生命科学中的 AI ： 从传统到生成

生命科学中的AI 从传统到生成 2023年8月 Introduction 生成AI的最新发展引发了人们对传统和生成人工智能的极大兴趣。响应语言提示和创建不同类型内容的新功能不仅增加了新的用例，而且使技术比以往任何时候都更容易被更多的用户使用，从而大大降低了非技术专业人员的使用障碍 。 AUTHORS TatianaSerikova 高级数字战略顾问 同时，由于隐私和法规问题，数据可用性以及利益相关者接受方面的挑战，AI在生命科学中的应用从未如此简单。与患者的福祉，医疗保健专业人员的信任和信心以及对核心产品管道的影响相关的风险始终是业内最关注的问题。这就是为什么在本概述中，我们特别关注生成和传统AI在生命科学中的 应用，其潜在影响，前景和挑战。 本报告涵盖了适用于生命科学的96个高级AI用例，按主题和价值链中的位置进行分组。通常有不止一种实现用例的方法，这就是为什么我们避免将它们分为生成型和传统型。我们还研究了AI在行业中存在的主题，障碍和趋势的潜在影响和可行性。 虽然对于每个组织实施来说，人工智能的影响可能看起来有所不同，但我们希望这个概述能提供一些启发，并为人工智能如何改变生命科学带来更清晰的信息。 /in/tatianaserikova TeunSchutte 战略总监兼医疗保健和生命科学实践负责人 /in/teunschutte 马克·德·布拉乌 高级数据科学家 /in/markdeblaauw/ 马吕斯汉堡 工程总监 /in/marius-burger-1b38353b/ 豪尔赫·马丁内斯·博尼拉 应用安全工程师 /in/jorge-martínez-bonilla-05738163/ 2 2 目录 最近AI的影响事态发展4 AI通过生命科学价值链条5 •Research&发展6 •制造和物流7 •Sales&市场营销8 •支持函数9 •数字产品10 AI用例的可行性和影响group11 AI使用的演变案例12 AI实施13 Barriersfor收养14 Mobiquity如何支持您的AI旅程?15 我们很乐意为您定义、构建和实施的一些AI用例16 DECODEAI研讨会17 上车触摸18 3 命科学？ 最近的发展… 来自OpenAI，Meta，DeepMind等的生成式AI模型的最新发布引发了有关AI对各个行业影响的讨论。 以及它们的潜在影响... 麦肯锡估计，生成AI用例对经济的预期影响为2.6- 4.4万亿美元，主要集中在销售和营销，IT运营和研发等主题上。 生成的AI模型展示了模型基于提示生成内容的可能性 ， 增加AI的应用空间，并使其更容易被更广泛的受众所访问。 新功能包括内容生成，对话和协调能力，无需特殊知识即可提高个人生产力。 发布激发了人们对AI的既定使用的兴趣，例如聚类，推荐，预测。 生成式AI为现有模型提供了增值，简化了自定义，并限制了人与模型之间的翻译需求。 ...提出了一些问题 生成AI在生命科学中可以提供什么？ 哪些AI用例在生命科学中最具潜力？ AI实施的主要挑战是什么？ Mobiquity如何提供帮助？ 4 产品供应。 映射到生命科学价值链的AI用例组： 解决方案 核心业务功能 支持功能 解决方案 研究与开发 研究与发现加速临床试验优化发布流 真实世界数据分析 制造和物流 供应商和合同物流优化质量控制 制造优化 需求预测 支持功能 销售和营销 营销优化和内容创建销售许可 患者参与、服务和支持 人力资源 财务IT 法律 解决方案 我们已经确定了96个生命科学人工智能的高级用例，并将它们分为整个价值链中的20个主题。 人工智能可以支持核心业务功能，从产品开发到销售和 最后,公司可以为客户构建AI解决方案,帮助他们促进增长和优化价值。 