Per trasformare l'assistenza sanitaria e le scienze della vita, l'intelligenza artificiale deve essere affidabile.

L'intelligenza artificiale (IA) si sta rapidamente integrando nelle organizzazioni sanitarie e delle scienze della vita. Tuttavia, la maggior parte delle organizzazioni la utilizza in modo frammentario piuttosto che... scala per migliorare materialmente le prestazioni in tutta l'azienda. Tra le sfide: l'IA in questi settori deve soddisfare i più elevati standard di qualità, privacy e affidabilità e deve essere affidabili sul mercato.

Gli strumenti di intelligenza artificiale basati su modelli linguistici di grandi dimensioni (LLM) sono potenti, ma la maggior parte degli LLM non sono progettati per le esigenze delle operazioni sanitarie e delle scienze della vita. Possono produrre incoerente I risultati e le loro prestazioni possono variare al variare delle informazioni e del contesto. L'IA generica, in particolare, viene addestrata su dati pubblici e ampi, con una limitata curatela medica, e non è progettata per soddisfare requisiti medici, scientifici o normativi.

Questi problemi sono inaccettabili in operazioni in cui le decisioni hanno conseguenze non solo finanziarie, ma anche cliniche, scientifiche, legali e, in ultima analisi, umane.

In conclusione: è necessario uno standard più elevato per l'intelligenza artificiale.

Se le organizzazioni del settore sanitario e delle scienze della vita desiderano utilizzare l'intelligenza artificiale per trasformare le proprie attività commerciali e regolamentate, hanno bisogno di un'IA affidabile.

Cosa serve per creare un'IA affidabile?

Un'intelligenza artificiale affidabile produce risultati attendibili, mantiene prestazioni costanti al variare dei dati ed è conforme e difendibile.

Il raggiungimento di questo obiettivo richiede competenze scientifiche e tecniche, nonché un approccio rigoroso che consideri ogni aspetto della progettazione, dell'utilizzo e del monitoraggio responsabile dell'IA. Come si traduce tutto ciò nella pratica?

Il primo passo consiste nel comprendere l'obiettivo finale: qual è il requisito dell'utente finale che la soluzione di intelligenza artificiale deve soddisfare e cosa significa successo? Ciò implica comprendere i ruoli di coloro che utilizzeranno la soluzione di intelligenza artificiale, le loro esigenze e i loro flussi di lavoro, nonché gli obiettivi commerciali che desiderano raggiungere o i requisiti normativi che devono rispettare.

Questi dettagli saranno utili per prendere decisioni tecniche fondamentali, come la scelta dei modelli più adatti per la soluzione di intelligenza artificiale, la progettazione di framework di validazione e la definizione dei parametri di valutazione della soluzione.

I sistemi affidabili tengono conto dell'esperto fin dalle prime fasi del processo di progettazione, e non solo in un secondo momento. Ciò implica l'utilizzo di esperti umani – tra cui esperti clinici, scientifici, normativi e commerciali – per garantire che la soluzione di intelligenza artificiale sia progettata e implementata correttamente e per valutare l'impatto che avrà sul lavoro dell'utente finale.

Naturalmente, la fiducia non si conquista solo in fase di progettazione, ma deve essere mantenuta per tutta la durata di vita della soluzione di intelligenza artificiale. Meccanismi come i "volani dei dati" dell'IA, ovvero i cicli di apprendimento che aggiornano continuamente i modelli con nuovi dati per mantenerli attuali, contribuiscono a far sì che le soluzioni di IA rimangano pertinenti, accurate e affidabili. Anche l'apprendimento per rinforzo e i meccanismi di controllo programmati nelle soluzioni di IA possono contribuire a mantenerne le prestazioni entro i limiti definiti da un insieme di regole.

Applicazioni del mondo reale

L'intelligenza artificiale è già stata accolta e gode di fiducia, e sta avendo un impatto concreto in casi d'uso reali per alcune delle più grandi aziende del settore delle scienze della vita a livello mondiale.

In un caso, un'importante azienda farmaceutica ha cercato di migliorare il modo in cui coinvolgeva gli operatori sanitari (HCP) in diversi marchi e mercati. La capacità dell'azienda di coinvolgere gli HCP e ottimizzare le strategie di marketing era ostacolata da problemi quali la gestione dei dati, la mancanza di informazioni a livello di cliente e difficoltà di adattamento.

