Devia tulee julkisuuteen lääkealan laatuun liittyviin tutkimuksiin tarkoitetuilla tekoälyagenteilla

Lääkealan laatupoikkeaman tutkinnassa ei riitä, että tapaus suljetaan järjestelmässä. Tutkinnassa on selvitettävä, mikä meni pieleen ja mistä se johtui, dokumentoitava toimenpiteet sekä osoitettava, onko sama ongelma ilmennyt aiemmin. Devia, Zürichissä toimivasta Visiumista irtautunut ja nyt julkisuuteen tuleva yritys, soveltaa tekoälyagentteja tähän työketjuun mutta jättää päätösvastuun laatuammattilaisille.

Yhtiö kertoo pilotoineensa järjestelmää vuoden ajan laatutiimien kanssa käytännön GxP-ympäristöissä. Työhön kuului yhteistyö suuren sopimuskehitys- ja valmistusorganisaation kanssa. GxP on kattotermi säännellyille hyvän toimintatavan vaatimuksille muun muassa valmistuksessa, laboratorioissa ja kliinisessä tutkimuksessa.

Devian lanseeraus on suunnattu biolääkevalmistajille, sopimuskehitys- ja valmistusorganisaatioille (CDMO) sekä sopimustutkimusorganisaatioille (CRO). Lähtökohtana on, että agentti voi koota näyttöä ja laatia tutkintatyön luonnoksia korvaamatta kuitenkaan niitä henkilöitä, jotka vastaavat tutkinnan hyväksymisestä.

Alkuraportista perusteltuun juurisyyhyn

Lääkealan toiminnassa poikkeamalla tarkoitetaan poikkeamista odotetusta menettelystä, prosessista tai vaatimuksesta. Sen tutkiminen voi edellyttää, että henkilöstö kokoaa tapahtumien kulun tuotantotietueista, vakiotoimintaohjeista, liitteistä ja aiemmista tapauksista, joita on hajallaan eri järjestelmissä.

Devian kuvaama agentti jäsentää alkuperäisen raportin, kokoaa olennaisen näytön, ehdottaa mahdollisia juurisyitä ja laatii luonnoksia korjaavista ja ehkäisevistä toimenpiteistä eli CAPA-toimenpiteistä. Käyttäjät, tutkijat ja laadunvarmistuksen henkilöstö tarkastavat ja hyväksyvät työn sen edetessä.

Yhtiön alustan dokumentaatiossa kuvataan prosessia tarkemmin. Alkukartoituksen kysymykset noudattavat organisaation omia menettelyjä, ja järjestelmä pystyy lukemaan liitettyjä valokuvia ja PDF-tiedostoja. Juurisyyanalyysia varten se laatii tapahtumaraportin, menettelyjen ja asiaankuuluvien aiempien poikkeamien pohjalta kalanruotokaavioita ja viiden miksi-kysymyksen analyyseja.

Nämä menetelmät jäsentävät tutkintaa, mutta eivät itsessään todista mitään. Kalanruotoanalyysissa kootaan mahdolliset myötävaikuttavat tekijät, kun taas viiden miksi-kysymyksen analyysissa seurataan selitysten ketjua kohti taustalla olevaa syytä. Olennaista on, perustuuko jokainen ehdotettu selitys näyttöön, jonka pätevä tutkija voi arvioida.

”Laatutiimit eivät tarvitse enää yhtä tietojärjestelmää. Ne tarvitsevat agentin, joka tekee pohjatyön, jotta asiantuntijat voivat keskittyä olennaisiin juurisyihin”, sanoi Devian teknologiajohtaja Pascal Rodriguez.

Aiemmista tapauksista oppiminen ilman ratkaisun automatisointia

Aiemmista tutkinnoista on hyötyä, kun ne auttavat henkilöstöä tunnistamaan yhteisen syyn sen sijaan, että vain etsittäisiin sanamuodoltaan samankaltaista raporttia. Devia kertoo vertaavansa uusia juurisyyehdotuksia aiempiin tapauksiin ja pitävänsä omien asiantuntijoidensa tarkastamat päätökset saatavilla tulevia tutkintoja varten.

Verkkosivustolla erotetaan toisistaan syy, joka toistuu ilman tehokasta korjaavaa toimenpidettä, ja syy, joka ilmenee uudelleen sen jälkeen, kun korjaavan toimenpiteen tehokkuus on vahvistettu. Erottelu voi vaikuttaa tutkinnan kulkuun: organisaation on ehkä puututtava aiemmin käsittelemättä jääneeseen systeemiseen ongelmaan tai selvitettävä, miksi oletettavasti tehokas korjaus epäonnistui.