客户 数字产品 核心运营支持操作优化行政支持 解决方案维护和支持 发布流 •发布生成。 •批准过程的文档生成，针对不同的主管部门和国家/地区进行自定义。 真实世界数据分析 •分析患者和医生提交的数据， 以确定和管理潜在的影响，包括药物警戒。 •分析社交媒体等开放数据，以 识别和管理潜在影响， 包括药物警戒. 目标。 研究与开发 在研究和开发中，人工智能可以显著促进研究加速。 虽然发现和临床试验编排可能会带来最大的影响，但数据敏感性的障碍、对定制模型的需求和高复杂性会限制用例的可行性。尽管如此，依赖开放数据的模型将具有更高的可行性，可以构成试点用例。 同时，生成AI模型通常可以在不进行重大修改的情况下应用于科学研究分析，协议，文档，报告和出版物生成以及现实世界的数据分析。 研究与发现加速 •科学出版和竞争分析。 •了解疾病机制和疾病建模。 •队列和适应症识别，也用于个性化用药。 •初步分子筛选、药物发现和结构预测。 •替代在生物体和数字双胞胎中进行测试。 •初步的未来需求预测。 •规划和人员配置优化。 •虚拟协作者 临床试验优化 •协议开发和说明准备，研究设计 和设置。 •站点性能预测和选择。 •文档和培训创建。 •随机化管理和确保多样性。 •管理学习物流。 •患者招募和登记。 •监测试验结果。 •医学编码，临床数据输入，审查和分析协助。 •报告。 质量控制 •供应质量控制。 •中间和最终产品的质量控制。 •质量报告生成。 制造优化 •制造工艺优化。 •预测性维护。 •维修副驾驶。 •文档生成。 需求预测 •初始需求预测和 各自对供应链的影响。 制造和物流用例不仅可以在生命科学领域利用，也可以在其他行业利用。这使得该领域对提供可定制AI支持解决方案的外部供应商具有吸引力。 同时，像维修副驾驶这样的案例， 文档、合同和报告的生成可以相对容易地实现在内部与生成AI。 物流优化 •库存管理。 •供应、制造和分销的车队和根优化。 •个性化用药 生产和分销。 供应商和合同 •采购分析、风险评估、供应商 分析和选择。 •合同分析与合同建筑物。 制造和物流 AI进入了客户关系管理解决方案，该领域的领先参与者提供了预防流失，下一个最佳行动和其他解决方案。 由于快速的反馈机会，销售和营销可以成为内部开始AI探索的便捷领域。 挑战将是如何保持这些发展的步伐与 合规和法律团队。 社交倾听，材料创作，报告和研究以及辅助支持是该领域更容易实现的生成AI用例。 *本地法规可能会限制算法在该主题的特定方面的应用。 营销优化和内容创建 •竞争分析。 •客户配置文件创建，其次是任务的最佳操作类型*。 •营销活动规划和优化。 •SEO和社交媒体优化。 •内容生成和自定义。 •定价，包括分段定价和时间依赖定价*。 •发射协调。 •社会倾听。 •关键意见领袖识别。 •合规性检查和材料创建副驾驶员。 销售许可 •导线识别和评分。 •场力优化*。 •激励支出优化*。 •流失预防*。 •销售协助，例如脚本和对话支持。 •付款人和政府研究。 •内部和外部报告。 •虚拟销售人员。 患者参与、服务和支持 •为患者提供个性化的健康建议。 •行为调整支持。 •患者报告/生成HCP输入。 •患者依从性预测和依从性推动。 •患者通过可穿戴设备参与。 •呼叫中心路由/优化。 •协助支持对话。 •客户（包括HCP）自助服务。 IT •系统设计。 •产品设计。 •维护。 •自助服务和支持。 •数据清理和错误纠正。 •代码优化和编写。 •测试。 法律 •法律文件起草。 •文档分析：合规性和法律问题检测。 •法律研究。 AI可以显著有助于支持功能的有效性。 供应商提供的解决方案有潜力，但有些问题仍然过于敏感，无法在公司域外共享其数据的解决方案中使用。 