İnsan yaşamı için hayati öneme sahip olan ilaç yapımı oldukça maliyetli, zor ve uzun bir süreç. Hastalıklara çare olmak ihtiyacından doğan ilaç üretimi neredeyse insanlığın varoluşuyla eşzamanlı olarak başlıyor. Önceleri doğal yöntemlerle çeşitli bitkiler, canlılar ve madenler kullanılarak geliştirilen ilaçlar, teknolojinin de ilerlemesi ve sürece katkıları ile dönüşüme uğrayarak çok daha karmaşık, detaylı ve dikkat gerektiren bir yapıya eviriliyor.
Dünyanın önde gelen ilaç üretim şirketlerinde Pfizer, ilaç yapım sürecini 4 ana adımda tanımlıyor:
- Keşif ve araştırma: geliştirilmesi düşünülen ilacın kullanılabileceği hastalıklar/bulgular, görülme sıklığı, topluma olan ekonomik yükünün incelenmesi
- Preklinik çalışmalar yeni ilacın etkinlik ve güvenilirliğinin insanlarda denenmeden önce değerlendirilmesi
- Klinik çalışmalar: doz aralığının saptanması, hastalar üzerinde ilacın etkinliğinin belirlenmesi, yan etkilerin araştırılması
- Tedavi onayı ilacın kullanımına dair onay alınması
Yaklaşık 80 trilyon dolarlık dünya ekonomisinde 2 trilyon dolar ile en büyük payı otomotiv sektörü alırken ikinciliği 1.8 trilyon dolar ile savunma sanayi ve ardından üçüncülüğü 1.1 trilyon dolarlık ekonomi ile ilaç sektörü alıyor. Böylesine büyük bir sektörde süreç içinde yapılabilecek en ufak bir iyileştirme büyük kazanımlar sağlayabilir. Endüstri 4.0 ile birlikte gelen teknolojilerden yapay zekâ ve özellikle de makine öğrenmesi bu anlamda önemli açılımlar sağlıyor.
Yapay zekânın ilaç yapımında kullanımı ve sürece katkısı
Yapay zekânın ilaç yapımında kullanımı keşif ve araştırmadan, preklinik çalışmalara, klinik çalışmalardan tedavi onay süreçlerine kadar her aşamada katkı sağlayabilir.
Klinik denek bulunması ve tedavi takibi
İlaçların denekler üzerinde denenmesi süreci oldukça zorlu ve karmaşık bir süreç olarak görülüyor. Klinik deneylerin %80’i zamanında tamamlanamıyor.
Yapay zekâ araçları ile ilaç denemesi için doğru deneklerin bulunabilmesi için denek veri tabanında çeşitli seçim kıstasları uygulamak ve görüntülü tanı verilerini ilişkilendirerek değerlendirmeler yapmak mümkün.
Hasta kayıtlarının ortak bir platformda tutulması ve incelenmesi
Elektronik Sağlık Kayıtları (EHR – Electronic Health Record) testler, laboratuvar sonuçları, kullanılan ilaçlar, alerjiler, geçmiş tedavi ve hastalıklar, genetik bilgiler, tarihler gibi hastaya dair gerekli tüm verileri içerir. Elektronik Sağlık Kayıtlarının ortak bir platformda tutulup üzerinde analizler yapılabilmesi açısından birçok faydası var:
- Eksiksiz ve doğru bilgi
- Tüm bilgiler eksiksiz ve doğru olarak kayıt altına alınır
- Hızlı erişim
- Elektronik ortamda veriye erişim hızlı ve kolaydır
- Gizlilik ve veri güvenliği
- Veri elektronik ortamda güvenli tutulur, kaybolmaz
- Maliyet avantajı
- Veriyi tutma maliyeti düşüktür
- Karar verme desteği
- Teşhis ve tedavi konusunda karar verme desteği sunar
Hasta kayıtlarının elektronik ortama alınması ve farklı sağlık kuruluşlarında tutulan verilerin tek bir havuzda toplanabilmesi mümkün olduğunda veri üzerinde yapay zekâ algoritmaları kullanılarak analizler yapılabilir ve örüntüler (pattern) bulunabilir. Çeşitli hastalıklarda kullanılan ilaçların hastalıklar üzerinde kaydettiği ilerlemeler ile anlamlı sonuçlar üretilebilir.
