의료 및 생명과학을 변革하기 위해 AI는 신뢰할 수 있어야 한다

인공 지능(AI)은 의료 및 생명과학 조직에서 빠르게 내재화되고 있다. 그러나 대부분의 조직은 성과를 크게 개선하기보다는 일부 영역에서만 AI를 사용하고 있다. 이러한 도전 중 하나는 의료 및 생명과학 산업에서 AI는最高의 품질, 개인 정보 보호 및 신뢰성의 표준을 충족해야 한다는 것이다.

대형 언어 모델(LLM) 기반 AI 도구는 강력하지만, 대부분의 LLM은 의료 및 생명과학 운영의 요구 사항을 충족하도록 설계되지 않았다. 불일치한 출력을 생성할 수 있으며, 정보와 상황이 변경됨에 따라 성능이 달라질 수 있다. 일반적인 AI는 광범위한 공개 데이터로 훈련되며, 의료, 과학 또는 규제 요구 사항을 충족하도록 설계되지 않는다.

의료 및 생명과학 운영에서 이러한 문제는 금융적 결과뿐만 아니라 임상적, 과학적, 법적 및 궁극적으로 인간의 결과를 초래할 수 있으므로 받아들일 수 없다.

결론은 더 높은 표준의 AI가 필요하다는 것이다.

의료 및 생명과학 조직이 AI를 사용하여 상업적 및 규제 운영을 변革하려면 신뢰할 수 있는 AI가 필요하다.

신뢰할 수 있는 AI를 생성하기 위해 필요한 것

신뢰할 수 있는 AI는 신뢰할 수 있는 결과를 생성하며, 데이터가 변경됨에 따라 일관되게 수행되며, 규정 준수되고 방어할 수 있다.

이를 달성하려면 과학적 및 기술적 전문 지식과 함께 책임감 있는 AI 설계, 사용 및 모니터링의 모든 측면을 고려하는 엄격한 접근 방식이 필요하다. 실제로 이것은 무엇을 의미하는가?

첫 번째 단계는 최종 사용자 요구 사항을 이해하는 것이다. 즉, AI 솔루션이 해결해야 하는 최종 사용자 요구 사항은 무엇이며, 성공은 무엇을 의미하는가? 이것은 AI 솔루션을 사용할 사용자의 역할, 필요 및 워크플로우를 이해하는 것을 포함하며, 달성하려는 상업적 목표 또는 준수해야 하는 규제 요구 사항을 이해하는 것도 포함한다.

이러한 세부 정보는 적절한 모델을 선택하고, 검증 프레임워크를 설계하고, 솔루션이 측정될 기준을 설정하는 것과 같은 주요 기술적 결정에 도움이 될 것이다.

신뢰할 수 있는 시스템은 또한 초기 설계 단계에서 전문가를 고려한다. 즉, 임상, 과학, 규제 및 상업 전문가와 같은 인간 전문가를 사용하여 AI 솔루션이 올바르게 설계되고 배포되고, 솔루션이 최종 사용자의 작업에 미치는 영향을 고려한다.

물론, 신뢰는 설계 단계에서만 획득되는 것이 아니다. AI 솔루션의 수명 동안 유지되어야 한다. AI 데이터 플라이휠이나 학습 루프와 같은 메커니즘은 새로운 데이터로 모델을 지속적으로 업데이트하여 관련性, 정확성 및 신뢰성을 유지하는 데 도움이 된다. 또한 AI 솔루션에 강화 학습 및 가드레일을 프로그래밍하면 정의된 규칙 집합 내에서 성능을 유지하는 데 도움이 될 수 있다.

실제 세계 응용

AI는 이미 세계에서 가장 큰 생명과학 회사 중 일부의 실제 사용 사례에서 받아들여지고 신뢰를 얻으며 영향을 미치고 있다.

한 예에서는 주요 제약 회사에서 여러 브랜드와 시장에서 의료 전문가를 참여시키는 방법을 개선하려고 했다. 회사의 의료 전문가 참여 및 마케팅 전략 최적화 능력은 데이터 관리 문제, 고객 수준의 통찰력 부족 및 적응 어려움과 같은 문제로 방해를 받았다.

