์ฌ์ ๋ฆฌ๋
์๋ฃ ๋ฐ ์๋ช ๊ณผํ์ ๋ณ้ฉํ๊ธฐ ์ํด AI๋ ์ ๋ขฐํ ์ ์์ด์ผ ํ๋ค
인공 지능(AI)은 의료 및 생명 과학 조직 전반에 걸쳐 빠르게 내재화되고 있다. 그러나 대부분의 조직은 이를 포켓에서 사용하는 것보다 기업 전체의 성능을 현저히 개선하기 위해 확장하지 않는다. 이러한 도전 과제 중 하나는 의료 및 생명 과학 분야의 AI는 최고의 품질, 개인 정보 보호 및 신뢰성의 기준을 충족해야 하며, 또한 신뢰할 수 있어야 한다.
대규모 언어 모델(LLM) 기반 AI 도구는 강력하지만, 대부분의 LLM은 의료 및 생명 과학 운영의 요구에 맞게 설계되지 않았다.它们可以产生不一致的输出，而且它们의 성능은 정보와 컨텍스트가 변경됨에 따라 달라질 수 있다. 특히 일반적인 AI는 광범위한 공개 데이터에 대해 훈련되며, 의료 및 과학적 요구 사항을 충족하기 위해 구축되지 않는다.
이러한 문제는 재정적 결과뿐만 아니라 임상적, 과학적, 법적 및 궁극적으로 인간의 결과를 가지는 운영에서 받아들여질 수 없다.
결론: 더 높은 수준의 AI가 필요하다.
의료 및 생명 과학 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 준수 및 방어 가능하다.
이를 달성하기 위해 과학적 및 기술적 전문 지식과 책임 있는 AI 설계, 사용 및 모니터링의 모든 측면을 고려하는 엄격한 접근 방식이 필요하다. 이것은 실제로 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 사람들의 역할, 그들의 필요와 워크플로우, 그리고 달성하려는 상업적 목표 또는 준수해야 하는 규제 요구 사항을 이해하는 것을 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 단계에서부터 전문가를 고려한다. 즉, 임상, 과학, 규제 및 상업 전문가를 사용하여 AI 솔루션이 올바르게 설계되고 배포되었는지 확인하고, 솔루션이 최종 사용자의 작업에 미치는 영향을 고려한다.
물론, 신뢰는 설계 단계에서만 획득되는 것이 아니다. AI 솔루션의 전체 수명 동안 유지되어야 한다. 메커니즘，如 AI 데이터 플라이휠 또는 새로운 데이터로 모델을 지속적으로 업데이트하여 최신 상태로 유지하고, 신뢰할 수 있는 AI 솔루션을 유지하는 데 도움이 되는 학습 루프와 가드레일이 있다.
실제 적용 사례
AI는 이미 세계 최대 생명 과학 회사 중 일부의 실제 사용 사례에서 받아들여지고 있으며 영향을 미치고 있다.
한 경우, 주요 제약 회사에서는 여러 브랜드와 시장에서 의료 전문가를 참여시키는 방법을 개선하려고 했다. 회사의 의료 전문가 참여 능력과 마케팅 전략을 최적화하는 것은 데이터 관리 문제, 고객 수준의 통찰력 부족 및 적응 어려움과 같은 도전 과제로 방해받았다.
회사는 예측 신호와 함께 의료 전문가 참여를 위한 “다음 최선의 조치” 추천을 결합한 옴니채널 참여 솔루션을 구현했다. 이 솔루션은 팀이 아웃리치의 속도를 조정하고 후속 조치를 취하는 데 도움이 되었다. 회사는 높은 가치의 환자를 식별하는 능력에서 4배의 개선과 두 개의 브랜드에서 신규 환자 시작에 20% 및 36%의 증가를 보았다.
또 다른 예는 약물 개발을 위한 문헌 검토이다. 이러한 검토를 수행하는 것은 몇 개월이 걸릴 수 있으며, 깊은 도메인 전문 지식, 신중한 계획, 상당한 수동 노력 및 더 많은 것이 필요할 수 있다. 또한 이러한 검토는 확장하기 어렵고 오류에 취약할 수 있다.
