{{{sourceTextContent.title}}}

USI DELL'INTELLIGENZA ARTIFICIALE NELL'INDUSTRIA DELLE SCIENZE DELLA VITA

{{{sourceTextContent.subTitle}}}

Fare la cernita della vita per salvare le persone

{{{sourceTextContent.description}}}

Il sovraccarico di informazioni riguarda tutti i settori commerciali. Prendiamo ad esempio l'industria delle scienze della vita. Le aziende che operano nel settore delle biotecnologie devono valutare l'impatto degli organismi geneticamente modificati (OGM) su un ecosistema e l'efficacia dei microbi mangia petrolio su una fuoriuscita di petrolio. I produttori di dispositivi medici valutano i rischi dei loro dispositivi sui pazienti, mentre le organizzazioni di ricerca a contratto (CRO) e le organizzazioni di produzione a contratto (CMO) lottano per supportare i loro clienti del settore life science con i loro progetti.

Non dovrebbe quindi sorprendere che il settore si stia rivolgendo all'intelligenza artificiale (AI) e a tutti i suoi sottoinsiemi, come l'apprendimento automatico (ML).

Cos'è l'industria delle scienze biologiche

L'industria delle scienze della vita è costituita da aziende che si occupano di ricerca, sviluppo e produzione di beni e servizi volti a migliorare la vita degli organismi. Sebbene esistano molti settori specifici (ad esempio: bioinformatica, cosmeceutica, lavorazione degli alimenti e nutraceutica), la maggior parte delle aziende suddivide il settore in quattro grandi aree:

Farmaceutica - creazione di farmaci, di solito a partire da sostanze chimiche e processi sintetici.

Biotecnologia - utilizzo di organismi viventi come microbi e piante per sviluppare prodotti (esempio: vino).

Dispositivi medici - trattano le condizioni mediche solitamente attraverso un apparecchio, uno strumento, un impianto, una macchina e persino alcuni software.

CRO / CMO - supportano le varie aziende del settore life science sotto forma di servizi in outsourcing.

Farmaceutica: Produrre farmaci vitali più velocemente e a costi inferiori

L'industria farmaceutica, in sintesi, è:

Cercare e ordinare i dati relativi a possibili nuovi farmaci (drug discovery).

Determinare gli effetti dei potenziali nuovi farmaci sul corpo umano attraverso la DL prima di testarli su volontari.

Trovare i migliori candidati per gli studi clinici.

Lo sviluppo e il rilascio di nuovi farmaci è un processo lento e costoso con un alto rischio di fallimento. L'intelligenza artificiale viene utilizzata per accelerare il processo in modo sicuro, con minori costi e maggiori possibilità di successo.

Biotecnologie: Tenere il rischio sotto controllo

Molti degli utilizzi dell'IA nel settore farmaceutico possono essere applicati alle scienze biologiche biotecnologiche. Le due differenze principali, tuttavia, sono:

La biotecnologia comprende molti più settori, come quello agricolo, zootecnico, industriale, ecc. Tra gli esempi di questi settori vi sono:

Produzione di insulina umana attraverso batteri geneticamente modificati.

Allevamento di animali modificati con CRISPR per fornire organi per il trattamento di malattie umane come il diabete e l'insufficienza cardiaca.

Creazione di colture resistenti alle malattie.

Modificare le mucche per produrre più latte.

Creare nuovi vini e birre modificando le loro fonti (rispettivamente viti e batteri)

Sviluppare biocarburanti da colture come la soia.

Il secondo è il materiale di partenza della biotecnologia. A causa dell'uso di esseri viventi, ci sono maggiori preoccupazioni che la tecnologia possa andare fuori controllo. I microbi geneticamente modificati potrebbero mutare e rilasciare effetti indesiderati, ad esempio. Lo stesso vale per gli OGM. Si spera che l'intelligenza artificiale possa ridurre al minimo tali rischi attraverso l'analisi intensiva dei registri di allevamento degli animali e la sperimentazione virtuale dei progetti molecolari.

