به گزارش «خبرنامه دانشجویان ایران»، دکتر جعفر نیکزاد اظهار کرد: با استفاده از داده‌های بزرگ (big data)، هوش مصنوعی، اینترنت اشیا و سایر فناوری‌ها، می‌توان داروها و درمان‌های جدید و مؤثرتری توسعه داد و به دنبال آن هزینه‌ها را به طور محسوسی کاهش داد.
وی افزود: فرایند کشف داروها با استفاده از الگوریتم‌های پیچیده و یادگیری ماشین، به طور قابل توجهی تسریع شده و دقت آن افزایش یافته است. هوش مصنوعی با تحلیل و تجزیه حجم عظیمی از داده‌های بیولوژیکی و شیمیایی ترکیبات دارویی بالقوه را شناسایی می‌کند؛ در نتیجه این امر کاهش زمان و هزینه‌های مربوط به تحقیق و توسعه را موجب می‌شود.
مشاور رئیس سازمان غذا و دارو در امور دانش‌بنیان با اشاره به اینکه هوش مصنوعی در پیش‌بینی واکنش‌های بدن به داروها و شناسایی عوارض جانبی نیز کارآمد است، گفت: این تکنولوژی به بهبود ایمنی و کارایی داروها کمک می‌کند. در نتیجه، هوش مصنوعی نقشی کلیدی در افزایش سرعت نوآوری‌ها و بهره‌وری در صنعت داروسازی ایفا می‌کند.
وی تصریح کرد: با این‌حال، چالش‌هایی نیز وجود دارد که باید بر آنها غلبه کرد. مسائل مربوط به حریم خصوصی و امنیت داده‌ها، نیاز به مقررات و استانداردهای جدید و شکاف دیجیتالی همگی نگرانی‌هایی هستند که باید به آنها رسیدگی شود.
بنابر اعلام سازمان غذا و دارو، به گفته نیکزاد با هوشمند شدن صنعت دارو و تجهیزات پزشکی، همکاری بیشتری بین بخش‌های مختلف صنعت مراقبت‌های بهداشتی، از جمله شرکت‌های دارویی، دستگاه‌های پزشکی، ارائه‌دهندگان مراقبت‌های بهداشتی و بیماران وجود خواهد داشت. این امر برای به اشتراک گذاشتن داده‌ها و توسعه راه‌حل‌های جدید برای چالش‌های مراقبت‌های بهداشتی ضروری است.
وی با بیان اینکه بهبود دقت تشخیصی، کارایی درمانی و مراقبت از بیماران در حوزه بهداشت را دچار تغییرات گسترده کرده است و از تشخیص تصویر تا پیش‌بینی بیماری‌ها را شامل می‌شود، گفت: با محوریت هوش مصنوعی در حوزه سلامت به نظر می‌رسد تمرکز به سمت پیشگیری از بیماری به‌جای درمان آن گسیل شود و این فناوری‌هایی برای شناسایی افراد در معرض خطر ابتلا به بیماری‌ها و مداخله زود هنگام مورد استفاده قرار گیرد.
