Для преобразования здравоохранения и медико-биологических наук искусственный интеллект должен быть заслуживающим доверия.

Искусственный интеллект (ИИ) быстро внедряется в организации здравоохранения и медико-биологических наук. Однако большинство организаций используют его лишь в отдельных случаях, а не в больших масштабах. масштабирование Это позволит существенно повысить производительность всего предприятия. Среди проблем: ИИ в этих отраслях должен соответствовать самым высоким стандартам качества, конфиденциальности и надежности, и он должен быть заслуживающий доверия.

Инструменты искусственного интеллекта на основе больших языковых моделей (LLM) обладают большой мощностью, но большинство LLM не предназначены для удовлетворения потребностей здравоохранения и медико-биологических наук. Они могут создавать непоследовательный Результаты работы и их производительность могут меняться в зависимости от информации и контекста. В частности, ИИ общего назначения обучается на обширных общедоступных данных — с ограниченной медицинской обработкой — и не предназначен для удовлетворения медицинских, научных или нормативных требований.

Подобные проблемы недопустимы в операциях, где принимаемые решения имеют не только финансовые, но и клинические, научные, юридические и, в конечном итоге, человеческие последствия.

Главный вывод: необходимы более высокие стандарты искусственного интеллекта.

Если организации в сфере здравоохранения и медико-биологических наук хотят использовать ИИ для трансформации своей коммерческой и регулируемой деятельности, им необходим заслуживающий доверия ИИ.

Что необходимо для создания заслуживающего доверия ИИ?

Надежный ИИ обеспечивает стабильные результаты, демонстрирует стабильную работу при изменении данных, соответствует нормативным требованиям и обладает защитой.

Для достижения этой цели необходимы как научные и технические знания, так и строгий подход, учитывающий все аспекты ответственного проектирования, использования и мониторинга ИИ. Как это выглядит на практике?

Первый шаг — понять конечную цель: какие требования к конечному пользователю должно удовлетворять решение на основе ИИ, и как выглядит успех? Это включает в себя понимание ролей тех, кто будет использовать решение на основе ИИ, их потребностей и рабочих процессов, а также либо коммерческих целей, которых они хотят достичь, либо нормативных требований, которым они должны соответствовать.

Эти детали помогут принять ключевые технические решения, такие как выбор подходящих моделей для решения на основе ИИ, разработка систем проверки и определение метрик, по которым будет оцениваться эффективность решения.

Надежные системы также учитывают мнение эксперта с самого начала процесса проектирования, а не в качестве второстепенного фактора. Это подразумевает привлечение экспертов – в том числе специалистов в области клинической медицины, науки, регулирования и коммерции – для обеспечения правильного проектирования и внедрения решения на основе ИИ, а также для учета того, как это решение повлияет на работу конечного пользователя.

Конечно, доверие не только завоевывается на этапе проектирования — его необходимо поддерживать на протяжении всего жизненного цикла решения на основе ИИ. Такие механизмы, как «маховики» данных ИИ или циклы обучения, которые постоянно обновляют модели новыми данными, чтобы поддерживать их актуальность, помогают решениям на основе ИИ оставаться релевантными, точными и заслуживающими доверия. Обучение с подкреплением и механизмы контроля, запрограммированные в решениях на основе ИИ, также могут помочь поддерживать их производительность в рамках заданного набора правил.

Реальные приложения

Искусственный интеллект уже получил широкое признание и доверие, оказывая существенное влияние на реальные практические задачи в крупнейших мировых компаниях в области биотехнологий.

В одном из случаев ведущая фармацевтическая компания стремилась улучшить взаимодействие с медицинскими работниками (МР) в рамках нескольких брендов и рынков. Способности компании взаимодействовать с МР и оптимизировать маркетинговые стратегии были затруднены такими проблемами, как проблемы с управлением данными, недостаток информации о клиентах и ​​сложности с адаптацией.