Dispositivi medici: Gestione dei dati

I dispositivi medici di oggi generano grandi quantità di dati. Le macchine a raggi X e i dispositivi simili, come le TAC, possono scattare immagini interne altamente dettagliate per la diagnosi dei radiologi. I sistemi di monitoraggio delle unità di terapia intensiva degli ospedali possono fornire una sorveglianza 24 ore su 24, 7 giorni su 7, dei pazienti malati critici. I dispositivi indossabili di oggi consentono ai pazienti di monitorare le loro condizioni su un tablet medico da casa, o al personale medico di farlo a chilometri di distanza presso l'ambulatorio medico.

La gestione di tutti questi dati ridurrebbe drasticamente il tempo già limitato dei medici a disposizione dei pazienti. I produttori di dispositivi medici stanno quindi cercando di aiutare l'intelligenza artificiale. Questi sistemi avanzati potrebbero aiutare a monitorare e somministrare la giusta quantità di insulina ai diabetici, ad esempio. O aiutare i radiologi a trovare i tumori tra le numerose immagini radiografiche di un paziente.

Anche i produttori si stanno rivolgendo all'IA per accelerare i tempi di sviluppo, ridurre i costi e migliorare il successo delle approvazioni, in modo simile alle aziende farmaceutiche e biotecnologiche. È quanto sottolinea Todd Morley, direttore della scienza dei dati di Medtronic, in un'intervista a Medical Design & Outsourcing: "prevediamo un'applicazione diffusa dell'IA alla produzione, anche all'interno della nostra catena di fornitura". Gli ingegneri industriali hanno applicato metodi statistici alla produzione per decenni. Tuttavia, la convergenza di sensori ubiqui e poco costosi, di risorse informatiche abbondanti e di metodi di IA potenti e altamente precisi, come l'apprendimento profondo e la modellazione grafica, crea nuovi casi aziendali per l'IA nella produzione"

CRO / CMO / CDMO: Fornire aiuto

Johnson & Johnson, Novo Nordisk e Abbott sono giganti nei loro settori (rispettivamente farmaceutico, biotecnologico e dei dispositivi medici). Nonostante ciò, anche loro hanno dei limiti nello sviluppo e nella produzione dei loro numerosi prodotti.

È qui che entrano in gioco le organizzazioni di ricerca a contratto (CRO) e le organizzazioni di produzione a contratto (CMO). Queste aziende supportano i loro clienti nella sperimentazione, nel perfezionamento e nella commercializzazione dei loro prodotti, siano essi nuovi farmaci, prodotti biotecnologici o dispositivi medici. Le CRO forniscono servizi di ricerca e sviluppo, mentre le CMO, come è ovvio, si concentrano sulla produzione. Quelle che fanno entrambe le cose sono chiamate organizzazioni di sviluppo e produzione a contratto (CDMO).

Tutte queste organizzazioni a contratto utilizzano l'IA in modo simile alle aziende più grandi. La CRO CellChorus è stata la prima a utilizzare l'IA nell'analisi di singole cellule, mentre la CRO twoXAR utilizza l'IA per la scoperta di farmaci. Il modo in cui queste aziende utilizzano le loro risorse e la loro tecnologia varia a seconda dei clienti e del settore. Andrew Henderson, Chief Commercial Officer di Sterling Pharma Solutions, un CDMO, ha riassunto i ruoli di CMO e CDMO: "Le biotecnologie più piccole o virtuali si affidano quasi interamente all'outsourcing in tutte le discipline; le aziende farmaceutiche di medie dimensioni investono internamente in attività fondamentali come R&S e commercializzazione, ma non nella produzione; le grandi aziende farmaceutiche esternalizzano strategicamente la produzione per utilizzare le risorse in modo efficiente"

Riflessioni conclusive

L'intelligenza artificiale sta svolgendo un ruolo enorme nel miglioramento di molti settori. Tra questi c'è l'enorme settore delle scienze della vita, in cui la maggior parte delle aziende si divide in quattro gruppi: farmaceutico, biotecnologico, produzione di dispositivi medici e organizzazioni a contratto. A causa dell'enorme quantità di dati in arrivo, molte aziende stanno aggiungendo AI, ML e molto altro per contribuire all'estrazione dei dati e alla semplificazione dei processi produttivi.

Contattate un esperto di Cybernet se siete interessati a saperne di più sull'aggiunta dell'IA alla vostra azienda di life science.