Devia esittää nämä vertailut ihmisten arvioitaviksi. Henkilöstö hyväksyy tai hylkää ehdotetut yhteydet, ja tehdyt päätökset liitetään osaksi tietuetta. Siksi arviointiprosessi on keskeinen tuotteen hyödyllisyyden kannalta: perusteeton tekoälyn ehdotus ei saa huomaamatta muodostua ennakkotapaukseksi seuraavalle tapaukselle.

Lanseeraustiedotteen mukaan asiakaspilotteihin osallistuneet käyttivät poikkeamien tutkintaan puolet vähemmän aikaa. Devia ei ole kertonut pilottien otoskokoa eikä arviointimenetelmää, joten kyse on yhtiön ilmoittamasta tuloksesta, ei riippumattomasti vahvistetusta suorituskyvyn vertailuarvosta.

Toiminta yhdessä nykyisten laatujärjestelmien kanssa

Lanseeraustiedotteessa mainitaan asiakkaiden jo käyttämistä tunnetuista laatujärjestelmistä TrackWise, Veeva Vault QMS ja MasterControl. Devian integraatiodokumentaatiossa nykyinen toteutus kuvataan tarkemmin: aiemmat poikkeamat ja CAPA-toimenpiteet tuodaan QMS-järjestelmän vienneistä, menettelyt lisätään asiakirjoina ja valmiista tutkinnoista laaditaan loppuraportit, jotka vastaavat asiakkaan QMS-järjestelmän muotoa.

Tämä ei tarkoita täysin synkronoitua yhteyttä kaikkiin operatiivisiin järjestelmiin. Suorat liitännät laadunhallinta-, tuotannonohjaus-, laboratorioinformaatio- ja toiminnanohjausjärjestelmiin on ilmoitettu tuleviksi ominaisuuksiksi. Alustan tuotekehityssuunnitelmaan kuuluu myös laajempi trendien seuranta ja CAPA-toimenpiteiden tehokkuuden arviointi sekä tarkastuksia tukevia työkaluja.

Devian mukaan alusta voidaan ottaa käyttöön asiakkaan Azure- tai AWS-tilillä asiakkaan valitsemalla alueella Azure OpenAI- tai Amazon Bedrock -palvelua käyttäen. Dokumentaation mukaan asiakkaiden tietueita ei käytetä muiden organisaatioiden mallien kouluttamiseen. Devia ei nimeä omaa perusmalliaan; tuotteen kuvattu arvo perustuu tekoälyn soveltamiseen yrityksen menettelyihin ja aiempiin tapauksiin sekä valvottuihin tarkastustyönkulkuihin.

Jäljitettävyys on osa tuotetta, ei jälkikäteen lisätty ominaisuus

Perusteellisten tutkintojen tarve on hyvin tiedossa. FDA:n lääketarkastuksissa tekemien havaintojen katsauksessa poikkeamien ja tuotevirheiden tutkimatta jättäminen mainitaan toistuvien valmistuksen laatuongelmien joukossa. Pelkkä raporttien nopeampi laatiminen ei ratkaise ongelmaa, jos näyttö ja johtopäätökset jäävät heikoiksi.

Devian tietoturvadokumentaatiossa kuvataan yksilöllisesti tunnistetut käyttäjät, roolipohjainen käyttöoikeuksien hallinta, kertakirjautuminen, salaus sekä aikaleimatut tiedot muutoksista ja hyväksynnöistä. Lisäksi yhtiö kertoo toimittavansa validointidokumentaatiota asiakkaiden tietokonejärjestelmien validointi- tai varmennustyön tueksi. Näiden ominaisuuksien tarkoituksena on tukea käyttöä säännellyssä ympäristössä, ei korvata asiakkaan omia validointi- ja laatuvastuita.

Julkistuksessa viitataan myös standardiin EN 18286:2026. Euroopan komissio vahvistaa, että yhdenmukaistettu standardi koskee tekoälysäädöksen 17 artiklan mukaisia korkean riskin tekoälyn tarjoajien laadunhallintavaatimuksia. Devia kertoo toimintatapansa noudattavan näitä periaatteita, mutta julkistuksessa ei osoiteta, että tuote olisi sertifioitu riippumattomasti kyseisen standardin mukaiseksi.

Devian mahdollisuutena on vähentää aikaa, jonka tutkijat käyttävät tietojen keräämiseen ja järjestämiseen, ja samalla helpottaa päättelyn arviointia. Ratkaisevaa on, pystyvätkö laatutiimit johdonmukaisesti hyödyntämään tätä apua perusteellisempien tutkintojen tekemiseen ja korjaaviin toimenpiteisiin, jotka estävät saman valmistusongelman toistumisen.