회사는 옴니채널 참여 솔루션을 구현했다. 예측 신호와 다음 최적의 조치를 추천하여 팀이 아웃리치의 속도와 후속 조치를 결정하도록 도왔다. 회사는 높은 가치의 환자를 식별하는 능력에서 4배의 개선과 두 브랜드에서 신규 환자 시작이 각각 20%, 36% 증가했다.

또 다른 예는 약물 개발을 위한 문헌 검토가 필요하다. 이러한 검토는 몇 개월이 걸릴 수 있으며, 깊은 도메인 전문 지식, 주의 깊은 계획, 상당한 수동 노력 및 더 많은 것이 필요할 수 있다. 또한 확장하기 어렵고 오류에 취약할 수 있다.

AI 솔루션은 문헌 검토의 주요 부분을 자동화할 수 있다. 프로토콜 개발, 검색 및 스크리닝, 데이터 추출 및 분석 및 보고와 같은 작업을 포함한다. AI 솔루션이 작업을 수행하는 논리를 검토할 수 있다.

이제 AI를 사용하면 몇 달이 걸리던 검토가 단 몇 일 내에 완료될 수 있으며, 오류도 줄어든다. 한 경우, AI 솔루션은 대형 제약 회사가 과학 문헌 검토 사용 사례에 대해 전통적인 수동 프로세스보다 7배 빠른 초기 스크리닝을 달성하도록 도왔다. 이는 추정된 스크리닝 시간을 20일에서 3일 미만으로 단축했다.

AI는 또한 이 분야에서 새로운 가능성을 창조하고 있다. 예를 들어, 회사는 최신 발행된 데이터로 지속적으로 업데이트할 수 있는 “생명” 검토를 만들 수 있다.

협력이 필수적이다

의료 및 생명과학을 위한 신뢰할 수 있는 AI 솔루션을 생성하려면 한 조직이 혼자 제공할 수 없는 전문 지식의 혼합이 필요하다. 이것이 유사한 회사들이 협력하여 규제 및 상업 워크플로우에 걸쳐 확장할 수 있는 완전한 검증된 AI 시스템을 생성하는 데 필요한 기술 및 도메인 전문 지식 및 기능을 결합하기 위해 함께 노력하는 이유이다.

예를 들어, 올바른 기술 파트너는 엔지니어링의 깊이와 엔터프라이즈 규모에서 AI를 배포 및 실행하는 광범위한 경험을 제공한다. 공개 모델을 제공하여 신뢰할 수 있는 AI에 필요한 투명성을 제공하고, AI 솔루션을 더 빠르게 구축할 수 있는 소프트웨어 구성 요소를 제공할 수 있다. 또한 다른 산업을 위한 신뢰할 수 있는 엔터프라이즈 AI 솔루션을 생성하는 경험을 통해 도전 과제를 예상하고 설계를 강화하는 데 도움이 될 수 있다.

도메인 측면에서 효과적인 협력자는 임상 개발 및 상업화 전문 지식과 함께 신뢰할 수 있는 AI 솔루션을 개발한 증거를 제공한다. 데이터 과학 전문 지식, 규제 지식 및 안전하고 책임감 있는 데이터 사용의 역사를 가지고 있다. 또한 AI 배포를 지원하기 위해 공개 벤치마크에 도전하여 AI 솔루션이 예상대로 수행되는지 확인하는 데 도움이 되거나, 사용자의 고유한 IT 시스템 구성 및 정책을 고려하여 워크플로우에 AI 솔루션을 통합하는 데 도움이 되는 전방 배치 엔지니어와 같은 리소스를 제공할 수 있다.

작업 방식을 변경하는 것

AI는 의료 및 생명과학 조직을 위한 또 하나의 도구가 아니다. 올바르게 사용하면 작업을 수행하고 문제를 해결하는 방식을 변경한다. 신뢰할 수 있는 AI는 이미 작업 시간을 단축하고, 정확성을 개선하고, 복잡한 도전 과제를 더 민첩하게 해결할 수 있는 능력을 입증했다. 이는 AI 시대에 대한 새로운 운영 모델을 가능하게 한다.

AI가 통찰력을 생성하는 것에서 결정과 복잡한 워크플로우를 실행하는 것으로 전환함에 따라, 이 진화를 받아들이는 조직은 더 효율적이고, 더 정보에 기반한 의사 결정을 내리고, 의료 및 생명과학에서 빠르게 변경하는 요구에 더 반응할 수 있는 새로운 운영 모델을 출시할 수 있다.