ادغام هوش مصنوعی در داروسازی، عملیات دارویی و کشف دارو نشان‌دهنده نقطه عطفی انقلابی در حوزه بهداشت و درمان است که فرصت‌های بی‌نظیری را برای دگرگونی مدیریت دارو، تسریع توسعه دارویی و ارائه مراقبت‌های درمانی واقعاً شخصی‌شده فراهم می‌کند. با کاهش چشمگیر بارِ کاری انسانی، بهبود دقت و کوتاه‌کردن زمان‌بندی‌ها، هوش مصنوعی این توانایی را به صنعت داروسازی می‌دهد تا به اهداف بلندپروازانه خود با کارایی بالا دست یابد.
در این مقاله از فیبوناچی تأثیر محوری هوش مصنوعی در داروسازی را در حوزه‌های حیاتی از جمله کشف و توسعه دارو، بازمعرفی داروها، آزمایش‌های بالینی و ارتقای بهره‌وری دارویی مورد بررسی قرار می‌دهیم. علاوه بر این، بینش‌هایی را درباره آینده هوش مصنوعی در داروسازی ارائه می‌دهیم و پتانسیل آن را در پرورش نوآوری، افزایش کارایی و بهبود نتایج بیماران برجسته می‌سازد.
حوزه‌های کاربرد هوش مصنوعی در داروسازی
یکی از حوزه‌های داروسازی که هوش مصنوعی می‌تواند به‌ویژه در آن مؤثر باشد، توسعه دارو است. توسعه داروهای جدید به‌صورت تاریخی فرآیندی بسیار طولانی، پیچیده و پرهزینه بوده است؛ با این حال، استفاده از هوش مصنوعی می‌تواند سرعت کشف داروها را با تحلیل مجموعه‌داده‌ها، شناسایی ترکیبات بهینه و پیش‌بینی اثربخشی احتمالی آنها افزایش دهد. در عین حال، به‌کارگیری هوش مصنوعی برای پیشبرد آینده داروسازی مستلزم پذیرش جنبه‌های دقت و امنیت هوش مصنوعی برای استفاده از آن در توسعه داروها است.
هوش مصنوعی در داروسازی بالینی
هوش مصنوعی (AI) حوزه‌ی رو به رشد فناوری است که در بخش‌های مختلف مراقبت‌های بهداشتی مورد استفاده قرار می‌گیرد. فناوری هوش مصنوعی در حوزه داروسازی که با عنوان داروشناسی هوشمند (Pharmacointelligence) نیز شناخته می‌شود، می‌تواند به تسهیل فرآیندهای داروسازی بالینی کمک کند، از جمله تصمیم‌گیری‌های بالینی دقیق‌تر و مبتنی بر شواهد از طریق تحلیل حجم انبوهی از داده‌های بیماران، سوابق پزشکی، نتایج آزمایشگاهی و پروفایل‌های دارویی.
هوش مصنوعی و مدیریت مصرف آنتی‌بیوتیک‌ها
پژوهشگران به سرپرستی دکتر لورا شالکراس از بنیاد بیمارستان‌های دانشگاه کالج لندن (NHS) در حال توسعه و آزمایش یک سیستم نظارتی آنتی‌بیوتیک به نام «سامورای آی» (SamurAI) هستند. این سیستم از سوابق الکترونیک بیمارستانی استفاده خواهد کرد و داده‌های تاریخی بیماران دریافت‌کننده آنتی‌بیوتیک را با یافته‌های میکروب‌شناسان و داروسازان متخصص در هنگام بررسی نسخه‌ها ترکیب می‌کند.
این سیستم کامپیوتری تحت نظارت پزشکی متخصصان، یاد خواهد گرفت که چه رویکردی بهترین نتیجه را دارد و چه زمانی باید شروع، توقف یا تغییر در مصرف آنتی‌بیوتیک‌ها صورت گیرد. تیم تحقیقاتی پیش‌بینی‌های هوش مصنوعی را با تصمیمات متخصصان مقایسه خواهند کرد. هدف این سیستم شناسایی و علامت‌گذاری بیمارانی است که نیاز به بررسی دارند و همچنین ارائه پشتیبانی برای تصمیم‌گیری در تجویز آنتی‌بیوتیک‌ها می‌باشد. انتظار می‌رود نتایج این پژوهش در سال 2025 منتشر شود.
