Läkemedelsverket satsar på AI, artificiell intelligens. Som en del av detta utlyste myndigheten nyligen finansiering av en doktorandtjänst inom tillämpad artificiell intelligens. Tanken är att myndigheten ska etablera samarbete med en AI-forskande akademisk institution. Myndigheten planerar att finansiera 50 procent av en forskartjänst där under fem år. Forskningen ska vara inriktad på artificiell intelligens inom området läkemedelssäkerhet.
– Det här ingår i vår breda satsning för att bygga upp AI-kompetens och -kapacitet på Läkemedelsverket, säger Gabriel Westman, vetenskaplig ledare för myndighetens AI-arbete.
Läkemedelsverket satsar på AI
Gabriel Westman är infektionsläkare, docent i infektionssjukdomar och civilingenjör i kemiteknik med inriktning mot läkemedel. Han har länge arbetat med bioinformatik och statistisk programmering inom hälsoområdet. År 2014 kom han till Läkemedelsverket. Sedan sommaren 2021 arbetar han på heltid med verkets AI-satsning.
Denna utgår från en liten grupp på två, inom kort tre, personer som Gabriel Westman är ansvarig för. Gruppen arbetar med modellutveckling i myndighetens AI-labb. Men fokus ligger minst lika mycket på samverkan med kollegor inom Läkemedelsverket och med andra myndigheter. AI-samverkan gäller andra myndigheter både i Sverige och övriga EU.
– AI-satsningen är så mycket mer än vår lilla grupp, satsningen ska omfatta hela verket. Vår övergripande approach är att bygga upp den AI-kompetens vi behöver inom våra regulatoriska ansvarsområden. Och vi vill också utveckla Läkemedelsverkets arbete med olika typer av dataanalys och se hur AI kan användas där, säger Gabriel Westman.
AI i det regulatoriska uppdraget
När det gäller det regulatoriska uppdraget kan förståelse för artificiell intelligens vara nödvändig i många olika situationer. Det kan bland annat handla om tillsyn av medicintekniska produkter som innehåller AI. Allt fler sådana produkter kommer in i vården. Två exempel är modeller för tolkning av röntgenbilder och för att stödja behandlingsval inom precisionsmedicin.
Tillstånd för kliniska studier är ett annat område där Läkemedelsverkets medarbetare kommer att behöva mer kunskap. Detta i takt med att forskarna allt mer använder AI-verktyg i prövningarna.
Även i arbetet med att granska och godkänna läkemedel är AI-kompetens på väg att bli viktig. Det beror på att data om läkemedelskandidaterna och patienterna i kliniska prövningar allt oftare tas fram och bearbetas med AI-baserade metoder. För att kunna granska sådana data behöver man ha förståelse för hur de kommit till.
– Inom det regulatoriska läkemedelsarbetet på myndigheter i Europa har vi hittills generellt inte utvecklat AI-kompetens i samma takt som inom industrin. Nu behöver vi hänga med i utvecklingen och minska kompetensgapet, säger Gabriel Westman.
Läkemedelsverket satsar på AI för effektivisering
Vid sidan av att öka kompetensen att granska och bedöma AI-produkter och AI-genererade data, finns ytterligare ett spår i Läkemedelsverkets satsning. Det har som mål att hitta sätt att använda AI i myndighetens egen verksamhet för att förbättra och effektivisera.
– För närvarande ligger AI:s främsta potential i bedömning av stora mängder komplicerade indata där det finns ett tydligt rätt eller fel att träna modellen utifrån. Man kan jämföra med en knarkhund som kan tränas till att få en fantastisk förmåga att söka och identifiera vissa typer av narkotika. På samma sätt kan AI tränas att snabbt och säkert lösa begränsade uppgifter snabbare och minst lika bra som människor, säger Gabriel Westman.
– AI-modeller är ofta superbra på rätt typ av uppgifter men deras förmåga är oftast väldigt smal och ibland känslig för störningar. Det gäller att hitta de tillämpningar som tekniken passar för.
AI sorterar biverkningsrapporter
Ett exempel på en sådan tillämpning är ett pågående utvecklingsprojekt¨. I detta tar AI-gruppen fram en modell som kan hjälpa Läkemedelsverket att hantera den strida strömmen av biverkningsrapporter. Utvecklarna skapar här en modell som bygger på natural language processing, AI-baserad textanalys. De tränar modellen på stora mängder digitalt tillgänglig text och databasen över biverkningsrapporter. På så vis kan modellen förhoppningsvis lära sig att känna igen de språkliga mönster som beskriver en allvarlig läkemedelreaktion.
I det här fallet vill Gabriel Westman och hans medarbetare använda denna förmåga till att låta en AI-modell leta efter biverkningsrapporter som ursprungligen blivit felklassificerade vid rapporteringen.
– Detta skulle göra att vi snabbare kan identifiera rapporter om allvarliga biverkningar och ge dessa förtur till manuell handläggning, förklarar han.
– Vi siktar på att ha en leveransfärdig modell klar till hösten. Sedan får vi se om den blir tillräckligt bra för att sättas i produktion. Jag vill inte sälja skinnet förrän björnen är skjuten.
