Fornire un'AI ripetibile, misurabile e pronta per l'uso aziendale per le il settore delle scienze della vita
Fornire un'AI ripetibile, misurabile e pronta per l'uso aziendale per le il settore delle scienze della vita
Le aziende farmaceutiche e del settore delle scienze della vita utilizzano l'AI per migliorare la scoperta dei farmaci, lo sviluppo clinico e l'esperienza dei pazienti. In questi tipi di ambienti regolamentati, la chiave per sbloccare le scoperte assistite dall'AI e il ritorno sugli investimenti (ROI) è un approccio di base che si concentra sull'unificazione dei dati, sull'interoperabilità, sulla sicurezza e sulla governance.
Nell'ultimo episodio del podcast Healthcare IT News, HIMSSCast, Rameez Chatni, Global Director of AI Solutions presso Cloudera, spiega che il settore sta passando da un'attenzione nascente sulla strategia AI a una solida base di dati.
Garantire l'interoperabilità lungo tutta la catena del valore.
Una tipica organizzazione farmaceutica globale comprende da 12 a 15 verticali distinti, simili a quelle aziendali (R&S, produzione, commerciale, ecc.), e costruire un set di dati pronto per l'AI richiede la gestione di architetture sofisticate e distribuite.
L'unificazione dei dati è difficile e la soluzione non consiste nel forzarli tutti in un unico sistema omogeneo. Al contrario, le organizzazioni stanno adottando un'architettura ibrida che accolga sistemi on premise, più cloud e soluzioni software-as-as-service (SaaS).
L'utilizzo di tecnologie open-source e interoperabili che supportano formati di dati aperti garantisce che più motori di query possano accedere ai dati per una varietà di carichi di lavoro di ingegneria, analisi e di intelligenza artificiale, e riduce il rischio di vincolo al fornitore.
L'obiettivo finale dell'unificazione dei dati è fornire ai modelli AI il contesto di cui hanno bisogno per collegare i punti all'interno dell'organizzazione e fornire risultati migliori. Un modello contestuale che molte aziende farmaceutiche stanno sfruttando è il knowledge graph. Questa struttura cattura le relazioni all'interno dell'azienda collegando farmaci a geni, malattie, studi clinici e dati commerciali che gli esseri umani spesso trascurano, creando un set di dati veramente completo e utilizzabile.
Tuttavia, queste architetture avanzate si basano su un primo passaggio critico e spesso trascurato: l'inventario dei dati e il data lineage. Questi sono gli eroi silenziosi e i pilastri fondamentali che impediscono a diverse funzioni (come R&D e produzione) di duplicare le licenze per gli stessi set di dati e sprecare risorse.
Tratta la governance come una funzionalità, non come un bug.
In un settore che cerca di innovare rapidamente con i dati, la governance viene spesso trascurata e i progetti possono bloccarsi anche per nove mesi. Rameez sostiene che la governance debba essere trattata come una funzionalità, non come un bug. Ciò significa trasformarla in una "governance as a service", una capacità proattiva e continua all’interno dell’azienda.
L'unico modo per raggiungere la governance as a service è attraverso un centro di eccellenza multidisciplinare (CoE) che metta in contatto leader aziendali, data strategist, technology architect e avvocati per la privacy/legalità. Ciò garantisce che i team tecnici, che comprendono come vengono spostati i dati, possano comunicare efficacemente con i team legali, che invece comprendono le restrizioni sulla privacy e sul consenso.
È fondamentale che la governance venga applicata fin da subito. Il mancato rispetto della conformità, come le restrizioni sull'uso dei dati di sperimentazione clinica per scopi secondari, può interrompere un intero progetto in una fase avanzata. Anzi, l'AI dovrebbe essere applicata alla governance stessa per accelerare le revisioni contrattuali e garantire che i controlli di conformità siano automatizzati e verificabili.
Dimostrare il ROI per crescere
L'industria è disseminata di report sui fallimenti dei progetti pilota di AI. Le organizzazioni che stanno appena iniziando il loro percorso nell'intelligenza artificiale dovrebbero trovare prima i suoi casi d'uso operativi. Automatizzare le attività "ripetitive" come la stesura di protocolli di sperimentazione clinica (risparmiando una settimana su ognuno dei mille documenti) o elaborare più rapidamente gli eventi avversi sono soluzioni chiare e rapide.
Rameez suggerisce che il successo inizia con la definizione di un ROI chiaro e misurabile che si allinea con l'attività. Nel settore farmaceutico, consentire una cultura del "fail-fast" fa parte del ROI. Un errore computazionale è molto più economico di un incidente clinico in fase avanzata.
Rameez inquadra questo ROI in modo semplice, consigliando alle organizzazioni di adottare misure per identificare e risolvere rapidamente i problemi prima che diventino una valanga: "Prima si individuano i problemi, prima si può arrivare a una soluzione ed evitare che diventino un problema molto più grande".
Infine, standardizza i tuoi sistemi: definisci i framework basati su agenti, gli strumenti, i modelli di supporto e, soprattutto, crea regole chiare per la promozione dallo sviluppo a un ambiente di produzione convalidato e auditabile.
La prossima frontiera: AI personalizzata
Guardando al futuro, i prossimi tre-cinque anni promettono una trasformazione ancora più grande. Vedremo un aumento degli agenti personalizzati che adattano interazioni e approfondimenti a ogni singolo utente.
I modelli di AI evolveranno per ottimizzare simultaneamente più parametri. Invece di ottimizzare solo per l'efficacia, i modelli suggeriranno molecole efficaci, non tossiche, producibili e con una buona durata di conservazione, tutto in una volta. Potremmo persino vedere il primo farmaco disponibile in commercio commercializzato come "generato dall'AI".
Vuoi imparare come preparare la tua organizzazione per questo futuro? Ascolta la conversazione completa con Rameez Chatni per tutti i dettagli sull'implementazione dell'intelligenza artificiale e sulle best practice.