AI와 뉴 아프리카 (4 부) : 아프리카에서 AI 적용

지난 주, 우리는 건강 관리에 중점을 둔 AI의 구체적인 응용에 대해 논의 할 것을 제안했습니다. 간단히 말해서, 진정한 AI는 시스템이 유효한 권장 사항을 제시하면서 정교한 데이터 집합을 이해하고 배울 수있는 시점입니다. 여기서 주목할만한 것은 정보 또는 디지털로 이용 가능한 정보 인 "데이터"라는 단어입니다. AI는 데이터를 입수하고 분석하여 인간이 배우는 것처럼 머신을 훈련시키기 위해 데이터의 가용성에 크게 의존합니다. 여기서 근본적인 차이점은 훨씬 짧은 기간 동안 대량의 데이터로 기계 학습을 가속화하는 속도라는 개념입니다. 따라서 필요한 경우보다 정확하고 유효한 권장 사항과 제안을하기 위해 머신이 데이터를 가져 오는 속도, 데이터를 분석하고 데이터를 학습하는 속도를 가속화하고 최적화하려고합니다.

우리는 인터넷 및 이동 통신 기술보다 훨씬 더 큰 기술 혁명을 시작했습니다. 최근 AI의 놀라운 새로운 개척이 발표되지 않으면 하루가 거의 지나지 않습니다. 그러나 AI에 대한 현재의 과대 광고는 딥 러닝 (DL)이라는 기술로 인한 것입니다. AI, 특히 DL은 통신, 운송, 고객 서비스, 금융, 제조, 의료 및 그 밖의 분야에 이르기까지 많은 산업 분야에서 사용되고 있습니다. 전체 AI는 잠재적으로 파괴적인 적용을 가질 수 있으며, 세계 경제의 현재 건축 질서 및 아프리카와 같은 장소에 대한 시사점은 이러한 입력과 필요한 입력을 활용하기 위해 준비해야합니다.

의료 분야의 AI

AI가 아프리카에서 제약을 변화시키는 데 어떻게 도움이 될 수 있는지 최근 게시물에서보고 한 것처럼 AI 응용 프로그램은 점점 더 진단, 수술, 환자 모니터링, 물론 약물 개발 및 전달 및 많은 건강 관리에 사용되고 있습니다. 근본적인 수준에서 이것은 생명 과학 분야에서 빅 데이터의 힘을 활용하는 것으로 설명 될 수 있으며 여기에는 엄청난 양의 건강 또는 생물학적 데이터를 빠른 속도로 처리하고 표시하는 것이 포함됩니다.

현재 이것은 실험실 데이터, 보험 데이터, 환자 기록, 연구 데이터 및 소셜 미디어 데이터와 같은 방대한 양의 데이터가있는 많은 의료 분야에서 증가 추세입니다. 최근 보고서에서 CB Insights는 약물 발견 시간 단축, 환자에게 가상 지원 제공, 의료 이미지 처리 등을 통해 다양한 의료 분야에서 머신 러닝 알고리즘 및 예측 분석을 적용하고있는 100 개가 넘는 유명 기업을 식별했습니다. .

많은 주요 의료 및 제약 회사가 이미 인공 지능의 힘을 활용하여 훌륭한 결과를 얻었습니다. 예를 들어 Johnson과 Johnson의 Sedasys 시스템은 대장 내시경 검사와 같은 표준 절차에 대한 마취를 자동으로 제공하는 FDA 승인을 받았습니다. 의사는 한 번에 여러 대의 기계를 감독하여 전용 마취 전문의보다 훨씬 저렴한 비용으로 만들 수 있습니다. Insilico Medicine은 AI 시스템에 테스트 과정에 들어가기 전에 새로운 약물의 치료 적 사용을 예측하도록 지시했습니다. 질병 진단을위한 다양한 테스트 및 승인 단계에 수많은 로봇이 있습니다.