AI 솔루션은 문헌 검토의 주요 부분을 자동화할 수 있다. 즉, 프로토콜 개발, 검색 및 스크리닝, 데이터 추출 및 분석 및 보고와 같은 모든 작업을 자동화할 수 있다. AI 솔루션이 맡은 작업에 대해 연구자 또는 다른 사람이 모든 결정의 논리를 검토할 수 있다.
이제 AI를 사용하면 몇 개월이 걸리는 검토가 단 몇 일만에 완료될 수 있으며, 오류도 줄어든다. 한 경우, AI 솔루션은 대규모 제약 회사에서 초기 스크린을 7배 빠르게 달성하는 데 도움이 되었다. 이는 예상 스크리닝 시간을 20일에서 3일 미만으로 단축했다.
AI는 또한 이 분야에서 새로운 가능성을 창조하고 있다. 예를 들어, 최신 발행된 데이터로 지속적으로 업데이트할 수 있는 “생きた” 검토를 만들 수 있다.
협력은 필수적이다
의료 및 생명 과학을 위한 신뢰할 수 있는 AI 솔루션을 생성하려면 한 조직만으로 제공할 수 없는 전문 지식의 혼합이 필요하다. 이것이 협력하는 이유이다. 기술 및 도메인 전문 지식과 능력을 결합하여 규제 및 상업 워크플로우 전반에 걸쳐 확장할 수 있는 완전한 검증된 AI 시스템을 생성한다.
예를 들어, 올바른 기술 파트너는 엔지니어링의 깊이와 광범위한 경험을 제공하여 기업 규모에서 AI를 배포하고 실행할 수 있다. 또한 투명성을 제공하는 오픈 모델을 제공하고, 빠른 AI 솔루션 구축을 가능하게 하는 소프트웨어 구성 요소를 제공할 수 있다. 또한 다른 산업을 위한 신뢰할 수 있는 엔터프라이즈 AI 솔루션을 생성하는 경험을 통해 도전 과제를 예상하고 설계를 강화할 수 있다.
도메인 측면에서 효과적인 협력자는 심층적인 임상 개발 및 상업화 전문 지식과 신뢰할 수 있는 AI 솔루션을 개발한 입증된 기록을 제공한다. 또한 이러한 솔루션을 생성하는 데 필요한 필수 구성 요소를 제공할 수 있다. 즉, 데이터 과학 전문 지식, 규제 지식 및 안전하고 책임 있는 데이터 사용 기록이 있다. 또한 AI 배포를 지원하기 위해 공공 벤치마크에 도전하여 AI 솔루션이 예상대로 수행되는지 확인하는 데 도움이 될 수 있다. 또한 사용자의 고유한 IT 시스템 구성 및 정책을 고려하여 AI 솔루션을 최종 사용자의 워크플로우에 통합하는 데 도움이 되는 전방 배치 엔지니어와 같은 리소스를 제공할 수 있다.
작업을 수행하는 방식을 변경
AI는 의료 및 생명 과학 조직을 위한 또 하나의 도구가 아니다. 올바르게 수행되면 작업을 수행하고 문제를 해결하는 방식을 변경한다. 특히 신뢰할 수 있는 AI는 이미 타임라인을 단축하고, 정확성을 개선하며, 복잡한 도전 과제를 더 민첩하게 해결하는 데 도움이 되는 것을 입증하고 있다. AI 시대에 워크플로우를 재구상하고 있다.
AI가 통찰력을 생성하는 것에서 결정과 복잡한 워크플로우의 실행으로 전환함에 따라, 이 진화를 받아들이는 조직은 더 효율적이고, 더 정보에 풍부하고, 의료 및 생명 과학 분야에서 빠르게 변경되는 요구 사항에 더 반응할 수 있는 새로운 운영 모델을 해방시킬 수 있다.
