Strategie guidate dall'IA nella pratica farmaceutica: advocacy in azione

Pharma Now sostiene un accesso più ampio ed equo alle applicazioni dell’IA nel settore farmaceutico. Basandosi sugli approfondimenti di articoli precedenti, questo pezzo mira a coinvolgere un pubblico eterogeneo esplorando il potenziale dell’IA, in particolare nella previsione, prevenzione e gestione delle interazioni farmacologiche (DDI) nella pratica farmaceutica del mondo reale. Prendendo come caso esemplare gli agonisti del recettore del Glucagon-Like Peptide (GLP-1) (GLP-1RAs), discutiamo le considerazioni chiave sull’utilità dell’IA nell’affrontare efficacemente queste complesse sfide.

Gli agonisti del recettore GLP-1, come semaglutide (Ozempic®, Wegovy®, Rybelsus), hanno trasformato il trattamento del diabete di Tipo 2 e dell’obesità. In precedenza, Pharma Now ha evidenziato l’aumento dell’uso di questi farmaci—complicato da carenze di fornitura e pratiche di farmacie galeniche—che ha introdotto notevoli sfide nella regolamentazione, nell’assistenza clinica e nella logistica. In questo documento, approfondiamo queste preoccupazioni esaminando come i GLP-1RAs influenzino lo svuotamento gastrico, alterando potenzialmente l’assorbimento di altri medicinali. Poiché pazienti, operatori sanitari e regolatori affrontano richieste crescenti e risorse limitate, gli strumenti di IA possono essere cruciali nel prevedere, prevenire e mitigare queste interazioni farmacologiche (DDI), in particolare in un contesto sanitario multilingue e diversificato.

Una delle maggiori sfide nell’impiego efficace dell’IA nel campo farmaceutico è che molti professionisti non comprendono ancora appieno quanto possano essere potenti gli strumenti di IA. La tecnologia avanza così rapidamente che molte persone del settore, specialmente quelle meno avvezze alla tecnologia, non colgono il pieno potenziale dell’IA. Colmare questo divario di conoscenze è cruciale per integrare con successo l’IA nella farmacia. Ciò comporta formazione, cambiamenti di mentalità e l’apprendimento da esempi del mondo reale in cui l’IA ha già avuto successo. Questo articolo trae spunti da una recente pubblicazione di Pharma Now per esplorare come l’IA—attraverso analytics predittivi, elaborazione del linguaggio naturale e traduzione multilingue—potrebbe trasformare la pratica farmaceutica in un centro proattivo per identificare e risolvere i DDI prima che danneggino i pazienti.

Un altro divario che richiede attenzione è citato in un precedente articolo di Pharma Now “Agonisti del GLP-1: dalla gestione del diabete alle soluzioni per la perdita di peso – il ruolo della FDA e la controversia sulla preparazione magistrale” nel quale si afferma che “La sfida per i regolatori è che i farmaci galenici non sono soggetti allo stesso rigoroso processo di approvazione dei loro equivalenti prodotti commercialmente, il che significa che la FDA deve garantire la sicurezza e l’efficacia di questi trattamenti alternativi.”

Data questa anomalia nel controllo regolatorio delle farmacie galeniche eassente un tipico processo di presentazione ANDA con requisiti stringenti di dati per considerazioni di sicurezza ed efficacia, come può allora una risposta generativa AI/ML colmare questa incongruenza?

Possiamo davvero affidarci completamente a una pura introspezione assistita da AI/ML per identificare le lacune o le differenze rispetto alle normative US FDA per i farmaci galenici rispetto ai farmaci sottoposti a presentazione ANDA? Le normative FDA non sono negoziabili, sono complesse e indubbiamente difficili da navigare.

Una recente guidance pubblicata dalla FDAConsiderazioni sull'uso dell'intelligenza artificiale a supporto delle decisioni regolatorie per prodotti farmaceutici e biologici afferma che se il COU o il contesto d’uso coinvolge un “human in the loop”, dobbiamo garantire che i metodi di valutazione del modello AI/ML impiegato considerino la performance del team uomo-IA, piuttosto che solo la performance del modello isolatamente.

Una soluzione potrebbe esserci dove l’abbinamento di un modello AI/ML LLM con una piattaforma di ricerca human-in-the-loop possa funzionare come ‘dueling banjos’. Tuttavia, i limiti umani emergono rapidamente quando chiunque si stanchi di cercare su Google, scrutando e cliccando i risultati di ricerca mentre il ‘rumore’ e gli annunci delle piattaforme di ricerca web rendono il tutto più caotico al giorno d’oggi. Il motore di ricerca del sito FDA.Gov, d’altra parte, fallisce a modo suo con i suoi abominevoli algoritmi di ricerca ancora basati sui meta dati, impantanati nel Medioevo rispetto all’odierno ambiente guidato da big data e AI/ML.