法律用例对于精简来说尤其有趣 ，因为它们与核心功能相关。生成性AI在这里有很大的潜力，因为这些功能非常依赖于文本，数据通常是内部的和预先结构化的。 HR •分析驱动的招聘。 •面试和招聘评估材料的生成。 •保留员工。 •绩效管理支持。 •报告和内部沟通协助。 •培训材料的生成。 •职位描述和其他文档生成。 FINANCE •会计支持。 •报告。 •对话助理（专家支持）。 •分析和预测。 •欺诈检测。 •发票和发票跟踪。 操作优化 •关键参数预测和优化。 •收入来源分析、支持和支持 。 •绩效评估和基准。 行政支持 •行政支持，包括医疗编码。 •内容创建。 •报告。 解决方案维护和支持 •软件维护。 •用户支持。 核心运营支持 •诊断和治疗识别，决策支持。 •坚持和行为支持。 •虚拟HCP。 •解决方案/产品定制。 •研究优化。 随着公司掌握AI应用程序，它也可以为客户提供AI解决方案。 这些解决方案可以在核心功能方面提供支持，例如，为医疗保健提供者提供支持。 他们可以帮助改善 关键参数，例如死亡率，派遣天数或工作量。解决方案还可以帮助管理和支持功能，帮助医疗保健提供者专注于其核心能力。 此外，还可以借助AI来维护和支持所提供的解决方案。 数码产品 人工智能用例的影响将因实施公司的运营、成熟度和价值链以及市场和客户特征而异。 Further,theimpactofindividualusecasesmightshiftwithtime.Forexample,whiletheimpactofpatientengagementusecasesmightbelimitedcurrently,developmentof个性化medicinewillincreasetheirimportanceinthenextdecade. 可行性 未来五年AI用例组对生命科学公司的影响和可行性分布： HR 销售支持 需求预测 出版物精简 行政支助 Finance Legal 解决方案维护和支持 患者参与 营销优化和内容创建 IT 物流优化 质量控制 供应商和承包商 制造优化 运营优化 研究与发现 加速度 临床试验优化 IMPACT 核心内部函数内部支持函数数码产品 影响:实现用例组的平均潜在成本节约或收入增长效应。个体用例的影响各不相同。 可行性：指示与用例组相关的数据可用性，模型和监管复杂性。单个用例可以具有更高或更低的相对可行性。 在公司中解决这些问题的方式将在以下方面发生变化： 比例尺 复杂性 自闭症 紧急行为 多元论 从专门的试点应用程序到在选定的旅程中全面启用操作，并提供新的AI- 支持客户的能力。 从孤立的案例到解决方案 ，满足多种业务需求，并通过价值链为公司提供支持。 从副驾驶格式支持专业人员 与其他行业相比，监管和声誉问题将限制生命科学的自主性增长。 从有限的选择或需要在内部 为各种供应商开发，提供易于定制的易于实施的替代方案。 将AI集成到我们的日常工作中会引发新的问题，引起新的员工和客户行为，并引发新的用例。例如，即将出现的用例之一 up是如何从人生成的内容中分辨模型生成的内容。 个别用例将随着时间的推移而演变： SALESLETTERExample 用正确有效的语言提示销售经理。 根据销售人员和收件人的风格和需求定制生成的信件 。 具有完整交互上下文的主要自动化通信。 其他领域的解决方案 。 扩展到其他通信方式。“虚拟销售人员”解决方案。 虚拟企业解决方案。 AI用例实现的关键阶段。 1 2 3 4 5 初始化数据和平台制备 模型训练和/或调谐 模型测试和控制部署实施-TATION 确定公司想要解决的问题 ，定义目标，关键利益相关者，初始架构和需求