Как ИИ на самом деле помогает командам медицинских технологий двигаться быстрее — на каждом этапе разработки медицинского оборудования

Любой, кто работал в медицинской технологической организации, знает, что вывод нового устройства на рынок — это не один спринт. Это марафон, состоящий из десятков коротких, быстрых, иногда запутанных гонок — анализа рынка, проектных работ, проверок, клинического планирования, подготовки к нормативным требованиям, переноса производства и бесконечного потока документации. Что сейчас меняется, так это то, как ИИ переходит на эти этапы и незаметно устраняет узкие места, которые раньше замедляли весь процесс.

Ниже представлен поэтапный обзор того, как искусственный интеллект ускоряет разработку новых продуктов медицинского оборудования.

1. Этап определения и измерения: раннее рассеивание тумана

Самая ранняя стадия развития задает тон всему последующему. Обычно команды тратят недели на изучение литературы, интервьюирование конечных пользователей, сортировку рыночных данных и преобразование неудовлетворенных потребностей в пользовательские и технические требования. ИИ здесь помогает в основном за кулисами.

Инструменты, основанные на обработке естественного языка, могут за считанные минуты просмотреть статьи, патенты и клинические данные, собирая воедино идеи, на сбор которых раньше уходили целые недели команды. Лидеры отрасли отмечают, что автоматизированное составление требований дает командам надежную первую версию потребностей пользователей и технических данных, которые можно уточнить вручную, что сокращает отток клиентов на ранних стадиях. МДИК продемонстрировал аналогичные достижения, обсуждая, как руководители медицинских технологий переосмысливают соблюдение требований и рабочие процессы исследований и разработок.

В ходе анализа технологий поиск патентов и литературы на основе искусственного интеллекта может выявить новые материалы или механизмы, которые в противном случае могли бы быть упущены. Когда дело доходит до подготовки проектного предложения к рассмотрению бизнес-кейса, сводки, созданные с помощью ИИ, дают командам более полный и богатый данными пакет для представления. Это не заменяет человеческое суждение — оно просто быстрее дает лицам, принимающим решения, более ясную картину.

2. Фаза анализа: лучшие планы и более быстрые решения

Как только проект преодолевает начальное препятствие, начинается межфункциональное планирование. Вот где ИИ тихо светит.

Инструменты нормативной разведки и картографирования рынка могут сканировать требования в разных регионах мира и сопоставлять их с характеристиками продукта. Бостонская консалтинговая группа упомянул об этом подходе, описывая, как GenAI меняет процессы обеспечения качества и регулирования в медицинских организациях.

Для планирования и составления графиков платформы управления проектами на основе машинного обучения могут прогнозировать задержки или нехватку ресурсов задолго до того, как команда заметит их появление. А в ходе разработки концепции инструменты генеративного проектирования могут создать десятки жизнеспособных вариантов на основе технических данных проектирования. Платформы моделирования затем проводят стресс-тестирование этих концепций в цифровом формате, чтобы инженеры не тратили время на прототипы, которые никогда не должны были быть созданы.

Несколько отраслевых отчетов, описывать как инструменты цифрового проектирования теперь помогают медицинским компаниям гораздо быстрее пройти через эти ранние этапы проектирования, не жертвуя при этом строгостью.

ИИ также играет роль в работе по охране окружающей среды, безопасности и ранней оценке рисков. Он может сопоставлять материалы, исторические жалобы и опубликованные события безопасности, отмечая потенциальные опасности до начала полной разработки проекта. А при поиске в области интеллектуальной собственности современные механизмы искусственного интеллекта могут быстро анализировать глобальные патентные ландшафты и помогать командам понять, где могут возникнуть проблемы со свободой деятельности.

Что касается операций и цепочки поставок, инструменты искусственного интеллекта прогнозируют доступность компонентов и потенциальные риски, связанные с закупками. Специалисты по нормативному и клиническому планированию также выигрывают время, используя ИИ для сбора информации о региональных потребностях в подаче заявок, составления ранних клинических планов или рекомендаций по путям классификации — и все это на основе текущих глобальных данных.

3. Проектирование и разработка: интеллектуальные инструменты в процессе проектирования.

К моменту начала проектирования продукт начинает обретать форму в САПР, планах испытаний и ранних прототипах. Здесь инструменты искусственного интеллекта и моделирования начали менять темпы развития.