헬스 케어 조직은 의료 실무 및 연구 속도를 높이기 위해 빅 데이터 플랫폼을 개발하여 진단 프로세스를 자동화하기 위해 점점 더 노력하고 있습니다. IBM의 Watson과 같은 일부 시스템은 의사보다 진단 정확도가 더 높습니다. 이러한 의료 프로세스 중 일부에 AI와 빅 데이터를 적용하면 시스템이 복잡한 패턴을 모니터링 할 수있어 질병을 식별하고 적절한 진단을 내리는 데 효과를 높일 수 있습니다. 예를 들어 초음파조차도 AI 및 클라우드 기반 시스템과 3D 이미징 기술을 사용하여 더 나은 정밀도와 정확도를 달성합니다. Frost & Sullivan의 분석가 인 Harpreet Singh Buttar에 따르면 AI 시스템은 2025 년까지 인구 건강 관리에서 특정 환자의 질의에 응답 할 수있는 디지털 아바타에 이르기까지 모든 분야에 관여 할 수있었습니다.

이제 우리는 더 많은 가상 후속 조치를 취하고 있습니다. 이것은 임상 직원이 더 이상 많은 후속 조치 프로세스를 할애 할 필요가 없음을 의미합니다. 환자는 이제 디지털 앱 및 기타 AI 절차와 같은 디지털 방법 및 도구를 통해 후속 조치를 취할 수 있기 때문입니다. 또한 현재 진단 및 과거 의료 보고서를 기반으로 환자에게 권장 사항을 제공하는 일부 앱을 통해 자주 묻는 질문에 대답하고 환자의 건강을 추적 할 수있는 스마트 로봇 앱도 있습니다. 점점 더 많은 환자들이 디지털화를 권장합니다.

또한 의료 디지털을 만드는 데 도움이되는 다른 모든 의료 기술 도구 (구식 및 신식 도구); 진단, 원격 의료, EMR, 네트워크 EMR (인트라넷 또는 인터넷), 컴퓨터, 약물 알림, 약물 셀카 등을 통해 연결된 장비에 AI 또는 지능형 프로그램이 내장되어있을 수 있습니다. 결과적으로 이러한 도구는 갑자기 더 똑똑해지고 데이터를 통해 배우고보다 지능적으로 작업 할 수 있습니다.

AI는 핵심적으로 의료 정보의 접근성, 관련성 및 실행 성을 촉진합니다. 의료 분야, 특히 제약 산업에서 AI의 중요한 응용에 대해 좀 더 자세히 살펴보면 도움이 될 것입니다.

아프리카의 새로운 새벽; 글로벌 제약 허브로 전환

우리는 최근 게시물에서 이들 중 일부에 대해 광범위하게 논의했습니다. Bertalan Mesko 박사는 제약의 미래에 대해 논의하면서“슈퍼 컴퓨터의 힘을 사용하여 인공 지능을 이용한 의료 의사 결정은 일상의 약품을 바꿀 것입니다. IBM Watson과 같은인지 컴퓨터는 게놈 연구뿐만 아니라 생명 공학 분야에서도 빅 데이터를 분석하는 데 여러 가지 방법으로 사용되었습니다. 이것은 또한 새로운 약이 발견되는 방식을 형성 할 것입니다. 인간 생리학의 상세한 시뮬레이션을 통해 인간 실험이 끝날 수 있습니다. 실제 사람들에게 약물을 테스트하는 우리 시대는 미래 사람들에게 야만적 인 것처럼 보일 것입니다. 슈퍼 컴퓨터가 인체의 생리를 모델링하는 수십억 개의 시뮬레이션에서 수천 개의 약물 표적을 몇 초만에 테스트 할 수 있다면 어떨까요? 제약 회사는 그러한 연구에 도움이되어야합니다.”

우리가 이미 알고 있고 AI와 대부분의 다른 기술 발전은 근본적으로 문제를 해결하고 더 나은 것을 만드는 도구 인 "도구"라는 점을 상기시키는 것이 좋습니다. 따라서 문제는 다음과 같습니다. 제약에서 해결해야 할 문제가 있습니까? 개선, 개선 및 개선되어야하는 제약 프로세스가 있습니까? 제약 회사에 가까운 사람이라면 실제 약물 발견 및 개발에서 실제 전달에 이르기까지 개선이 필요한 솔루션 및 프로세스를 찾는 데 오랫동안 문제가 있다는 것을 알고 있습니다.

