Khaldoun Zine El Abidine, テクノロジー担当ディレクター、Applied AI Science、IQVIA Khaldoun Zine El Abidine テクノロジー担当ディレクター、Applied AI Science、IQVIA

ヘルスケアとライフサイエンスを変革するために、AIは信頼性が必要です

人工知能（AI）は、ヘルスケアとライフサイエンスの組織全体に急速に浸透しています。しかし、多くの組織は、エンタープライズ全体のパフォーマンスを大幅に改善するのではなく、AIを一部の領域でしか使用していません。課題の1つは、ヘルスケアとライフサイエンスの業界では、AIが最高の品質、プライバシー、信頼性の基準を満たさなければならないことです。また、AIは拡大されなければなりません。大規模言語モデル（LLM）ベースのAIツールは強力ですが、多くのLLMはヘルスケアとライフサイエンスの運用の要求に応えるように設計されていません。LLMは一貫性のない出力を生成し、そのパフォーマンスは情報やコンテキストの変化に応じて変化する可能性があります。特に、汎用的なAIは、広範なパブリックデータでトレーニングされており、医療、科学、または規制要件を満たすように設計されていません。これらの問題は、財務的な結果だけでなく、臨床、科学、法的、そして最終的には人間の結果を伴う運用では受け入れられません。結論は、より高いAIの基準が必要であるということです。ヘルスケアとライフサイエンスの組織がAIを使用して商業的および規制された運用を変革したいのであれば、信頼性の高いAIが必要です。信頼性の高いAIを作成するために必要なこと信頼性の高いAIは、信頼性の高い結果を生成し、データの変更に応じて一貫したパフォーマンスを発揮し、コンプライアンスおよび防御可能です。これを達成するには、科学的および技術的な専門知識と、責任あるAIの設計、使用、モニタリングのすべての側面を考慮した厳格なアプローチが必要です。実践では、これはどうなりますか?最初のステップは、エンドユーザーの要件を理解することです。AIソリューションが解決しなければならないエンドユーザーの要件は何ですか? 成功とは何ですか? これには、AIソリューションを使用する人の役割、ニーズ、ワークフロー、および商業目標または規制要件を理解することが含まれます。これらの詳細は、適切なモデルを選択したり、検証フレームワークを設計したり、ソリューションを評価するためのメトリックを確立したりするための重要な技術的決定を支援します。信頼性の高いシステムは、設計プロセスの初期段階から専門家を考慮します。人間の専門家、つまり臨床、科学、規制、商業の専門家を使用して、AIソリューションが正しく設計および展開されることを確認し、ソリューションがエンドユーザーの作業に与える影響を考慮します。もちろん、信頼性は設計段階でだけ獲得されるのではなく、AIソリューションの全ライフサイクルを通じて維持されなければなりません。AIデータフライホイールや、モデルを新しいデータで継続的に更新して最新の状態を維持するための学習ループなどのメカニズムは、AIソリューションが関連性、正確性、信頼性を維持するのに役立ちます。AIソリューションに組み込まれた強化学習やガードレールも、定義されたルールセット内でパフォーマンスを維持するのに役立ちます。現実世界の応用AIはすでに、世界最大のライフサイエンス企業の現実世界のユースケースで信頼され、影響を与えています。ある例では、ヘルスケア専門家（HCP）と複数のブランドおよび市場をまたいでエンゲージメントを改善したいと考えていた、主要な製薬会社がありました。HCPとのエンゲージメントとマーケティング戦略の最適化は、データ管理の課題、顧客レベルの洞察の欠如、適応の困難さなどの課題によって妨げられていました。会社は、オムニチャネルエンゲージメントソリューションを実装しました。これは、HCPとのエンゲージメントの予測シグナルと、チームがアウトリーチのペースとフォローアップアクションを決定するのに役立つ「次のベストアクション」推奨を組み合わせました。会社は、高価値患者を特定する能力が4倍に向上し、2つのブランドで新規患者開始が20％と36％増加することを確認しました。別の例は、薬剤開発に必要な文献レビューです。文献レビューの実施には数ヶ月かかり、深いドメイン知識、慎重な計画、多大な手作業が必要であり、スケーラビリティに難があり、エラーにもなりやすいです。AIソリューションは、プロトコル開発から検索、スクリーニング、データ抽出、分析、報告まで、文献レビューの大部分を自動化できます。AIソリューションが行う作業については、研究者やその他の関係者が各決定の背後にある論理を確認できます。今や、AIによって、かつて数ヶ月かかっていた文献レビューが数日で完了し、エラーも減少しています。ある例では、AIソリューションが、大手製薬会社の科学文献レビューのユースケースで、従来の手動プロセスよりも7倍速く初期スクリーニングを実施することを可能にしました。これにより、推定スクリーニング時間は20日から3日未満に短縮されました。AIは、この分野で新しい可能性も生み出しています。例えば、最新の公開データで継続的に更新できる「生きた」レビューを作成できるようになりました。コラボレーションは不可欠ヘルスケアとライフサイエンスの信頼性の高いAIソリューションを作成するには、技術的およびドメインの両方の知識が必要です。これは、1つの組織だけでは提供できないため、同様の目標を持つ企業がコラボレーションをしています。適切な技術パートナーは、エンタープライズスケールでのAIの展開と実行におけるエンジニアリングの深さと幅広い経験を提供します。彼らは、信頼性の高いAIに必要な透明性を提供するオープンモデルを提供し、AIソリューションの構築を迅速化するソフトウェアコンポーネントを提供できます。また、他の業界での信頼性の高いエンタープライズAIソリューションの構築に関する彼らの経験は、課題を予測し、設計を強化するのに役立ちます。ドメイン側では、効果的なコラボレーターは、臨床開発と商業化の専門知識だけでなく、信頼性の高いAIソリューションの開発における実証されたトラックレコードも提供します。彼らは、これらのソリューションを構築するために必要な成分、たとえばデータサイエンスの専門知識、規制知識、安全で責任あるデータ使用の歴史を備えています。また、AIの展開を支援するための追加のリソース、たとえばパブリックベンチマークに挑戦することによるAIソリューションのパフォーマンスの確認や、エンドユーザーのユニークなITシステム構成とポリシーを考慮してAIソリューションをエンドユーザーのワークフローに統合するためのフォワードデプロイされたエンジニアを提供することができます。仕事のやり方の変化AIは、ヘルスケアとライフサイエンスの組織にとって、単なるツールではありません。正しく実装すると、仕事のやり方や問題解決の方法を変える可能性があります。信頼性の高いAIは、すでにタイムラインの短縮、精度の向上、複雑な課題に対するチームの迅速な対応を可能にし、AI時代のワークフローを再構想することを証明しています。AIがインサイトの生成から意思決定と複雑なワークフローの実行に移行するにつれて、組織はこの進化を受け入れることで、新しい運用モデルを解き放ち、より効率的、情報に基づいた、ヘルスケアとライフサイエンスの急速に変化する需要に迅速に対応できるようになります。