人工智能能在 QARA 过程现实中的应用(汉) 2024

核心观点与关键数据

• AI 应用现状：人工智能，特别是生成式AI（GenAI）和大型语言模型（LLMs），已取得巨大进步，但美国生命科学和医疗保健行业在AI应用方面落后于其他国家。
• 数据挑战：清洁数据验证是基础，但处理真实世界数据（RWD）更为复杂和混乱。
• 行业差距：Netflix达到一百万用户用了三年半，而生成式AI仅用五天，凸显美国生命科学行业在AI采纳速度上的落后。
• 监管差异：FDA对AI采用持谨慎态度，而澳大利亚治疗用品管理局（TGA）等机构则更积极。

主要讨论点

1. AI 竞争环境：

   • AI是一个广泛类别，包括机器学习（ML）和大型语言模型（LLMs）。
   • 生成式AI因可访问性和价值迅速被采纳，但用户需了解其工作原理。

2. 数据质量与验证：

   • 数据质量是关键，但行业长期面临此问题。
   • RWD虽更具代表性，但收集和处理难度大。
   • QARA专业人士需与数据科学家合作，平衡数据以消除偏差。

3. 行业挑战：

   • 美国因监管障碍和整体保护政策，AI采用缓慢。
   • FDA需明确决策因素，人类互动仍是最终决定环节。
   • 其他国家如澳大利亚正积极与飞利浦合作进入AI领域。

4. 人力资源与培训：

   • QARA专业人士文书工作占比高，落后于其他行业15-20年。
   • FDA批准的AI产品数量增长迅速，但QARA流程仍滞后。
   • 新员工对AI熟悉但需培训，行业需弥合纸质流程与未来技术流程的知识差距。

5. AI在QARA流程中的应用：

   • AI可自动化耗时元素，提升效率。
   • 但需谨慎处理AI决策，确保其未来指导作用。

研究结论

• QARA流程需适应AI技术，美国行业需加速技术采纳。
• 即将入职的劳动力对AI舒适，但需培训以弥合知识差距。
• AI整合将提升行业提供安全有效患者解决方案的能力。
• 领导层推动AI应用以提高成本效益，但需关注AI决策的谨慎性。