هوش مصنوعی و تحول در حرفه داروسازی
هوش مصنوعی فرصت‌هایی را برای دگرگونی شیوه کار داروسازان و تیم‌های تحقیقات دارویی فراهم می‌کند، اما ما در مراحل اولیه کشف، طراحی و استقرار این فناوری هستیم. در فرآیند تدوین سیاست‌ها، چندین مورد استفاده بالقوه در داروسازی برای بهبود مسیرهای موجود و فرآیندهای کاری شناسایی شده است.
صنعت داروسازی و پژوهش‌های پزشکی:
- کشف دارو از طریق تحلیل حجم انبوهی از داده‌ها
- اتوماسیون فرآیندهای کنترل کیفیت در تولید
- بهینه‌سازی طراحی کارآزمایی‌های بالینی و جذب شرکت‌کنندگان
- تحلیل داده‌های گسترده در نظارت پس از عرضه و فارماکوویژیلانس
- تولید پیام‌های بازاریابی هدفمند
آموزش و توانمندسازی:
- تولید محتوای آموزشی متناسب با نیازهای یادگیرنده
- ایجاد سوالات ارزیابی
- تحلیل ارزیابی‌های آموزشی
- ارائه اطلاعات دارویی اختصاصی برای هر بیمار
“هوش مصنوعی این پتانسیل را دارد که به‌طور اساسی شیوه ارائه خدمات دارویی را متحول کند، اما نیازمند توسعه مسئولانه و کاربرد هوشمندانه این فناوری در حرفه داروسازی هستیم. این تحول می‌تواند منجر به بهبود کیفیت مراقبت از بیمار، افزایش کارایی سیستم‌های دارویی و پیشرفت‌های چشمگیر در پژوهش‌های دارویی شود.
سیستم‌های هوش مصنوعی با قابلیت خواندن و اولویت‌بندی نسخه‌ها مزایای قابل توجهی ارائه می‌دهند، به‌ویژه در محیط پرفشار داروخانه‌های شلوغ. با طبقه‌بندی خودکار نسخه‌ها بر اساس میزان فوریت، این ابزارها اطمینان حاصل می‌کنند که داروهای حیاتی یا زمان‌حساس بدون تأخیر پردازش شوند و ایمنی بیماران حفظ گردد.”
محمد شیخ، مدیر داروخانه پرسونال هوم‌کر-
داروخانه بیمارستانی:
- طبقه‌بندی سطح خطر بیماران برای مداخلات مراقبت دارویی
- ابزارهای پشتیبان تصمیم‌گیری در سیستم‌های نسخه‌نویسی الکترونیک
- اتوماسیون فرآیندهای عملیاتی مرتبط با تأمین، مدیریت موجودی انبار و توزیع
- ساده‌سازی فرآیندهای تحویل دارو
- پشتیبانی از تولید محصولات استریل آماده‌سازی شده
مراقبت‌های اولیه:
- طبقه‌بندی سطح خطر بیماران برای مداخلات مراقبت دارویی
- ابزارهای پشتیبان تصمیم‌گیری در سیستم‌های نسخه‌نویسی الکترونیک
- اتوماسیون فرآیندهای مرتبط با نسخه‌های تکراری و مدیریت سوابق
- تحلیل داده‌های تجویز بیماران برای پایش تجویزهای مقرون‌به‌صرفه
- تحلیل داده‌های پایش بیماران برای شناسایی فرصت‌های بهبود نتایج در بیماری‌های مزمن
داروخانه‌های جامعه‌نگر (Community Pharmacy):
- ارتقای خدمات سلامت عمومی ارائه‌شده از طریق داروخانه‌ها با ارائه پشتیبانی مستمر و راهنمایی‌های شخصی‌سازی‌شده به بیماران (مانند ترک سیگار، سلامت جنسی)
- ابزارهای پشتیبان تصمیم‌گیری در سیستم‌های نسخه‌نویسی الکترونیک و مسیرهای مراقبت از بیمار (مانند سرویس Pharmacy First)
- مشاوره‌های مجازی برای بیماری‌های جزیی
- بهبود پایبندی به درمان دارویی از طریق یادآورها، اعلان‌ها و منابع آموزشی
فعالیت‌های عملیاتی:
- بهینه‌سازی وظایف اداری مانند مدیریت تقویم و ایمیل‌ها
- خودکارسازی تحلیل داده‌های تجاری و تولید گزارش‌ها
- تحلیل داده‌های نیروی کار و بودجه برای شناسایی حوزه‌های نیازمند تمرکز
- نگارش شرح وظایف شغلی
پیامدهای زیست‌محیطی
تأثیرات زیست‌محیطی هوش مصنوعی را نباید نادیده گرفت. این مسئله به مصرف انرژی قابل توجه مورد نیاز برای آموزش و اجرای مدل های بزرگ هوش مصنوعی مرتبط است که منجر به انتشار کربن می‌شود (از جمله برق مصرفی و آب مورد نیاز برای خنک‌کردن سیستم‌های سرور).
