Terveydenhuollon ja elämän-tieteiden muuttaminen, luotettava tekoäly on välttämätöntä

Teckoäly (AI) on nopeasti tulossa osaksi terveydenhuolto- ja elämäntieteellisiä organisaatioita. Kuitenkin useimmat organisaatiot käyttävät sitä vain osittain eivätkä laajenta sitä merkittävästi parantaakseen suorituskykyä koko yrityksessä. Haasteiden joukossa on, että AI:n on täytettävä korkeimmat laatu-, yksityisyys- ja luotettavuusvaatimukset, ja se on oltava luotettava.

Suuret kielen malliin (LLM) perustuvat AI-työkalut ovat voimakkaita, mutta useimmat LLM:t eivät ole suunniteltu terveydenhuollon ja elämäntieteellisen toiminnan vaatimuksia varten. Ne voivat tuottaa epäjohdonmukaisia tuloksia, ja niiden suorituskyky voi vaihdella, kun tietoja ja kontekstia muutetaan. Erityisesti yleispätevä AI on koulutettu laajalle, julkiselle dataan – jossa on rajoitettu lääketieteellinen kuraattori – eikä se ole suunniteltu täyttämään lääketieteellisiä, tieteellisiä tai sääntelyvaatimuksia.

Nämä ongelmat eivät ole hyväksyttäviä toimissa, joissa päätöksillä on sekä taloudellisia että kliinisiä, tieteellisiä, lakiteknisiä ja lopulta inhimillisiä seuraamuksia.

Perusviesti on: Korkeampi AI:n standardi on tarpeen.

Jos terveydenhuollon ja elämäntieteelliset organisaatiot haluavat käyttää AI:ta muuttaakseen kaupallisia ja säänteltyjä toimintojaan, he tarvitsevat luotettavaa AI:ta.

Mitä tarvitaan luotettavan AI:n luomiseen

Luotettava AI tuottaa luotettavia tuloksia, suorittaa johdonmukaisesti, kun dataa muutetaan, ja on sääntelty ja puolustettavissa.

Tämän saavuttamiseen tarvitaan sekä tieteellistä että teknistä asiantuntemusta, sekä tiukkaa lähestymistapaa, joka ottaa huomioon jokaisen vastuullisen AI-suunnittelun, käytön ja valvonnan osan. Miltä tämä näyttää käytännössä?

Ensimmäinen askel on ymmärtää lopputulos: Mikä on loppukäyttäjän vaatimus, jonka AI-ratkaisun on täytettävä, ja miltä menestys näyttää? Tämä vaatii ymmärtämään roolit, jotka käyttävät AI-ratkaisua, heidän tarpeensa ja työnkulunsa, sekä joko kaupalliset tavoitteet, joita he haluavat saavuttaa, tai sääntelyvaatimukset, joihin heidän on sitouduttava.

Nämä tiedot auttavat muotoilemaan tärkeitä teknisiä päätöksiä, kuten valitseminen sopivat mallit AI-ratkaisuun, suunnitteleminen validointikehykset ja määrittäminen mitat, joita ratkaisuun mitataan.

Luotettavat järjestelmät ottaa myös asiantuntijan mukaan jo suunnitteluvaiheessa, eikä jälkikäteen. Tämä vaatii käyttämään ihmisten asiantuntijoita – mukaan lukien kliinisiä, tieteellisiä, sääntely- ja kaupallisia asiantuntijoita – varmistamaan, että AI-ratkaisu on suunniteltu ja käyttöön otettu oikein ja ottaa huomioon, miten ratkaisu vaikuttaa loppukäyttäjän työhön.

Tietysti, luottamus ei ole vain ansaittavissa suunnitteluvaiheessa – se on ylläpidettävä koko AI-ratkaisun elinkaaren ajan. Mekanismit, kuten AI:n data- ja oppimislenkit, jotka päivittävät jatkuvasti malleja uusilla tiedoilla, pitävät AI-ratkaisut relevantteina, tarkkoina ja luotettavina. Vahvistusoppiminen ja ohjatut ohjaimet voidaan myös ohjelmoida AI-ratkaisuihin, jotta ne säilyttävät suorituskykynsä määritellyn sääntöjen mukaisesti.

ReaaliMaailman sovellukset

AI on jo nyt hyväksytty ja luotettu ja tekee vaikutuksen reaaliMaailman sovelluksissa joillekin maailman suurimmille elämäntieteellisille yrityksille.

Yhdessä tapauksessa johtava lääketeollisuusyhtiö halusi parantaa tapaa, jolla se kohdisti terveydenhuollon ammattilaisia useiden tuotteiden ja markkinoiden yli. Yhtiön kyky kohdistaa terveydenhuollon ammattilaisia ja optimoida markkinointistrategioitaan oli estynyt haasteiden vuoksi, kuten tietojen hallintaa, asiakastason näkymien puutetta ja sopeutumisvaikeuksia.

