2024-05-12-艾昆纬-提高患者安全性_药物警戒工作流程中早期采用人工智能的范式转变（英）_9页_1mb

白皮书总结：早期AI采用在药物警戒工作流程中加强患者安全

引言

本文基于FDA关于在药物开发中使用人工智能和机器学习的讨论，聚焦于Genentech的美国患者安全团队发起的ATHENA倡议。传统药物警戒（PV）流程始于“病例处理”，但忽视了患者支持计划（PSP）中未上报的不良反应（ADR）数据，导致许多事件未被发现。ATHENA倡议旨在通过早期应用AI/ML技术，改变这一现状，强调协作创新，同时利用IQVIA Vigilance Detect平台，实现患者更安全。

ATHENA倡议概述：协作创新

ATHENA于四年前启动，旨在通过IQVIA Vigilance Detect平台应用AI/ML技术，提前优化病例相关的不良事件检测，减少无效病例，提高效率。该倡议的价值不仅体现在操作层面，还体现在推动患者中心化的服务模式，使医护人员能够更专注于患者需求。

技术核心：IQVIA Vigilance Detect

Vigilance Detect是ATHENA的技术核心，利用超过50万个药物安全术语和模式，通过AI、自然语言处理（NLP）和自动化技术，每年处理超过400万条记录。其成功得益于人类专家与AI/ML的结合，通过监督学习实现持续优化，确保安全决策的有效性。

影响评估：揭示操作效率

ATHENA展示了令人印象深刻的量化影响：从2019年到2022年，无效个案安全报告减少了50%，自动化审查效率提高了90%。此外，Vigilance Detect还减少了进入安全接收系统的无效案例，突显了AI/ML在早期介入PV工作流程中的重要作用。

导航挑战：前进的道路

尽管取得了成功，但实施AI技术在药物警戒中的应用仍面临挑战，如技术灵活性、定制化障碍、系统集成能力和患者隐私问题。需要在利用AI优势和保护隐私之间找到平衡，以实现持续的成功。

结论：通过协同创新促进患者安全

ATHENA强调了AI和ML在药物警戒流程早期介入的可行性和有效性，展示了AI如何与人类专业知识结合，提升患者安全。该模型突显了多方面合作的重要性，以及AI技术在优化医疗结果方面的潜力。