Предложения по цифровому моделированию и генеративным САПР помогают инженерам исследовать варианты конструкции, соответствующие допускам, надежности и производственным ограничениям. Эти инструменты не принимают решения, но выявляют возможности, которые было бы непрактично генерировать вручную. Опять же, несколько крупных медицинских организаций публично принятый инструменты цифровых двойников и сообщают о более быстром цикле проектирования и меньшем количестве сюрпризов в последнюю минуту.

В ходе разработки методов испытаний ИИ может предложить условия испытаний или виды отказов, которые стоит изучить. Некоторые компании используют конвейеры исследований и разработок с помощью искусственного интеллекта начали сообщать значительная экономия времени за счет прогнозирования поведения отказов еще до того, как будет построен один испытательный стенд.

Планирование цепочки поставок здесь также становится более активным. ЭЙ отметил, что аналитика и прогнозное моделирование теперь помогают медицинским компаниям оценивать надежность поставщиков, качество работы и долгосрочную стратегическую совместимость — сдвиг, особенно полезный перед принятием решений о выборе поставщиков.

4. Проверка и подтверждение: меньше сюрпризов на поздних этапах игры.

Этапы проверки и валидации часто определяют, соблюдаются ли сроки разработки устройства или они отодвигаются на месяцы.

Цифровые двойники могут моделировать поведение надежности при моделировании клинического использования, помогая командам раньше выявлять риски. Кажется, что все большее число компаний используя эти инструменты сократить объем повторяющихся физических проверочных испытаний, чтобы подтвердить, соответствуют ли выходные данные проекта входным данным проекта.

Инструменты искусственного интеллекта также могут поддерживать тестирование удобства использования, прогнозируя риски, связанные с человеческим фактором, или противоречивые модели поведения пользователей. Когда начинаются клинические исследования, платформы для проектирования исследований используют машинное обучение для определения критериев отбора пациентов, отслеживания соблюдения требований или помощи командам в анализе данных практически в реальном времени, а управление исследованиями с помощью искусственного интеллекта становится основная часть о том, как команды медико-биологов проводят современные исследования.

Исследования старения и стабильности также приносят пользу. Прогнозное моделирование позволяет оценить деградацию и поведение продукта в течение срока годности задолго до завершения тестирования в реальном времени.

5. Одобрение регулирующих органов, перенос и запуск производства: от сложности к ясности

Нормативная документация традиционно отнимает огромное количество инженерного времени. Инструменты GenAI теперь помогают составлять документацию DHF (файл истории дизайна), CER (отчет о клинической оценке), файлы рисков, документацию по маркировке и собирать пакеты для отправки. МакКинси По оценкам, компании, уже использующие ИИ для этого типа документации, сократили усилия на целых 20–30%.

Между тем, FDA выпустила руководство по устройствам с поддержкой искусственного интеллекта и связанным с ними ожиданиям по управлению жизненным циклом, сигнализируя о том, насколько серьезно регулирующие органы относятся к прозрачности и надзору.

Во время передачи производства системы качества на базе искусственного интеллекта помогают командам проверять процессы, прогнозировать отклонения и поддерживать надежную цифровую отслеживаемость. Прогнозная аналитика упрощает этап масштабирования — от готовности поставщиков до стабильности производственной линии.

После запуска инструменты искусственного интеллекта могут отслеживать реальную производительность устройства с помощью PMS (послепродажное наблюдение) и помогать компаниям выявлять закономерности рисков и улучшать устройство. Эти инструменты помогают медицинским организациям быть впереди возникающих проблем по мере того, как устройства выходят на рынок.

Около половина производителей медицинского оборудования сообщают, что планируют добавить искусственный интеллект в свои рабочие процессы разработки в течение двух лет, что вызвано нехваткой талантов и растущими нормативными требованиями.

Заключительные мысли

Вклад ИИ в разработку медицинского оборудования заключается не в замене инженеров, специалистов по нормативным требованиям или клинических групп. Речь идет об устранении проблем, которые крадут время, требуют дорогостоящих переделок и оптимизируют время выхода на рынок. При ответственном использовании — при строгом контроле, надзоре, прозрачности и проверке — ИИ становится практическим ускорителем. Каждая фаза NPD становится немного яснее, немного быстрее и немного более предсказуемой.

Источник: метаморворки, Getty Images.

Это сообщение появляется через Влиятельные лица MedCity программа. Любой может опубликовать свой взгляд на бизнес и инновации в здравоохранении в MedCity News через влиятельных лиц MedCity. Нажмите здесь, чтобы узнать, как.