Untuk Mengubah Perawatan Kesehatan dan Ilmu Kehidupan, AI Harus Dapat Dipercaya

Kecerdasan buatan (AI) dengan cepat menjadi bagian integral dari organisasi kesehatan dan ilmu kehidupan. Namun, sebagian besar organisasi menggunakan AI dalam skala kecil daripada mengembangkannya untuk memperbaiki kinerja secara signifikan di seluruh perusahaan. Di antara tantangan tersebut: AI di industri ini harus memenuhi standar kualitas, privasi, dan keandalan yang tertinggi, dan harus dapat dipercaya.

Alat AI berbasis model bahasa besar (LLM) sangat kuat, tetapi sebagian besar LLM tidak dirancang untuk memenuhi kebutuhan operasional kesehatan dan ilmu kehidupan. Mereka dapat menghasilkan output yang tidak konsisten, dan kinerjanya dapat berubah seiring dengan perubahan informasi dan konteks. AI umum khususnya dilatih dengan data umum, publik – dengan kurasi medis yang terbatas – dan tidak dibangun untuk memenuhi persyaratan medis, ilmiah, atau regulasi.

Isu-isu ini tidak dapat diterima dalam operasi di mana keputusan memiliki konsekuensi tidak hanya keuangan tetapi juga klinis, ilmiah, hukum, dan akhirnya manusia.

Intinya: Standar AI yang lebih tinggi diperlukan.

Jika organisasi kesehatan dan ilmu kehidupan ingin menggunakan AI untuk mengubah operasi komersial dan regulasi mereka, mereka memerlukan AI yang dapat dipercaya.

Apa yang Dibutuhkan untuk Menciptakan AI yang Dapat Dipercaya

AI yang dapat dipercaya menghasilkan hasil yang dapat diandalkan, berkinerja konsisten seiring dengan perubahan data, dan memenuhi serta dapat dipertanggungjawabkan.

Mencapai ini memerlukan keahlian ilmiah dan teknis, serta pendekatan yang ketat yang mempertimbangkan setiap aspek desain AI yang bertanggung jawab, penggunaan, dan pemantauan. Apa yang terlihat seperti ini dalam praktek?

Langkah pertama adalah memahami tujuan akhir: Apa yang dibutuhkan pengguna akhir yang harus ditangani oleh solusi AI, dan apa yang terlihat seperti kesuksesan? Ini melibatkan memahami peran mereka yang akan menggunakan solusi AI, kebutuhan dan alur kerja mereka, serta tujuan komersial yang ingin mereka capai atau persyaratan regulasi yang harus mereka patuhi.

Detail ini akan membantu memandu keputusan teknis kunci, seperti memilih model yang tepat untuk solusi AI, merancang kerangka validasi, dan menetapkan metrik yang akan diukur terhadap solusi.

Sistem yang dapat dipercaya juga mempertimbangkan ahli dalam loop sejak awal proses desain, bukan sebagai pemikiran kedua. Ini melibatkan menggunakan ahli manusia – termasuk ahli klinis, ilmiah, regulasi, dan komersial – untuk membantu memastikan solusi AI dirancang dan diterapkan dengan benar dan untuk mempertimbangkan bagaimana solusi tersebut akan mempengaruhi pekerjaan pengguna akhir.

Tentu saja, kepercayaan tidak hanya diperoleh pada tahap desain – harus dipertahankan sepanjang umur solusi AI. Mekanisme seperti roda data AI, atau loop pembelajaran yang terus-menerus memperbarui model dengan data baru untuk menjaga mereka tetap mutakhir, membantu solusi AI tetap relevan, akurat, dan dapat dipercaya. Pembelajaran penguatan dan penghalang yang diprogram ke dalam solusi AI juga dapat membantu menjaga kinerja mereka tetap pada trek dalam satu set aturan yang ditentukan.

Aplikasi Dunia Nyata

AI sudah diterima dan dipercaya serta membuat dampak dalam kasus penggunaan dunia nyata untuk beberapa perusahaan ilmu kehidupan terbesar di dunia.

Dalam satu kasus, sebuah perusahaan farmasi terkemuka berusaha untuk memperbaiki bagaimana mereka berinteraksi dengan para profesional kesehatan (HCP) di seluruh merek dan pasar. Kemampuan perusahaan untuk berinteraksi dengan HCP dan mengoptimalkan strategi pemasaran terhambat oleh tantangan seperti masalah pengelolaan data, kurangnya wawasan tingkat pelanggan, dan kesulitan adaptasi.

