Med Comms-flaskehalsen: Hvorfor AI tar sikte på farmasøytisk kommunikasjonsproblem

Medisinsk kommunikasjon har alltid operert under press: biopharma-selskaper genererer enorme mengder klinisk data – studieresultater, virkelighetsbevis, sikkerhetsoppdateringer – som må nå flere målgrupper samtidig, inkludert spesialistleger, allmennleger, medisinske vitenskapslige kontakter, betalere, omsorgspersoner og pasienter.

Hver målgruppe krever forskjellig ramme, språk og teknisk dybde. I flere tiår har imidlertid de menneskene som er ansvarlige for å brygge gapet – dyktige vitenskapelige kommunikatorer i medisinske sak-etterretningbyråer – brukt en overraskende stor del av sin arbeidstid ikke på å tenke, men på å omforme.

Å flytte innhold fra en kongressmal til en annen, gjenoppbygge presentasjoner for forskjellige målgrupper og gjøre det manuelt ofte mot stramme overnattingsfrister. “Vi gjorde alle disse leveransene for kunder, men ofte brukte vi også mye av vår tid på å sette sammen presentasjonen og deretter overføre ting fra ett mal til et annet mal,” sa Francine Carrick, en PhD-utdannet forsker som tilbrakte 22 år i medisinsk kommunikasjon.

“Vi drømte om en løsning som kunne oversette denne vitenskapen for oss,” la hun til.

Carrick har nylig gått med i AI-presentasjonsplattformen Prezent som president for Prezent Vivo, som kombinerer formål-bygget AI og domene-eksperter for å drive livsvitenskapskommunikasjonsøkosystemet – inkludert både biopharma og selskapets byråpartnere.

Problemet hun beskriver, er ikke nisje; det ligger i skjæringspunktet mellom to press som nå er godt dokumentert i industrien. På den ene siden, mottar nesten 8 av 10 helsepersoner en større mengde informasjon fra legemiddelselskaper enn før COVID-19, og 77% sier at mengden av digitale kommunikasjoner allerede er for stor.

På den andre siden, sliter legemiddelselskaper med å levere den personlige, relevante innholdet som helsepersoner trenger, delvis fordi legacy-systemer mangler fleksibiliteten til å støtte avansert personalisering i stor skala. Innholdspipeline er overveldet på begge ender: for mye blir produsert, og for lite av det lander effektivt.

Det modulære innholdproblemet

Industriens foreslåtte løsning på dette har lenge vært “modulært innhold” – ideen om å bryte ned vitenskapelig informasjon i gjenbrukbare komponenter som kan settes sammen forskjellig for forskjellige målgrupper.

I teorien er det elegant, men i praksis, brukes nå store språkmodeller til å forberede manuskripter, kondensere virkelighetsbevis-datasett til sammenfatninger og utvikle moduler for å utdanne helsepersoner – verktøy som frem til nylig bare eksisterte som bevis for konsept.

Carrick rammer ned den underliggende utfordringen på en enkel måte: “Måten vi presenterer for en akademisk lege versus en allmennlege versus en omsorgsperson versus en pasient, er veldig, veldig forskjellig,” understreket hun.

“I den tradisjonelle modellen, å ta denne informasjonen og tilpasse den, var svært arbeidskrevende, og det tok tid.” Med andre ord, flaskenhalen var ikke ekspertisen til kommunikatorer, men gjennomstrømming – mer data ankommer raskere enn team kan manuelt omforme det.

Etter omfattende AI-eksperimentering i 2024, er selskaper under press for å vise virkelige avkastninger på sine AI-investeringer, og driver adopteringen av vertikale AI-løsninger som er spesifikt bygget for bestemte arbeidsflyter.

Dette er akkurat det argumentet Prezent fremmer med sin Astrid AI-agent: at et system som er bygget spesifikt for livsvitenskap, trent på compliance-krav, regulatoriske begrensninger og vitenskapelig vokabular for biopharma, vil overgå et generelt verktøy som er tilpasset industrien.

Spørsmålet om spesialitet

Om livsvitenskapskonteksten virkelig krever spesifikt bygget AI, eller om det er en markedsføringsramme for en konkurrerende marked, er et gyldig spørsmål.