AI의 일반적인 적용은 약물 발견에 있습니다. 본질적으로 제약 회사 내에는 특정 질병을 퇴치하고 건강을 개선하는 데 적합한 솔루션이 될 수있는 방대한 양의 분자와 화합물이 있지만,이를 식별하는 데 어려움이 있습니다. 잠재적 인 치료 실체로서. 약물 발견 및 개발은 가장 중요한 도전 일뿐만 아니라 건강 관리 개선을위한 가장 중요한 기회 일 것입니다. 새로운 약을 찾는 것은 매우 까다 롭고 비용이 많이들 수 있습니다. 상당한 재정적, 지적 요구에 많은 시간이 걸립니다. 기본적으로, 이는 일반적으로 사용하기에 효과적이고 안전한 약물을 보장하기 위해 필요한 과정으로 인해 발생합니다. 평균적으로, 발견에서 관리에 이르기까지 의약품을 제공하는 과정은 제약 회사에 최대 26 억 달러가 소요될 수 있으며 완료하는 데 약 12-14 년이 걸릴 수 있습니다. 이로 인해 제약 분야에서 AI의 단기 및 장기 적용 분야는 시간을 단축하고 약물 개발 비용을 낮추는 데 더 중점을 둡니다. 이를 통해 투자 수익을 높이고 사용자 비용을 절감 할 수있을뿐만 아니라 특히 가장 중요한 곳에서 유용한 제품을 더 빨리 제공하는 데 도움이됩니다.

일반적으로 수천 개의 분자가 일반적으로 연구되고 많은 과정을 거치며 소수의 임상 시험에 참여할 수 있으며, 평균적으로 약 10 만 개의 분자 중 약 2 만 개가 약물로 승인되지 않을 수 있습니다. 문제는 다음과 같습니다. AI가 제약 개발자가 분자를 파괴하기에 너무 많은 자원을 낭비하지 않도록 신속하게 도울 수있는 방법이 있습니까? 제약 개발자는 특정 목적에 적합하고 승인 될 수있는 소수의 가장 강력한 분자에만 더 집중할 수 있습니까? 결과적으로 소비되는 자원을 대폭 줄이고, 약물 발견 프로세스를 가속화하고보다 우수한 품질의 약물을 발견 할 수 있습니다. AI는 도움이 될 수 있으며 AI는 현재 약물 발견 프로세스의 거의 모든 측면에서 응용 프로그램을 찾고 있습니다.

Insilico Medicine, Atomwise, Numerate 및 기타를 포함한 소수의 AI 중심 회사는 제약 업무를 개선하기 위해 많은 작업을 수행하고 대규모 임상 및 의료 데이터를 처리하고 있습니다. Frost & Sullivan을 포함한 많은 사람들이 최근 Insilico Medicine의 노력을 인정했습니다. 현재의 진행 속도 (및 속도가 빨라지고 있음)에도 불구하고 향후 2 년 내에 의료 비용은 전반적으로 절반으로 줄어들 것입니다.

아프리카의 일부 사람들 사이에서 높고 낮은 곳 에서이 되풀이 주제가있었습니다. 그들은 아프리카에서 전 세계적으로 심각한 연구를하고, 약물을 개발하고, 제약에보다 독창적으로 기여하는 것이 거의 불가능하다고 생각합니다. 이러한 많은 사람들은 일반적으로 제약에 관심이있는 많은 아프리카 조직이 감당할 수없는 것으로서 약물 연구 및 개발 비용이 엄청나게 증가하고 있다고 언급합니다. 그들에게 아프리카 기관들은 대부분 선반에 묶여있는 기초적인 연구 노력에 묶여있다. 많은 사람들이 이것을 완전히 지속 불가능하다고 인정합니다. 고맙게도 기술 AI, 특히 AI의 발전으로 아프리카의 과학자와 개발자가 더 나은 약물 발견 결과를 달성하기 위해 더 생산적이고 혁신적이지 않을 이유가 전혀 없습니다. 이것은 전체적으로 제약 및 건강 관리를 변화시킬 것입니다.

저자에 대하여

Iraneus Ogu는 Insilico Medicine, Inc.에서 건강 관리 이니셔티브를위한 아프리카 인공 지능 및 블록 체인을 감독합니다. 기술 개발 외에도 신경 재생에 중점을 둔 연구 노력으로 장수 및 노화 중재를 연구하고 있습니다. 그는 Longenesis.com의 개발 팀과 함께 일하며 Greenwich 대학교의 제약 과학 분야의 배경을 가지고 있으며, 그의 연구는 제어 방출 복용 형태에 중점을 두었습니다.