Yhtiö toteutti monikanavaisen kohdistusratkaisun. Se yhdisti ennakko-oireiden terveydenhuollon ammattilaisten kanssa “seuraavan parhaan toiminnan” suositukset, jotka auttoivat tiimejä päättämään, miten ajoittaa ulostulon ja mitkä seuraavat toimet tehdä. Yhtiö näki nelinkertaisen parannuksen kyvyssään tunnistaa arvokkaita potilaita, sekä 20 % ja 36 %:n kasvun uusien potilaiden aloittamisessa kahdessa tuotemerkeissään.

Toinen esimerkki on kirjallisuuskatsauksissa, jotka vaaditaan lääkekehitykseen. Näiden katsausten suorittaminen voi kestää kuukausia ja vaatia syvää asiantuntemusta, tarkkaa suunnittelua, merkittävää manuaalista ponnistelua ja enemmän. Ne voivat myös olla vaikeita skaalata ja alttiina virheille.

AI-ratkaisut voivat automatisoida suuria osia kirjallisuuskatsauksista, kuten katsausprotokollan kehittämisestä, hakemisesta ja seulonnasta, tietojen poistamisesta ja analyysistä ja raportoinnista. Tutkijat tai muut voivat tarkastella logiikkaa jokaisen päätöksen taustalla.

Nyt AI:n avulla katsaukset, jotka kestivät kuukausia, voidaan suorittaa vain muutamassa päivässä ja vähemmän virheillä. Yhdessä tapauksessa AI-ratkaisu auttoi suurta lääketeollisuusyhtiötä saavuttamaan alkuvaiheen seulonnan tieteellisen kirjallisuuskatsauksen seitsemän kertaa nopeammin kuin perinteinen manuaalinen prosessi. Tämä tiivisti arvioidun seulontaaikaa 20 päivästä alle kolmeen päivään.

AI on myös luonut uusia mahdollisuuksia tällä alalla. Esimerkiksi se on sallinut yritysten luoda “eläviä” katsauksia, jotka voidaan jatkuvasti päivittää uusimman julkaistun aineiston mukaan.

Yhteistyö on välttämätöntä

Luotettavien AI-ratkaisujen luominen terveydenhuoltoon ja elämäntieteisiin vaatii asiantuntemuksen sekoitusta, jota yksikään organisaatio ei voi tarjota yksin. Tämän vuoksi samanhenkiset yritykset tekevät yhteistyötä, yhdistäen teknisen ja alakohtaisen asiantuntemuksen ja kyvyt, joita tarvitaan täydellisten, validoiden AI-järjestelmien luomiseen, jotka voivat laajentaa sekä säänteltyjä että kaupallisia työnkulkuja.

Oikea tekninen kumppani esimerkiksi tuo insinöörien syvyyden ja laajan kokemuksen AI:n käyttöön ja suorittamiseen yrityskohtaisella mittakaavalla. He voivat toimittaa avoimia malleja, jotka tarjoavat luotettavalle AI:lle tarvittavan avoimuuden, ja ohjelmistokomponentteja, jotka mahdollistavat nopeamman AI-ratkaisun rakentamisen. Heidän kokemuksensa luotettavien yritys-AI-ratkaisujen luomisesta muiden alojen osalla voi auttaa heitä ennakoimaan haasteita ja vahvistamaan suunnittelua.

Alakohtaisella puolella tehokas yhteistyökumppani tuo sekä syvän kliinisen kehityksen ja kaupallistamisen asiantuntemuksen että todistetun rekisterin luotettavien AI-ratkaisujen luomisesta. Heillä on tarvittavat ainekset näiden ratkaisujen luomiseen, kuten data-analytiikka, sääntelytietämys ja historia turvallisen ja vastuullisen tietojen käytön osalta. He voivat myös tarjota enemmän AI-käyttöön liittyvää tukea, kuten valmiuden haastaa julkisia mittareita varmistamaan, että AI-ratkaisu toimii odotetusti, tai resursseja, kuten eteenpäin siirtynyttä insinöörejä, jotka voivat auttaa integroimaan AI-ratkaisuja loppukäyttäjien työnkulkuun, ottaen huomioon loppukäyttäjän yksilölliset IT-järjestelmäkonfiguraatiot ja -käytäntöjä.

Työn tapaan muuttaminen

AI ei ole vain yksi työkalu terveydenhuollon ja elämäntieteellisille organisaatioille. Tehdäkseen oikein, se muuttaa, miten työ tehdään ja miten ongelmia ratkaistaan. Luotettava AI on jo osoittanut, että se voi lyhentää aikaa, parantaa tarkkuutta ja auttaa tiimejä taitavammin käsitellä monimutkaisia haasteita, uudelleenmuokkaamalla työnkulkuja AI-aikakaudelle.

Kun AI siirtyy vihjeiden antamisesta päätösten tekemiseen ja monimutkaisten työnkulkujen suorittamiseen, organisaatiot, jotka omaksuvat tämän evoluution, voivat vapauttaa uusia toimintamalleja, jotka tekevät heistä tehokkaampia, tietoisempia ja vastaanottavampia nopeasti muuttuvien terveydenhuollon ja elämäntieteellisten vaatimusten osalla.