Um Gesundheitswesen und Life Sciences zu verändern, muss KI vertrauenswürdig sein

Künstliche Intelligenz (KI) wird schnell in Unternehmen des Gesundheitswesens und der Life Sciences integriert. Doch die meisten Unternehmen nutzen sie nur in bestimmten Bereichen und nicht, um die Leistung über das gesamte Unternehmen hinweg wesentlich zu verbessern. Zu den Herausforderungen gehören: KI in diesen Branchen muss die höchsten Standards an Qualität, Datenschutz und Zuverlässigkeit erfüllen und sie muss vertrauenswürdig sein.

Large Language Model (LLM)-basierte KI-Tools sind leistungsfähig, aber die meisten LLMs sind nicht für die Anforderungen des Gesundheitswesens und der Life Sciences konzipiert. Sie können inkonsistente Ausgaben produzieren, und ihre Leistung kann sich ändern, wenn sich Informationen und Kontext ändern. Insbesondere allgemeine KI ist auf breite, öffentliche Daten trainiert – mit begrenzter medizinischer Kuratierung – und nicht darauf ausgelegt, medizinische, wissenschaftliche oder regulatorische Anforderungen zu erfüllen.

Diese Probleme sind in Betrieben, in denen Entscheidungen nicht nur finanzielle, sondern auch klinische, wissenschaftliche, rechtliche und letztlich menschliche Konsequenzen haben, inakzeptabel.

Das Fazit lautet: Ein höherer Standard für KI ist erforderlich.

Wenn Unternehmen im Gesundheitswesen und in der Life-Science-Branche KI nutzen wollen, um ihre kommerziellen und regulierten Betriebe zu verändern, benötigen sie KI, die vertrauenswürdig ist.

Was benötigt wird, um vertrauenswürdige KI zu erstellen

Vertrauenswürdige KI produziert zuverlässige Ergebnisse, funktioniert konsistent, wenn sich die Daten ändern, und ist konform und vertretbar.

Dies erfordert sowohl wissenschaftliche als auch technische Expertise sowie einen strengen Ansatz, der jeden Aspekt des verantwortungsvollen KI-Designs, der Nutzung und Überwachung berücksichtigt. Wie sieht dies in der Praxis aus?

Der erste Schritt besteht darin, das Endziel zu verstehen: Was ist die Anforderung des Endbenutzers, die die KI-Lösung erfüllen muss, und wie sieht der Erfolg aus? Dies beinhaltet das Verständnis der Rollen derjenigen, die die KI-Lösung nutzen werden, ihrer Bedürfnisse und Arbeitsabläufe sowie der kommerziellen Ziele, die sie erreichen möchten, oder der regulatorischen Anforderungen, denen sie entsprechen müssen.

Diese Details helfen bei der Entscheidung über wichtige technische Fragen, wie der Auswahl der geeigneten Modelle für die KI-Lösung, der Gestaltung von Validierungsrahmen und der Festlegung der Metriken, anhand derer die Lösung gemessen wird.

Vertrauenswürdige Systeme berücksichtigen auch den Experten im Kreis von Anfang an und nicht als Nachgedanke. Dies beinhaltet die Nutzung von menschlichen Experten – einschließlich klinischer, wissenschaftlicher, regulatorischer und kommerzieller Experten –, um sicherzustellen, dass die KI-Lösung richtig konzipiert und eingesetzt wird und um zu berücksichtigen, wie die Lösung die Arbeit des Endbenutzers beeinflusst.

Natürlich wird Vertrauen nicht nur in der Entwicklungsphase verdient – es muss während des gesamten Lebenszyklus der KI-Lösung aufrechterhalten werden. Mechanismen wie KI-Datenflugzeuge oder Lernschleifen, die Modelle kontinuierlich mit neuen Daten aktualisieren, um sie aktuell, genau und vertrauenswürdig zu halten, helfen KI-Lösungen, relevant, genau und vertrauenswürdig zu bleiben. Verstärkendes Lernen und Schutzmechanismen, die in KI-Lösungen programmiert sind, können auch dazu beitragen, ihre Leistung im Rahmen einer definierten Regelmenge aufrechtzuerhalten.

Echte Anwendungen

KI wird bereits in realen Anwendungsfällen für einige der größten Life-Science-Unternehmen akzeptiert und vertraut und hat einen Einfluss.

In einem Fall suchte ein führendes Pharma-Unternehmen nach Möglichkeiten, seine Interaktionen mit Gesundheitsfachleuten (HCPs) über mehrere Marken und Märkte hinweg zu verbessern. Die Fähigkeit des Unternehmens, mit HCPs zu interagieren und Marketingstrategien zu optimieren, wurde durch Herausforderungen wie Datenmanagementprobleme, mangelnde Kundeninformationen und Anpassungsschwierigkeiten behindert.

