Med Comms-flaskan: Varför AI siktar på farmacevtiska företags kommunikationsproblem

Medicinsk kommunikation har alltid fungerat under tryck: bioteknikföretag genererar enorma mängder kliniska data – försöksresultat, bevis från verkligheten, säkerhetsuppdateringar – som måste nå flera målgrupper samtidigt, inklusive specialistläkare, allmänläkare, medicinska vetenskapliga kontakter, betalare, vårdgivare och patienter.

Varje målgrupp kräver olika ramverk, språk och nivåer av teknisk djup. Under årtionden har dock de personer som ansvarar för att överbrygga gapet – skickliga vetenskapliga kommunikatörer på medicinska byråer – tillbringat en överraskande stor del av sin arbetstid inte med att tänka, utan med att omformatera.

Att flytta innehållet i en presentation från en kongresstemplate till en annan, återbygga presentationer för olika målgrupper och göra det manuellt, ofta mot tighta övernattningstider. “Vi gjorde alla dessa leveranser för kunder, men ofta tillbringade vi också mycket tid med att sammanfoga presentationen och sedan flytta saker från en template till en annan”, sa Francine Carrick, en PhD-utbildad forskare som tillbringat 22 år inom med comms.

“Vi drömde om en lösning som kunde översätta vetenskapen för oss”, tillade hon.

Carrick gick nyligen med i AI-presentationplattformen Prezent som president för Prezent Vivo, som kombinerar specialbyggd AI och domänexperter för att driva livsvetenskapskommunikationsekosystemet – inklusive både bioteknik och företagets byråpartner.

Problemet hon beskriver är inte nisch; det ligger i skärningspunkten mellan två tryck som nu är väl dokumenterade i branschen. Å ena sidan får nästan 8 av 10 hälsovårdspersonal en större mängd information från läkemedelsföretag än före COVID-19, och 77% säger att mängden digitala kommunikationer redan är för stor.

Å andra sidan kämpar läkemedelsföretag med att leverera personlig, relevant innehåll som hälsovårdspersonal behöver, delvis för att äldre system saknar flexibiliteten för att stödja avancerad personanpassning i stor skala. Innehållspipelinen är överbelastad i båda ändar: för mycket produceras, och för lite av det landar effektivt.

Det modulära innehållsproblemet

Branschens föreslagna lösning på detta har länge varit “modulärt innehåll” – idén att bryta ner vetenskaplig information i återanvändbara komponenter som kan sättas samman på olika sätt för olika målgrupper.

I teorin är det elegant, men i praktiken används stora språkmodeller nu för att förbereda manuskript, kondensera realtidsbevisdata till sammanfattningar och utveckla moduler för att utbilda hälsovårdspersonal – verktyg som tidigare endast fanns som bevis för konceptet.

Carrick rammar in den underliggande utmaningen på ett enkelt sätt: “Sättet som vi presenterar för en akademisk läkare versus en allmänläkare versus en vårdgivare versus en patient är mycket, mycket annorlunda”, betonade hon.

“I den traditionella modellen, att ta den informationen och anpassa den var mycket arbetskrävande, och det tog tid.” Med andra ord var flaskhalsen inte experternas kompetens; det var genomströmningen – mer data anlände snabbare än team kunde manuellt omförpacka den.

Efter omfattande AI-experiment i 2024 är företag under tryck för att visa verkliga avkastningar på sina AI-investeringar, vilket driver adoptionen av vertikala AI-lösningar som är specialbyggda för specifika arbetsflöden.

Detta är exakt det argument som Prezent för med sin Astrid AI-agent: att ett system som är specialbyggt för livsvetenskaper, utbildat på efterlevnadskraven, regulatoriska begränsningarna och den vetenskapliga vokabulären i bioteknik, kommer att överträffa ett allmänt verktyg som är anpassat för branschen.

Frågan om specialisering

Om livsvetenskapskontexten verkligen kräver specialbyggd AI, eller om det är en marknadsramning för en konkurrensutsatt marknad, är en legitim fråga.