Örneğin, Amerika’da yapılan göğüs kanseri araştırmalarında, deneklerin verilen ilaçları nasıl kullandıkları ve sonuçlarını takip etmekte birçok zorlukla karşılaşılmış. Oysa yapay zekâ yazılımları elektronik hasta kayıtlarından ve görüntülü tanı yöntemlerinin sonuçlarından topladıkları veri ile ilaç tedavisini hastaya göre özelleştirerek tedaviyi yönlendirebiliyorlar.
İlaç kullanımının denetimi
İlaçların denekler üzerinde denenmesi sürecinde deneklerin ilaçları zamanında ve doğru dozda kullanıp kullanmadıklarının da izlenmesi gerekiyor. Sürecin sadece deneğin inisiyatifinde kalmaması konusunda yapay zekâ araçları sürece dâhil edilebiliyorlar. IoT ( Internet of Things-Nesnelerin İnterneti) sensörler ve görüntü taramanın bir arada kullanıldığı ve deneğin ilacı alırken görüntüsünün kaydedildiği sistemler sayesinde yapay zekâ araçları veri yönetimi ve uzman sistemler (expert systems) gibi araçlarla süreci kontrol altına alabiliyor.
Hastalar ilaçlarını doğru zamanda ve dozda almadıklarında klinik testler %20-30 oranında başarısız oluyor, buna bağlı olarak yılda 125.000 hasta kaybediliyor ve yaklaşık 100 milyar dolar büyüklüğünde bir yıllık maliyet oluşturuyorlar.(1)
AICure, ilaçların hastalar tarafından doğru zamanda ve dozda alınıp alınmadığını denetleyebilmek amacıyla yapay zekâ destekli bir platform geliştirmiş. İlaç kullanacak olan hasta mobil telefonuna indirdiği bir uygulama ile ilaç alma zamanı ve dozu konusunda uyarılar alıyor. İlacı alırken görüntüsünü kaydediyor. Kaydedilen görüntü sunucularda diğer verilerle birlikte işlenip değerlendirme yapılıyor. (2)
Buna benzer yapay zekâ ve bulut destekli çözümler üzerinde hem büyük ilaç firmaları hem de küçük girişimciler çalışıyorlar. Büyük ilaç üreticilerinin yapay zekâ ile yaptığı çalışmalara örnek vermek gerekirse:
- Johnson & Johnson : “IBM Watson Health” bulut servisi ile ortak hazırlanan bir platformda, hastanın sağlık verileri, mobil telefon üzerinden toplanıyor, bilgiler bulut üzerinde yapay zekâ araçları ile işleniyor ve doktorun kararıyla belirlenen ilaç dozu hastaya veriliyor. Hasta, doktor, mobil uygulama, ilaç üreticisi ve yapay zekâ bulut platformu ile hazırlanmış güzel bir ortak çözüm.
- Pfizer: Pfizer ve IBM kansere karşı ilaç araştırmalarında “Watson Drug Discovery” platformunu kullanıyorlar.25 milyon ilaç araştırma makalesinin yer aldığı bu platformda hastaların laboratuvar sonuçları ile bulut verileri karşılaştırılıyor.
- Novartis: Novartis, IBM ile birlikte göğüs kanserli hastaların tedavisinde “IBM Watson Health” platformunu kullanıyor.
- Bayer: Önlenebilir hastalıklar ve kanser araştırmaları için hazırladığı “Grant4Apps Accelarator” adlı bulut ortamındaki yapay zeka platformunu girişimcileri (start-up) erişimini sağlıyor. (4)
Türkiye’de de 2017 yılında ilaca 24.4 milyar harcanmış, 2018 bütçesinde ise ilaç için 28.5 milyar TL ayrılmış. Türkiye’de toplam bütçenin yaklaşık yüzde 4’ünü oluşturan ilaç harcamaları teknolojinin desteği ile çok daha verimli hale getirilebilir.
Hastaların ailevi bilgileri, genel sağlık bilgileri, sigorta bilgileri, hasta kayıt bilgileri, mobil sağlık bilgileri gibi pek çok bilginin bir arada işlenmesi ve yapay zekâ araçlarının bu bilgiler üzerinden oluşturacağı örüntüler (pattern) ile yeni ilaç ve tedavilerin çok daha hızlı ve düşük maliyetle geliştirilmesi mümkün olabilir. İnsan hayatına katacağı değer anlamında bu teknolojilerden faydalanarak insanların bir an önce daha sağlıklı bir yaşama kavuşmalarının sağlanması, sağlık sektörü aktörlerinin ortak amaçlarından en önemlisi olmalıdır.
[1] Artificial intelligence powers digital medicine
[2] 20%-30% of all clinical trials fail because of non-adherence