Perusahaan tersebut menerapkan solusi penglibatan omnichannel. Ini menggabungkan sinyal prediktif untuk penglibatan HCP dengan rekomendasi “tindakan berikutnya” yang membantu tim memutuskan bagaimana mengatur pendekatan dan tindakan lanjutan apa yang harus diambil. Perusahaan tersebut melihat perbaikan empat kali lipat dalam kemampuan mereka untuk mengidentifikasi pasien berharga, bersama dengan peningkatan 20% dan 36% dalam inisiasi pasien baru untuk dua merek mereka.

Contoh lainnya adalah dalam tinjauan literatur yang diperlukan untuk pengembangan obat. Melakukan tinjauan ini dapat memakan waktu berbulan-bulan dan memerlukan keahlian domain yang mendalam, perencanaan yang cermat, upaya manual yang signifikan, dan lain-lain. Mereka juga dapat sulit untuk diskalakan dan rentan terhadap kesalahan.

Solusi AI dapat mengotomatisasi sebagian besar tinjauan literatur, dari pengembangan protokol hingga pencarian dan penyaringan, ekstraksi data, dan analisis serta pelaporan. Untuk setiap pekerjaan yang dilakukan solusi AI, peneliti atau orang lain dapat meninjau logika di balik setiap keputusan.

Sekarang dengan AI, tinjauan yang sebelumnya memakan waktu berbulan-bulan dapat diselesaikan dalam beberapa hari saja dan dengan lebih sedikit kesalahan. Dalam satu kasus, solusi AI membantu sebuah perusahaan farmasi besar mencapai penyaringan awal untuk kasus penggunaan tinjauan literatur ilmiah tujuh kali lebih cepat daripada proses manual tradisional. Ini memampatkan waktu penyaringan yang diperkirakan dari 20 hari menjadi kurang dari tiga hari.

AI juga menciptakan kemungkinan baru dalam bidang ini. Misalnya, telah memungkinkan perusahaan untuk membuat “tinjauan hidup” yang dapat terus diperbarui dengan data terbaru yang dipublikasikan.

Kolaborasi adalah Esensial

Menciptakan solusi AI yang dapat dipercaya untuk kesehatan dan ilmu kehidupan memerlukan campuran keahlian yang tidak dapat disediakan oleh satu organisasi saja. Ini adalah alasan mengapa perusahaan yang sejalan berkolaborasi, menggabungkan keahlian teknis dan domain yang diperlukan untuk menciptakan sistem AI yang lengkap dan diverifikasi yang dapat diskalakan di seluruh alur kerja komersial dan regulasi.

Mitra teknis yang tepat, misalnya, membawa kedalaman rekayasa dan pengalaman luas untuk menerapkan dan menjalankan AI pada skala perusahaan. Mereka dapat menyediakan model terbuka untuk memberikan transparansi yang dibutuhkan AI yang dapat dipercaya dan komponen perangkat lunak yang memungkinkan pembangunan solusi AI yang lebih cepat. Dan pengalaman mereka dalam menciptakan solusi AI perusahaan yang dapat dipercaya untuk industri lain dapat membantu mereka mengantisipasi tantangan dan memperkuat desain.

Di sisi domain, kolaborator yang efektif membawa tidak hanya keahlian pengembangan klinis dan komersialisasi yang mendalam, tetapi juga rekam jejak yang terbukti dalam menciptakan solusi AI yang dapat dipercaya. Mereka memiliki bahan-bahan esensial yang dibutuhkan untuk menciptakan solusi ini, seperti keahlian ilmu data, pengetahuan regulasi, dan riwayat penggunaan data yang aman dan bertanggung jawab. Tetapi mereka juga dapat menawarkan lebih banyak untuk mendukung penerapan AI, dari kemauan untuk menantang benchmark publik untuk memastikan solusi AI berperforma seperti yang diharapkan, hingga sumber daya seperti insinyur yang diterjunkan ke depan yang dapat membantu mengintegrasikan solusi AI ke dalam alur kerja pengguna akhir, memperhitungkan konfigurasi sistem IT unik pengguna akhir dan kebijakan.

Mengubah Cara Bekerja Dilakukan

AI bukan hanya alat lain untuk organisasi kesehatan dan ilmu kehidupan. Jika dilakukan dengan benar, AI mengubah cara kerja dilakukan dan cara masalah diselesaikan. AI yang dapat dipercaya khususnya sudah membuktikan bahwa dapat mempersingkat waktu, memperbaiki akurasi, dan membantu tim menangani tantangan kompleks dengan lebih gesit, membayangkan alur kerja untuk era AI.

Saat AI beralih dari menghasilkan wawasan menjadi membuat keputusan dan melaksanakan alur kerja kompleks, organisasi yang menerima evolusi ini akan dapat melepaskan model operasi baru yang membuat mereka lebih efisien, lebih terinformasi, dan lebih responsif terhadap permintaan yang berubah cepat di kesehatan dan ilmu kehidupan.