Perché la terapia con GLP-1 mette in evidenza i DDI

Gli agonisti del recettore GLP-1 agiscono rallentando lo svuotamento gastrico fino al 70%. Questo cambiamento prolunga il tempo di permanenza dei farmaci nello stomaco, il che può influire su quanto bene vengono assorbiti. Per i medicinali con finestre terapeutiche strette (cioè farmaci che possono avere effetti collaterali gravi se non assunti nella giusta quantità), questo è un’importante preoccupazione. Per i farmacisti, la posta in gioco è alta: se un paziente in terapia con GLP-1 presenta un assorbimento alterato di altri farmaci essenziali (come anticoagulanti, contraccettivi o immunosoppressori), la differenza tra efficacia e tossicità può essere minima.

Inoltre, gli agonisti del GLP-1 sono sempre più utilizzati per la perdita di peso, non solo per il diabete, il che aumenta la probabilità che i pazienti assumano più farmaci (polifarmacoterapia). Ciò complica ancor più il rischio di DDI. Le farmacie galeniche, che preparano medicinali personalizzati per i pazienti, introducono inoltre maggiore complessità, poiché le loro pratiche potrebbero non rispettare sempre gli stessi standard di qualità.

L’opportunità dell’IA: rivoluzionare la previsione e la mitigazione dei DDI

L’IA ha il potenziale per trasformare la sicurezza dei farmaci migliorando la previsione, prevenzione e gestione delle interazioni farmacologiche (DDI), in particolare in ambienti multilingue. I sistemi di IA possono analizzare ampi dati dei pazienti—come cartelle cliniche elettroniche, storie farmacologiche e risultati di laboratorio in tempo reale—per identificare i pazienti a rischio. Le piattaforme di farmacovigilanza potenziate dall’IA, come ilEstrazione di farmaci e chatbot sulle interazioni farmacologiche (MEDIC), vengono esplorate per migliorare la sicurezza e il monitoraggio dei farmaci sfruttando conoscenze pregresse, riconoscimento di pattern e modellazione predittiva.

Tuttavia, oltre ad affrontare le problematiche di qualità dei dati e della privacy, la democratizzazione di questi sforzi tramite grandi modelli linguistici come ChatGPT richiede una considerazione attenta. Le discussioni di Pharma Now su "Strumenti SMART"," "Pratiche SMART", e "Buone pratiche linguistiche" enfatizzano la due diligence necessaria per garantire che AI e machine learning siano applicati responsabilmente in ambienti complessi. Queste considerazioni sono cruciali nei contesti farmaceutici reali, dove possono contribuire a colmare il divario tra le sfide nella preparazione dei farmaci, le preferenze dei prescrittori e la sicurezza del paziente.

Quindi, esiste un modo migliore per colmare entrambi i divari: democratizzare l'uso e la comprensione di AI/ML per le parti interessate in farmacia da un lato e affrontare la mancanza di supervisione normativa FDA sulle farmacie di preparazione per i farmaci GLP-1 dall'altro?

SmartSearch+ con la sua capacità di ricerca full text (contenuti effettivi) resa possibile dall'intervento umano affiancata a un AI/ML LLM FDA Copilot per FDA.gov potrebbe essere la risposta. Questa strategia unica a due slancio tipo «dueling banjos» può migliorare o aumentare la ricerca delle lacune fino al massimo possibile quando tu—il farmacista umano—stai cercando in testo completo le normative effettive di FDA.gov per la preparazione dei farmaci rispetto a un soggetto titolare che presenta la sua sottomissione regolatoria ANDA. Distribuire entrambi i “banjo” su un'unica piattaforma cloud e interfaccia utente (laptop, mobile o tablet) può ulteriormente elevare le nuove efficienze raggiunte.

Man mano che gli strumenti di AI evolvono, i farmacisti devono mantenersi aggiornati sulle analisi guidate da AI, sulle pratiche di comunicazione e sulle tendenze emergenti. La combinazione di strumenti AI avanzati e competenza del farmacista può aiutare a creare un sistema proattivo di gestione della qualità—ciò che chiamiamo "SMART Shepherding"— lungo tutto il processo del medicinale. I lettori di Pharma Now possono comprendere meglio come sfruttare il potenziale dell'AI e applicarlo praticamente nei flussi di lavoro della farmacia esaminando esempi del mondo reale e linee guida regolatorie complete.

Conclusione

L'AI non è un futuro lontano nella previsione e mitigazione delle DDI; è già in atto. La chiave del successo risiede in una forte collaborazione tra farmacisti, operatori sanitari, sviluppatori di AI,

e regolatori. Piuttosto che concentrarsi esclusivamente sulle sfide della terapia con GLP-1, l'industria può utilizzare questa opportunità per ripensare come gestiamo regimi farmacologici complessi.

Sfruttando strumenti AI avanzati—che vanno dall'analisi predittiva al supporto multilingue—i farmacisti possono passare da una risposta passiva a una prevenzione proattiva. Con un uso responsabile e un focus sulle buone pratiche linguistiche, queste innovazioni possono essere democratizzate per migliorare l'assistenza al paziente attraverso popolazioni e sistemi sanitari diversi nel mondo.

In sintesi, le sfide poste dagli GLP-1RA e dalle DDI sono porte d'ingresso o pietre miliari verso una pratica farmacistica più agile, guidata dai dati e da principi etici che danno priorità al benessere del paziente promuovendo al contempo il miglioramento continuo nell'intero settore.