Vad som är klart är att FDA har varit uppmärksam. Efter att ha publicerat riktlinjer 2025 om användningen av AI för att stödja regulatoriska beslut för läkemedel och biologiska produkter, hade de mottagit över 500 inlämnanden som innehöll AI-komponenter. Sådan regulatorisk granskning skapar ett starkt argument för efterlevnadsinriktade AI-verktyg snarare än anpassade: risken för att göra fel i en reglerad miljö är kvalitativt annorlunda än att göra fel i, säg, en marknadsföringspresentation.

Den bredare hälsovårds-AI-marknaden speglar den ökande tillförsikten: den globala hälsovårds-AI-marknaden förväntas växa från 26,6 miljarder USD 2024 till 187,7 miljarder 2030, och branschen har redan distribuerat AI i mer än dubbelt så hög takt som den bredare ekonomin.

Inom detta förblir läkemedels- och bioteknikföretag de mest FoU-inriktade, med 54% som prioriterar innovation och läkemedelsutveckling, även om kommersiella operationer – inklusive kommunikation – är alltmer på agendan.

Frågan om mänsklig expertis

Ankomsten av AI-verktyg i professionella tjänster genererar alltid samma diskussion: vad händer med de personer som för närvarande utför detta arbete? I med comms, där arbetet kräver äkta vetenskaplig flytande, är svaret mer nyanserat än vad som föreslås.

Carricks synsätt är att den bindande begränsningen för mänsklig expertis i med comms inte är kunskap, utan snarare bandbredd. “Det möjliggör, det accelererar, den mänskliga expertisen i många grad”, sa hon om AI i hennes fält. “Det möjliggör den expertisen, de insikterna, den mänskliga kunskapen att delas med fler målgrupper på ett mer tidigt sätt.”

Detta synsätt överensstämmer med vad som nu framträder som en mer texturerad bild av AI:s effekter på kvalificerat kunskapsarbete. Undersökningar av läkare tyder på motståndskraft snarare än avsked, eftersom många tror att AI kommer att förändra deras arbete men inte eliminera deras roll.

Jämförelsen med medicinsk kommunikation är inte perfekt, men den strukturella likheten består: vad AI kan göra är att accelerera det rutinmässiga; vad den inte kan göra är att ersätta den vetenskapliga bedömningen, målgruppsintuitionen eller det strategiska tänkandet som definierar det högvärdesarbetet.

En studie av EPG Health fann att nästan 60% av läkemedelsrespondenterna identifierade HCP-insikt som den främsta prioriteringen för strategisk engagemang, och att medicinska vetenskapliga kontakter har övertagit Salesforce som den viktigaste kanalen för att skicka information till HCP.

Det är ett signal om att läkemedelsföretag rör sig mot mer relationsintensiva, mindre sändningsstil-kommunikationer, som kräver mer mänsklig bedömning, inte mindre – även om AI hanterar produktionslagret.

Vad skiftet faktiskt kräver

Den svårare frågan är inte om AI kommer att spela en roll i medicinsk kommunikation – det är redan avgjort. Det är om de verktyg som byggs är genuint anpassade för komplexiteten i domänen.

Carrick noterade vad Prezent kallar “fingeravtryck” – målgruppsspecifika kommunikationspreferenser som kan kodas och tillämpas när innehållet anpassas. Konceptet speglar en mer grundläggande utmaning: att målet “rätt innehåll, vid rätt tid, genom rätt kanal, till rätt målgrupp” – länge en mantra i med comms – alltid har varit mer aspirerande än operativt.

Att leverera på det kräver inte bara bra vetenskapsutskrift, utan systematisk kunskap om hur olika målgrupper bearbetar olika typer av information.

Om AI kan tillförlitligt koda den kunskapen, och om den kan göra det samtidigt som den upprätthåller den vetenskapliga noggrannheten och regulatoriska efterlevnaden som kännetecknar medicinsk kommunikation, förblir den öppna frågan.

Oavsett är det inte längre i fråga att den gamla modellen, med dess övernattningstävlingar och manuella temamigrationer, aldrig var hållbar i den takt som modern bioteknik kräver.

Problemet var synligt för praktiker i år, men verktygen för att hantera det är först nu på väg att bli livskraftiga – tack vare AI.