Dari pembelajaran mesin (ML) hingga model bahasa besar (LLM), aplikasi AI untuk uji klinis sangat beragam. Yang paling penting, AI dapat membantu menyederhanakan data yang dikumpulkan selama pelaksanaan uji klinis. Dalam jangka panjang, teknologi ini dapat membantu mengurangi beban kerja dan meningkatkan efisiensi uji klinis dengan mengoptimalkan anggaran dan jadwal.
Penerapan AI sudah mulai dilakukan, sebagaimana yang ditemukan dalam Laporan Transformasi Digital dan Teknologi Baru dalam Industri Kesehatan 2024 dari GlobalData. Laporan tersebut mensurvei lebih dari 100 profesional farmasi mengenai sikap mereka terhadap adopsi teknologi, dan menemukan bahwa 58% responden mengatakan bahwa mereka berencana untuk berinvestasi dalam AI selama dua tahun ke depan, naik dari 8% pada tahun 2022 dan 14% pada tahun 2021.
Meskipun perusahaan teknologi memberikan janji besar mengenai kemampuan AI, masih ada kekhawatiran mengenai etika penggunaannya. Bergantung pada kasus penggunaannya, program ML sering kali menggunakan data pasien dalam jumlah besar, yang menjadikan uji klinis sebagai target utama bagi para peretas yang ingin mencuri informasi. Sponsor dan mitra yang menggunakan AI harus memastikan bahwa privasi data terjamin jika mereka ingin menjaga kepercayaan pasien dan menghindari gugatan hukum.
Kepercayaan pasien terhadap AI perlu ditingkatkan
AI telah melihat banyak kasus penggunaan yang berhasil di seluruh uji klinis, mulai dari mengotomatiskan pengodean medis yang memakan waktu hingga menemukan tren dalam set data yang mungkin terlewatkan oleh manusia. Pemrosesan bahasa alami (NLP) adalah cabang AI lain dengan aplikasi yang berguna untuk uji klinis. NLP memungkinkan komputer untuk memahami, menafsirkan, dan menghasilkan bahasa yang realistis, yang memiliki aplikasi utama dalam memberdayakan chatbot untuk membantu uji klinis terdesentralisasi (DCTS), dan dalam menyederhanakan penerjemahan dan penyederhanaan dokumen pasien yang penting seperti eConsent dan penilaian hasil klinis (COA).
Namun, semua aplikasi ini mungkin melibatkan pemrosesan data pribadi pasien dan informasi uji coba rahasia lainnya. Survei AI dalam Praktik Klinis GlobalData menilai sentimen lebih dari 550 pasien di berbagai bidang terapi dan usia di seluruh dunia. 48% dari mereka yang menggambarkan diri mereka familier dengan AI menyatakan bahwa masalah privasi dan keamanan data menjadi perhatian jika berpartisipasi dalam uji coba menggunakan teknologi AI.
Industri perawatan kesehatan sering kali menjadi sasaran pelanggaran data karena tingginya volume data pasien sensitif yang diprosesnya. Jurnal HIPAA menemukan bahwa lebih dari 133 juta catatan pasien telah dibobol pada tahun 2023, jumlah tertinggi yang pernah tercatat. Memasukkan AI ke dalam berbagai proses mungkin membuat uji klinis lebih efisien, tetapi juga membuka celah lain bagi peretas untuk menyerang.
Peraturan seperti GDPR Uni Eropa juga berarti bahwa uji klinis dapat menghadapi denda yang mahal karena gagal melindungi data pasien secara memadai. Ketika uji klinis sudah berjalan dengan anggaran yang ketat, denda akan mengakibatkan studi tertunda atau bahkan dibatalkan. Inti dari GDPR dan undang-undang serupa di tempat lain, termasuk Undang-Undang Perlindungan Data Inggris, adalah perlindungan Informasi Bisnis Rahasia (CBI) dan Informasi Identitas Pribadi (PII). Untuk mencegah serangan yang membahayakan tersebut, sponsor harus memastikan bahwa mereka dan mitra mereka melakukan yang terbaik untuk menerapkan AI secara aman dan bertanggung jawab.
Menerapkan strategi AI
Sponsor dapat menghindari risiko yang terkait dengan pelanggaran data dengan menerapkan strategi AI yang kuat. Sangat penting untuk mengonsolidasikan strategi ini di antara para pemangku kepentingan sehingga semua pihak yang terlibat beroperasi dengan standar tinggi yang sama. Bergabung dengan kelompok pemikir yang berfokus pada farmasi juga dapat menjadi langkah yang baik untuk membantu membentuk dan memahami penggunaan AI secara lebih langsung.
Khususnya, sponsor perlu mengetahui bagaimana data yang dimasukkan ke dalam model AI digunakan. Alat AI sumber terbuka seperti ChatGPT menyimpan data yang dimasukkan sebagai ganti layanan gratis, yang merusak hak kekayaan intelektual perusahaan dan privasi data pasien. Namun, banyak model aman di pasaran tidak menambang data dan menerapkan langkah-langkah keamanan siber yang ketat yang dapat menyamai standar sponsor. Fitur-fitur seperti sistem manajemen keamanan informasi (ISMS) yang solid dan autentikasi multifaktor (MFA) akan membantu mengurangi risiko inheren dengan operasi cloud.
Teknik seperti anonimisasi data atau penyuntikan noise ke dalam data dapat membantu meningkatkan keamanan informasi yang diproses oleh model AI. Selain itu, sponsor dapat menjaga akuntabilitas mereka dengan menerapkan proses audit menyeluruh dan menyimpan catatan terperinci tentang pengumpulan data.
Layanan penerjemahan yang aman secara siber
RWS merupakan mitra terkemuka untuk banyak uji klinis, yang menyediakan layanan penerjemahan dan pelokalan kelas dunia yang memastikan dokumen-dokumen penting, termasuk formulir eConsent dan eCOA, dapat dipahami oleh semua pasien yang terlibat. Dalam menghadapi tingginya angka pasien yang tidak hadir, RWS memberdayakan pasien untuk memahami tanggung jawab mereka selama uji klinis.
Dengan pengalaman lebih dari 20 tahun dalam ML/AI, termasuk lebih dari 45 paten AI, perusahaan ini menggabungkan efisiensi penerjemahan mesin dengan keahlian ahli bahasa manusia. Perusahaan ini dapat memastikan bahwa materi uji klinis yang paling rumit sekalipun memiliki terjemahan yang dapat dipahami dan akurat.
Penawaran RWS mencakup platform penerjemahan AI yang dikembangkan sendiri seperti Evolve, yang dapat membantu pengguna mencapai peningkatan efisiensi hingga 65%.
Efisien, efektif, dan aman, perangkat AI RWS dapat membantu membuat perbedaan bagi pasien dalam uji klinis. Untuk mempelajari lebih lanjut, unduh whitepaper gratis di bawah ini.