تلاش‌هایی در حال انجام است تا با توسعه الگوریتم‌های بهینه‌تر از نظر مصرف انرژی و به‌کارگیری منابع انرژی تجدیدپذیر، این تأثیرات منفی کاهش یابد.
ملاحظات:
- مدل های زبانی بزرگ هوش مصنوعی برای آموزش به انرژی (معادل مصرف سالانه 120 خانه در آمریکا) نیاز دارند.
- مراکز داده هوش مصنوعی، مسئول 2-3% از کل انتشار کربن جهانی هستند.
- راهکارهای نوین شامل استفاده از معماری‌های عصبی کارآمدتر و خنک‌سازی با هوای طبیعی می‌شود.
- برخی شرکت‌های پیشرو متعهد شده‌اند تا سال 2030 به هوش مصنوعی بدون کربن دست یابند.
این چالش‌ها نشان می‌دهد که توسعه هوش مصنوعی پایدار نیازمند همکاری بین‌المللی محققان، سیاستگذاران و صنعت است؛ تا بین پیشرفت فناوری و حفاظت از محیط زیست تعادل برقرار شود.
آیا هوش مصنوعی جایگزین داروسازان انسانی می‌شود؟
نگرانی‌ها درباره جایگزینی مشاغل با ظهور فناوری‌های جدید امری رایج است؛ با این حال، فرصت‌های واقعی وجود دارد که هوش مصنوعی بتواند نقش‌های شغلی را ارتقا دهد، نه اینکه جایگزین آنها شود. اتوماسیون وظایف روتین می‌تواند به تمام کارکنان این امکان را بدهد که تمرکز بیشتری بر محوریت بیمار داشته باشند و در نهایت مراقبت از بیمار را بهبود بخشند. در حالی که هوش مصنوعی به‌صورت بنیادین تغییر می‌دهد که کارها چگونه انجام می‌شوند و چه کسی آنها را انجام می‌دهد، تأثیر بزرگ‌تر آن در تکمیل و تقویت قابلیت‌های انسانی خواهد بود، نه جایگزینی آنها.
نمونه موفق راهکار هوش مصنوعی در داروسازی
بر اساس گزارشی از بنیاد سلامت (The Health Foundation)، بیش از نیمی از عموم مردم (۵۳٪) فکر می‌کنند که هوش مصنوعی آنها را از کارکنان بخش سلامت دور خواهد کرد، در حالی که نزدیک به دو سوم از کارکنان خدمات سلامت ملی (NHS) مورد بررسی (۶۵٪) معتقدند که هوش مصنوعی باعث می‌شود احساس فاصله بیشتری از بیماران داشته باشند. این نتایج نشان می‌دهد که هوش مصنوعی باید به گونه‌ای طراحی و به‌کارگیری شود که بعد انسانی مراقبت را حفظ و تقویت کند.