Компания внедрила многоканальное решение для взаимодействия с пациентами. Оно объединило прогнозные сигналы для взаимодействия с медицинскими работниками с рекомендациями по «оптимальным дальнейшим действиям», которые помогли командам определить темпы работы с пациентами и необходимые последующие действия. Компания отметила четырехкратное улучшение в выявлении ценных пациентов, а также увеличение числа новых пациентов, привлеченных для двух ее брендов, на 20% и 36%.

Другой пример — обзоры литературы, необходимые для разработки лекарственных препаратов. Проведение таких обзоров может занять месяцы и требует глубоких экспертных знаний в данной области, тщательного планирования, значительных трудозатрат и многого другого. Кроме того, их сложно масштабировать, и они подвержены ошибкам.

Решения на основе искусственного интеллекта могут автоматизировать значительную часть обзоров литературы, от разработки протоколов до поиска и отбора, извлечения данных, анализа и составления отчетов. Независимо от того, какую задачу выполняет решение на основе ИИ, исследователи или другие специалисты могут проверить логику каждого решения.

Теперь, благодаря ИИ, проверки, которые раньше занимали месяцы, можно завершить всего за несколько дней и с меньшим количеством ошибок. В одном из случаев решение на основе ИИ помогло крупной фармацевтической компании. достигать Первоначальный отбор для анализа научной литературы осуществляется в семь раз быстрее, чем при традиционном ручном процессе. Это позволило сократить расчетное время отбора с 20 дней до менее чем трех дней.

Искусственный интеллект также открывает новые возможности в этой области. Например, он позволил компаниям создавать «живые» отзывы, которые могут непрерывно обновляться с учетом последних опубликованных данных.

Сотрудничество имеет важное значение

Создание надежных решений на основе искусственного интеллекта для здравоохранения и медико-биологических наук требует сочетания экспертных знаний, которые ни одна организация не может предоставить самостоятельно. Именно поэтому компании-единомышленники сотрудничают, объединяя технические и отраслевые знания и возможности, необходимые для создания комплексных, проверенных систем искусственного интеллекта, которые могут масштабироваться как в регулируемых, так и в коммерческих рабочих процессах.

Например, правильный технический партнер обладает глубокими инженерными знаниями и обширным опытом развертывания и запуска ИИ в масштабах предприятия. Он может предоставлять открытые модели, обеспечивающие прозрачность, необходимую для надежного ИИ, и программные компоненты, позволяющие быстрее создавать решения на основе ИИ. А его опыт создания надежных корпоративных решений на основе ИИ для других отраслей может помочь ему предвидеть проблемы и укрепить проектные решения.

В предметной области эффективный партнер обладает не только глубокими знаниями в области клинических разработок и коммерциализации, но и подтвержденным опытом разработки надежных решений на основе ИИ. У него есть все необходимые компоненты для создания таких решений, такие как экспертные знания в области анализа данных, знание нормативных требований и опыт безопасного и ответственного использования данных. Но он также может предложить больше для поддержки внедрения ИИ, от готовности оспаривать общедоступные бенчмарки, чтобы убедиться в ожидаемой производительности решения на основе ИИ, до таких ресурсов, как инженеры, работающие на местах, которые могут помочь интегрировать решения на основе ИИ в рабочие процессы конечных пользователей, учитывая уникальные конфигурации и политики ИТ-систем конечных пользователей.

Изменение подхода к выполнению работы

Искусственный интеллект — это не просто ещё один инструмент для организаций здравоохранения и медико-биологических наук. При правильном применении он меняет подход к работе. работает Как это работает и как решаются проблемы. В частности, надежный ИИ уже доказывает, что может сократить сроки, повысить точность и помочь командам более оперативно решать сложные задачи, переосмысливая рабочие процессы для эпохи ИИ.

По мере того как искусственный интеллект переходит от генерации аналитических данных к принятию решений и выполнению сложных рабочих процессов, организации, которые примут эту эволюцию, смогут внедрить новые операционные модели, которые сделают их более эффективными, информированными и быстро реагирующими на быстро меняющиеся требования в здравоохранении и медико-биологических науках.