Das Unternehmen implementierte eine Lösung für die omnikanale Interaktion. Sie kombinierte vorherige Signale für HCP-Interaktionen mit “next best action”-Empfehlungen, die den Teams halfen, die Interaktionen zu steuern und die Folgeaktionen zu bestimmen. Das Unternehmen sah eine Vierfachverbesserung bei der Identifizierung von Hochwertpatienten sowie 20% und 36% Steigerungen bei der Neupatienteninitiierung für zwei seiner Marken.

Ein weiteres Beispiel ist die Literaturrecherche, die für die Arzneimittelentwicklung erforderlich ist. Die Durchführung dieser Recherchen kann Monate dauern und erfordert tiefes Fachwissen, sorgfältige Planung, erheblichen manuellen Aufwand und mehr. Sie kann auch schwierig zu skalieren sein und anfällig für Fehler.

KI-Lösungen können große Teile der Literaturrecherche automatisieren, von der Protokollentwicklung bis zur Suche und Auswahl, Datenextraktion und Analyse und Berichterstellung. Für jede Arbeit, die die KI-Lösung übernimmt, können Forscher oder andere die Logik hinter jeder Entscheidung überprüfen.

Jetzt kann mit KI eine Recherche, die früher Monate dauerte, in nur wenigen Tagen abgeschlossen werden und mit weniger Fehlern. In einem Fall half eine KI-Lösung einem großen pharmazeutischen Unternehmen, eine erste Überprüfung für einen wissenschaftlichen Literaturrecherche-Anwendungsfall sieben Mal schneller als der traditionelle manuelle Prozess zu erreichen. Dies reduzierte die geschätzte Überprüfungszeit von 20 Tagen auf weniger als drei Tage.

KI schafft auch neue Möglichkeiten in diesem Bereich. Zum Beispiel ermöglicht sie es Unternehmen, “lebende” Recherchen zu erstellen, die kontinuierlich mit den neuesten veröffentlichten Daten aktualisiert werden.

Zusammenarbeit ist unerlässlich

Die Erstellung vertrauenswürdiger KI-Lösungen für das Gesundheitswesen und die Life Sciences erfordert eine Kombination von Fachwissen, die kein einzelnes Unternehmen alleine bereitstellen kann. Deshalb arbeiten ähnlich denkende Unternehmen zusammen, um das notwendige technische und fachliche Know-how und die erforderlichen Fähigkeiten zu kombinieren, um vollständige, validierte KI-Systeme zu erstellen, die über regulierte und kommerzielle Arbeitsabläufe hinweg skaliert werden können.

Der richtige technische Partner bringt beispielsweise Ingenieurtiefe und umfangreiche Erfahrung mit, um KI im Unternehmensmaßstab zu implementieren und zu betreiben. Sie können offene Modelle bereitstellen, um die Transparenz zu gewährleisten, die vertrauenswürdige KI benötigt, und Softwarekomponenten, die den Aufbau von KI-Lösungen beschleunigen. Ihre Erfahrung bei der Erstellung vertrauenswürdiger KI-Lösungen für andere Branchen kann auch dazu beitragen, Herausforderungen vorherzusehen und Entwürfe zu stärken.

Auf der Fachseite bringt ein effektiver Kollaborationspartner nicht nur tiefes klinisches und kommerzielles Fachwissen, sondern auch eine bewährte Erfolgsbilanz bei der Erstellung vertrauenswürdiger KI-Lösungen. Sie haben die notwendigen Zutaten, um diese Lösungen zu erstellen, wie Datenwissenschaft, regulatorisches Wissen und eine Geschichte des sicheren und verantwortungsvollen Umgangs mit Daten. Sie können jedoch auch mehr zur Unterstützung von KI-Implementierungen beitragen, von der Herausforderung öffentlicher Benchmarks, um sicherzustellen, dass eine KI-Lösung wie erwartet funktioniert, bis hin zu Ressourcen wie vor Ort eingesetzten Ingenieuren, die helfen, KI-Lösungen in die Arbeitsabläufe der Endbenutzer zu integrieren, unter Berücksichtigung der einzigartigen IT-Systemkonfigurationen und -richtlinien des Endbenutzers.

Die Art und Weise, wie Arbeit geleistet wird, ändert sich

KI ist nicht nur ein weiteres Werkzeug für Unternehmen im Gesundheitswesen und in der Life-Science-Branche. Wenn sie richtig eingesetzt wird, ändert sie die Art und Weise, wie Arbeit geleistet wird und wie Probleme gelöst werden. Vertrauenswürdige KI beweist bereits, dass sie Zeiträume verkürzen, die Genauigkeit verbessern und Teams helfen kann, komplexe Herausforderungen agiler zu meistern, indem sie Arbeitsabläufe für die KI-Ära neu gestalten.

Wenn KI von der Generierung von Erkenntnissen zur Entscheidungsfindung und Ausführung komplexer Arbeitsabläufe übergeht, können Unternehmen, die diese Entwicklung annehmen, neue Betriebsmodelle freisetzen, die sie effizienter, informierter und reaktionsfähiger auf die sich schnell ändernden Anforderungen im Gesundheitswesen und in der Life-Science-Branche machen.