فناوری‌های هوش مصنوعی پتانسیل آن را دارند که شیوه کار داروسازان و تیم‌های دارویی را متحول کنند. انجمن داروسازی سلطنتی (RPS) از استفاده مسئولانه و مؤثر هوش مصنوعی در تمام محیط‌های بهداشتی-درمانی، از جمله خدمات دارویی، حمایت می‌کند تا به بهبود مصرف ایمن و مؤثر داروها در هر محیطی منجر شده و نتایج بهتری برای بیماران حاصل شود.
انجمن (RPS) Royal Pharmaceutical Society یک نهاد حرفه‌ای پیشرو در بریتانیاست. این مرکز در راستای ارتقای استانداردهای داروسازی و حمایت از داروسازان، توسعه حرفه‌ای، تنظیم استانداردهای آموزشی و پیشرفت علوم دارویی به عنوان مرجع اصلی در سراسر جهان فعالیت می کند.
مطالعه موردی: هوش مصنوعی در شرکت داروسازی Sciensus لندن
در Sciensus ، نسخه‌های پزشکی را از بیمارستان‌های سازمان ملی سلامت (NHS) از طریق کانال‌های مختلف دریافت می‌کنیم، مانند:
- نسخه‌های کاغذی که از طریق پست سلطنتی (Royal Mail) ارسال می‌شوند و سپس در سیستم سایِنسِس اسکن می‌گردند.
- نسخه‌های ایمیل‌شده که در سیستم سایِنسِس آپلود می‌شوند.
- نسخه‌هایی که مستقیماً توسط بیمارستان‌های NHS از طریق پورتال (Sciensus Connect NHS) بارگذاری می‌شوند.
در مواردی که نسخه‌های کپی دریافت می‌شوند، نسخه اصلی معمولاً چند روز بعد از طریق پست سلطنتی برای بایگانی ارسال می‌گردد. پس از دریافت و اسکن نسخه‌ها، فناوری هوش مصنوعی نقش حیاتی ایفا می‌کند. سیستم هوش مصنوعی نسخه اسکن‌شده را «می‌خواند»، آن را با پرونده بیمار در Sciensus مطابقت می‌دهد و سپس جزئیات دارو را با نسخه‌های قبلی مقایسه می‌کند. پس از این مرحله، نسخه توسط تیم داروخانه تأیید می‌شود و سپس آماده تحویل می‌گردد.
مزایای هوش مصنوعی در داروسازی برای شرکت Sciensus
معرفی هوش مصنوعی فرآیندهای ما را بهینه کرده و نیاز به ثبت دستی و یکی از مراحل تأیید manual را حذف کرده است. این افزایش کارایی مورد استقبال کارکنان بخش داروخانه قرار گرفته و به آنها امکان می‌دهد تا بر مهارت‌های بالینی اصلی خود تمرکز کنند. از زمان اجرای این فناوری هوش مصنوعی، بهبود چشمگیری در دقت مشاهده کرده‌ایم که این امر از طریق گزارش‌های داخلی خطاهای نزدیک به وقوع (near-miss) مشهود بوده است. همچنین مزایای قابل‌توجهی در اولویت‌بندی نسخه‌های فوری و تغییر دوز ایجاد کرده‌ایم که این امر ایمنی بیماران را بیشتر افزایش داده است.
در آینده، در حال بررسی این هستیم که چگونه مدل های هوش مصنوعی می‌توانند از جنبه‌های گوناگون فرآیندهای ما پشتیبانی کنند و همواره به دنبال راه‌هایی برای بهبود کارایی و مراقبت از بیماران هستیم.
الکس کلارک، مدیر عملیات محصولات تجاری، Sciensus
جمع بندی
به طور خلاصه، هوش مصنوعی در داروسازی قرار است نقش حیاتی در شکل‌دهی آینده این صنعت مهم ایفا کند و وعده بهبود رضایت شغلی داروسازان و هدایت به سمت روش‌های دارویی سودآورتر و کارآمدتر را دارد. در عین حال، ضروری است که چالش‌های همراه با آن را نیز به رسمیت بشناسیم. مسائل مرتبط با کیفیت داده‌ها و رهنمودهای اخلاقی، موانع کلیدی هستند که باید بر آنها غلبه شود تا بتوان به‌طور کامل از پتانسیل هوش مصنوعی در توسعه محصولات دارویی بهره برد.