L'azienda ha implementato una soluzione di coinvolgimento omnicanale. Questa ha combinato segnali predittivi per le interazioni con gli operatori sanitari con raccomandazioni sulla "prossima azione migliore", aiutando i team a decidere come gestire i tempi di contatto e quali azioni di follow-up intraprendere. L'azienda ha riscontrato un quadruplo miglioramento nella capacità di identificare i pazienti di alto valore, insieme a un aumento del 20% e del 36% nell'avvio di nuovi trattamenti per due dei suoi marchi.

Un altro esempio riguarda le revisioni della letteratura necessarie per lo sviluppo di farmaci. Condurre queste revisioni può richiedere mesi e necessita di una profonda competenza nel settore, una pianificazione meticolosa, un notevole impegno manuale e altro ancora. Possono inoltre essere difficili da scalare e soggette a errori.

Le soluzioni di intelligenza artificiale possono automatizzare gran parte delle revisioni della letteratura, dallo sviluppo del protocollo alla ricerca e selezione, all'estrazione dei dati, all'analisi e alla redazione del report. Per qualsiasi attività svolta dalla soluzione di intelligenza artificiale, i ricercatori o altri utenti possono esaminare la logica alla base di ogni decisione.

Grazie all'intelligenza artificiale, le revisioni che un tempo richiedevano mesi possono essere completate in pochi giorni e con meno errori. In un caso, una soluzione di intelligenza artificiale ha aiutato una grande azienda farmaceutica raggiungere Una prima fase di screening per un caso d'uso di revisione della letteratura scientifica è risultata sette volte più veloce rispetto al tradizionale processo manuale. Ciò ha ridotto il tempo di screening stimato da 20 giorni a meno di tre giorni.

L'intelligenza artificiale sta creando nuove possibilità anche in questo campo. Ad esempio, ha permesso alle aziende di creare recensioni "dinamiche" che possono essere continuamente aggiornate con i dati pubblicati più di recente.

La collaborazione è essenziale

La creazione di soluzioni di intelligenza artificiale affidabili per il settore sanitario e delle scienze biologiche richiede un mix di competenze che nessuna singola organizzazione può fornire da sola. Per questo motivo, aziende con obiettivi simili stanno collaborando, mettendo insieme il know-how tecnico e di settore e le capacità necessarie per creare sistemi di intelligenza artificiale completi e validati, scalabili sia in contesti regolamentati che commerciali.

Il partner tecnico giusto, ad esempio, possiede una solida competenza ingegneristica e una vasta esperienza per implementare e gestire l'IA su scala aziendale. Può fornire modelli aperti per garantire la trasparenza necessaria a un'IA affidabile e componenti software che consentono una più rapida creazione di soluzioni di IA. Inoltre, la sua esperienza nella creazione di soluzioni di IA aziendali affidabili per altri settori può aiutarlo ad anticipare le sfide e a rafforzare i progetti.

Dal punto di vista del dominio, un collaboratore efficace non solo apporta una profonda competenza nello sviluppo clinico e nella commercializzazione, ma anche una comprovata esperienza nello sviluppo di soluzioni di intelligenza artificiale affidabili. Possiede gli ingredienti essenziali per creare queste soluzioni, come competenze in data science, conoscenza normativa e una storia di utilizzo sicuro e responsabile dei dati. Ma può anche offrire di più a supporto delle implementazioni di IA, dalla disponibilità a mettere in discussione i benchmark pubblici per garantire che una soluzione di IA funzioni come previsto, a risorse come ingegneri dislocati sul campo in grado di aiutare a integrare le soluzioni di IA nei flussi di lavoro degli utenti finali, tenendo conto delle configurazioni e delle politiche specifiche dei sistemi IT degli utenti finali.

Cambiare le modalità di lavoro

L'IA non è solo un altro strumento per le organizzazioni sanitarie e delle scienze della vita. Se usata correttamente, cambia il modo in cui lavoro come vengono eseguite le operazioni e come vengono risolti i problemi. In particolare, un'IA affidabile sta già dimostrando di poter ridurre i tempi, migliorare la precisione e aiutare i team ad affrontare con maggiore agilità sfide complesse, reinventando i flussi di lavoro per l'era dell'IA.

Con il passaggio dell'IA dalla generazione di insight al processo decisionale e all'esecuzione di flussi di lavoro complessi, le organizzazioni che abbracceranno questa evoluzione saranno in grado di implementare nuovi modelli operativi che le renderanno più efficienti, più informate e più reattive alle esigenze in rapida evoluzione del settore sanitario e delle scienze della vita.