Hva som er klart, er at FDA har vært nøye med å følge med. Etter at de publiserte retningslinjer i 2025 om bruk av AI for å støtte regulatoriske avgjørelser for legemidler og biologiske produkter, hadde de mottatt over 500 innlegg som inneholdt AI-komponenter. Slike regulatoriske undersøkelser skaper et reelt argument for compliance-native AI-verktøy fremfor tilpassede: risikoen for å gjøre feil i et regulert miljø er kvalitativt forskjellig fra å gjøre feil i, for eksempel, en markedsføringspresentasjon.

Det bredere helse-AI-markedet reflekterer økende tillit: det globale helse-AI-markedet forventes å vokse fra 26,6 milliarder USD i 2024 til 187,7 milliarder i 2030, med industrien allerede som deployer AI i mer enn dobbelt så høy hastighet som den bredere økonomien.

Innenfor dette, er legemiddel- og biotekselskaper fortsatt de mest R&D-fokuserte, med 54% som prioriterer innovasjon og legemiddelutvikling, selv om kommersielle operasjoner – inkludert kommunikasjon – er stadig mer på agendaen.

Det menneskelige ekspertise-spørsmålet

Ankomsten av AI-verktøy i profesjonelle tjenester genererer alltid den samme samtalen: hva skjer med menneskene som gjør dette arbeidet? I medisinsk kommunikasjon, hvor arbeidet krever ekte vitenskapelig flyt, er svaret mer nyansert enn det som kan erstattes.

Carricks syn er at den bindende begrensningen for menneskelig ekspertise i medisinsk kommunikasjon ikke er kunnskap, men snarere bredde. “Det muliggjør, det akselerer, det menneskelige ekspertisen til mange grader,” sa hun om AI i hennes felt. “Det muliggjør at denne ekspertisen, disse innsiktene, denne menneskelige kunnskapen, kan deles med flere målgrupper på en mer tidlig fasjon.”

Dette synet stemmer overens med hva som nå kommer frem som et mer teksturert bilde av AI-effekter på kvalifisert kunnskapsarbeid. Undersøkelser blant leger antyder motstand i stedet for erstattelse, da mange mener at AI vil endre deres arbeid, men ikke eliminere deres rolle.

Analogien til medisinsk kommunikasjon er ikke perfekt, men den strukturelle likheten holder: hva AI kan gjøre nå, er å akselerere det rutinemessige; hva det ikke kan gjøre, er å erstatte den vitenskapelige dømmekraften, målgruppe-intuisjonen eller den strategiske tenkningen som definerer det høyere-verdiarbeidet.

En EPG Health-studie fant at nesten 60% av legemiddelselskapene identifiserte HCP-innsikt som topprioritet for strategisk engasjement, og at medisinske vitenskapslige kontakter har overtatt Salesforce som den viktigste kanalen for å sende informasjon til HCP-er.

Dette er et signal om at legemiddelselskaper beveger seg mot mer relasjonsintensive, mindre kringkastings-stil kommunikasjoner, som krever mer menneskelig dømmekraft, ikke mindre – selv om AI håndterer produksjonssjiktet.

Hva skiftet faktisk krever

Det vanskeligere spørsmålet er ikke om AI vil spille en rolle i medisinsk kommunikasjon – det er allerede avgjort. Det er om verktøyene som bygges, er virkelig egnet for kompleksiteten i domenet.

Carrick noterte hva Prezent kaller “fingeravtrykk” – målgruppe-spesifikke kommunikasjonspreferanser som kan kodifiseres og brukes når innhold tilpasses. Konseptet reflekterer en mer grunnleggende utfordring: at målet om “riktig innhold, på riktig tid, gjennom riktig kanal, til riktig målgruppe” – lenge en mantra i medisinsk kommunikasjon – alltid har vært mer aspirasjonelt enn operasjonelt.

Å levere på det, krever ikke bare god vitenskapelig skriving, men systematisk kunnskap om hvordan forskjellige målgrupper prosesserer forskjellige typer informasjon.

Om AI kan pålitelig kodifisere denne kunnskapen, og om det kan gjøres samtidig som det opprettholder vitenskapelig nøyaktighet og regulatorisk compliance som skiller medisinsk kommunikasjon fra andre innholdindustrier, er det åpne spørsmålet.

Uansett, hva som ikke lenger er i tvil, er at den gamle modellen, med sine overnattingsformat-maratoner og manuelle mal-migrasjoner, var aldri bærekraftig på den hastigheten moderne biopharma krever.

Problemet var synlig for praktikere i årevis, men verktøyene for å løse det, er nå først blitt mulige – takket være AI.