрение искуственного интеллекта на фармацевтическом производстве, Беликов И.Г.

Илья Геннадьевич Беликов
Выпускник группы MBA CIO-68
Школы IT-менеджмента Института ЭМИТ
РАНХиГС при Президенте РФ

В первой главе были изучены основные теоретические аспекты внедрения инновационных технологий в фармацевтическом производстве. В первом пункте был проведен анализ современного состояния фармацевтического производства. Пандемия коронавируса заставила страны переосмыслить свои стратегии в области здравоохранения и фармацевтики. Все чаще правительства принимают решения о локализации производства и снижении зависимости отрасли от экспорта. Наиболее громкий случай – попытки США избавиться от вскрывшейся в период пандемии зависимости от лекарственных средств из КНР.
Помимо нормативно определённых, для полноты обсуждения цифровой трансформации необходимо учесть, что в целевом состоянии российского здравоохранения потребителями и поставщиками информации должны стать и уже становятся пациенты (146+ млн человек и как минимум несколько миллионов иностранных пациентов), структуры социальной защиты, волонтёры, органы правопорядка, работодатели, и, конечно, особое место должно быть отведено исследователям и инноваторам — как крупным НИИ, так и студенческим стартапам.
Во втором пункте первой главы были исследованы существующие технологии организации фармацевтического производства. Сам технологический процесс создания лекарственных средств формируется на основе научных исследований. После получения подтверждений и обоснований порядка создания лекарства формируется последовательность действий и операций, необходимых для получения конечного продукта. По сути, технологический процесс представляет собой последовательность этапов производства.
В третьем пункте первой главы были исследованы современные информационные технологии, которые применяются в фармацевтическом производстве. Так как было сказано ранее, фармацевтическое производство является высокотехнологичным, то в нем используют практически все современные информационные технологии, в основе которой является 4П-фармацевтика. Научно-техническая основа 4П-здравоохранения базируется на системных подходах к большим данным о различных аспектах здоровья человека, а не только о геномных факторах. Системные подходы являются мощными именно потому, что они объединяют все эти данные, чтобы определить, как взаимодействие экологических и генетических факторов формирует индивидуальный опыт здоровья и болезни. Всё это невозможно без цифровизации всех аспектов медицины — сбора и хранения данных, их обработки на основе технологий искусственного интеллекта и поддержания контакта с пациентом через цифровые сети для реализации партнёрства врача и пациента. Наиболее интересным, с точки зрения исследования, является применение искусственного интеллекта.
Вторая глава была посвящена исследованию вопроса внедрения технологий искусственного интеллекта в фармацевтическое производство. В первом пункте второй главы был проанализирован фармацевтический рынок в России. Последовательное наращивание санационного давления на Российскую федерацию со стороны западных стран в меньшей степени сказалось на фармацевтике, поскольку этот сектор не подпадает под прямые санкции. Тем не менее, проблемы в смежных и других областях экономики не могут не влиять на фармацевтику. Россия сильно зависит от иностранных технологий в том числе и в своем фармацевтическом производстве. Развитие перспективных направлений в информатизации фармацевтики позволит снизить негативное влияние зависимости России от иностранных технологий.
Во втором пункте второй главы были исследованы современные системы искусственного интеллекта, которые находят широкое применение в здравоохранении. Основное преимущество искусственного интеллекта в фармацевтическом производстве и здравоохранении заключается в возможных превентивных фармацевтических решениях, в области борьбы с новыми заболеваниями или мутацией текущих заболеваний. На этом направлении разработчики сталкиваются с проблемой отсутствия стандартизации всех поступающих сведений, которая усугубляется постоянным процессом обновления самих используемых в медучреждениях стандартов.
В третьем пункте второй главы были исследованы вопросы применения искусственного интеллекта в фармацевтике. Наиболее перспективным направлением применения искусственного интеллекта в фармацевтике представляется аналитическое содействие. Специализированные умные программы могут без труда обрабатывать такие массивы данных, которые не может охватить ни один человек или группа лиц.
В третьей главе были исследованы вопросы практического применения искусственного интеллекта в фармацевтическом производстве, в первом пункте были исследованы основные бизнес-процессы, которые подлежат автоматизации с помощью искусственного интеллекта. Большое число методов может быть применено в рамках анализа информации, что обусловлено наиболее междисциплинарным характером этой функции ИИ. Более эксклюзивно фармацевтическими методами становятся инструменты разработки новых молекул и проведения имитаций доклинических исследований. Алгоритмы интеллектуального анализа текстовой информации могут быть применены для смены профиля лекарственного средства. Создание новых виртуальных молекул и прогнозирование их свойств в различных сочетаниях возможно реализовать через технологии DNN, RL, PCA.
Во втором пункте был разработан алгоритм внедрения, который состоит из следующих этапов:
1. Работа с большими медицинскими данными
2. Создание многофункциональных платформ для агрегации данных
3. Анализ мишеней
4. Drug Discovery (поиск молекулы)
5. Фармакологическое исследование потенциальных ЛП
6. Автоматизация обработки данных по потенциальным ЛП
7. Ускорение клинических испытаний
Согласно разработанному алгоритму системы искусственного интеллекта будут играть вспомогательную функцию на начальных этапах внедрения, а в дальнейшем развитие технологии будет замещать те бизнес-процессы, которые нуждаются в более глубокой автоматизации.
В третьем пункте было приведено обоснование эффективности, которые опирается на анализ пяти препаратов, решение о применении которых было связано с применением искусственного интеллекта. Анализ показал, что системы ИИ позволяют принимать более эффективные решения, касательно выбора препарата, чем экспертное мнение, так как позволяют агрегировать большой объем информации и на основании этого принимать более объективное решение о методе лечения. Таким образом, можно сделать вывод, что внедрение систем искусственного интеллекта в фармацевтическом производстве может носить только вспомогательный характер, а в дальнейшем развитие этих систем позволяет оптимизировать большее количество бизнес-процессов. Дальнейшие исследования в данной области имеют большую перспективу.