ผู้นำทางความคิด

การเปลี่ยนแปลงสุขภาพและวิทยาศาสตร์ชีวิต โดยใช้ AI ที่น่าเชื่อถือ

mm mm
Published
Updated

ปัญญาประดิษฐ์ (AI) กำลังถูกนำมาใช้อย่างรวดเร็วในองค์กรสุขภาพและวิทยาศาสตร์ชีวิต แต่ส่วนใหญ่ขององค์กรเหล่านี้ยังไม่ได้นำ AI มาใช้ในการปรับปรุงประสิทธิภาพการทำงานในระดับองค์กร เนื่องจาก AI ในอุตสาหกรรมเหล่านี้ต้องมีคุณภาพสูงสุดในด้านความน่าเชื่อถือ ความเป็นส่วนตัว และความน่าเชื่อถือ

เครื่องมือ AI ที่ใช้โมเดลภาษาขนาดใหญ่ (LLM) มีประสิทธิภาพสูง แต่ส่วนใหญ่ของ LLM เหล่านี้ไม่ได้ออกแบบมาเพื่อรองรับความต้องการของการดำเนินงานสุขภาพและวิทยาศาสตร์ชีวิต พวกมันสามารถสร้างผลลัพธ์ที่ไม่สอดคล้องกัน และประสิทธิภาพสามารถเปลี่ยนแปลงได้เมื่อข้อมูลและบริบทเปลี่ยนแปลง AI ทั่วไปได้รับการฝึกอบรมจากข้อมูลที่กว้างขวางและเปิดเผย ซึ่งมีการดูแลทางการแพทย์ที่จำกัด และไม่ได้ออกแบบมาเพื่อรองรับข้อกำหนดทางการแพทย์ วิทยาศาสตร์ หรือการกำกับดูแล

ปัญหาเหล่านี้ไม่สามารถยอมรับได้ในการดำเนินงานที่การตัดสินใจมีผลกระทบไม่เพียงแต่ทางการเงิน แต่ยังมีผลกระทบทางคลินิก วิทยาศาสตร์ กฎหมาย และสุดท้ายคือผลกระทบต่อมนุษย์

สรุปคือ ต้องการ AI ที่มีคุณภาพสูงกว่า หากองค์กรสุขภาพและวิทยาศาสตร์ชีวิตต้องการใช้ AI เพื่อเปลี่ยนแปลงการดำเนินงานเชิงพาณิชย์และการกำกับดูแล พวกเขาต้องการ AI ที่น่าเชื่อถือ

สิ่งที่ต้องการในการสร้าง AI ที่น่าเชื่อถือ

AI ที่น่าเชื่อถือจะสร้างผลลัพธ์ที่เชื่อถือได้ ทำงานอย่างต่อเนื่องเมื่อข้อมูลเปลี่ยนแปลง และมีการปฏิบัติตามกฎระเบียบและสามารถป้องกันได้

การบรรลุเป้าหมายนี้ต้องการทั้งความเชี่ยวชาญด้านวิทยาศาสตร์และเทคนิค รวมถึงแนวทางที่เข้มงวดซึ่งพิจารณาทุกด้านของการออกแบบ AI ที่รับผิดชอบ การใช้งานและการตรวจสอบ AI อย่างไรในทางปฏิบัติ?

ขั้นตอนแรกคือการทำความเข้าใจวัตถุประสงค์สุดท้าย: วัตถุประสงค์ของผู้ใช้สุดท้ายที่ AI ต้องตอบสนองคืออะไร และความสำเร็จหมายถึงอะไร? สิ่งนี้เกี่ยวข้องกับการทำความเข้าใจบทบาทของผู้ที่จะใช้ AI วิธีการทำงานและเป้าหมายเชิงพาณิชย์ที่พวกเขาต้องการบรรลุหรือข้อกำหนดการกำกับดูแลที่พวกเขาต้องปฏิบัติตาม

รายละเอียดเหล่านี้จะช่วยให้การตัดสินใจทางเทคนิคที่สำคัญ เช่น การเลือกโมเดลที่เหมาะสมสำหรับ AI การออกแบบเฟรมเวิร์กการตรวจสอบ และการกำหนดมาตรวัดที่จะวัดผลการทำงานของ AI

ระบบ AI ที่น่าเชื่อถือยังพิจารณาผู้เชี่ยวชาญในวงจรการออกแบบตั้งแต่เริ่มต้น ไม่ใช่ภายหลัง สิ่งนี้เกี่ยวข้องกับการใช้ผู้เชี่ยวชาญด้านมนุษย์ รวมถึงผู้เชี่ยวชาญด้านการแพทย์ วิทยาศาสตร์ กฎหมาย และพาณิชย์ เพื่อช่วยให้แน่ใจว่า AI ได้รับการออกแบบและใช้งานอย่างถูกต้อง และพิจารณาว่า AI จะส่งผลกระทบต่อการทำงานของผู้ใช้สุดท้ายอย่างไร

แน่นอนว่าความน่าเชื่อถือไม่ได้รับเพียงในช่วงการออกแบบเท่านั้น แต่ต้องคงไว้ตลอดอายุการใช้งานของ AI ระบบ เช่น AI Data Flywheel หรือการเรียนรู้แบบเสริมที่อัปเดตโมเดลใหม่ด้วยข้อมูลใหม่เพื่อรักษาความถูกต้องและน่าเชื่อถือของ AI ช่วยให้ AI ยังคงเกี่ยวข้อง ถูกต้อง และน่าเชื่อถือ การเรียนรู้แบบเสริมและเครื่องมือช่วยเหลือที่เขียนไว้ใน AI สามารถช่วยให้ AI ยังคงทำงานตามที่กำหนดไว้ภายในขอบเขตที่กำหนด

การประยุกต์ใช้จริง

AI ได้รับการยอมรับและเชื่อถือแล้ว และมีผลกระทบต่อกรณีการใช้งานจริงสำหรับบริษัทวิทยาศาสตร์ชีวิตที่ใหญ่ที่สุดในโลก

ในกรณีหนึ่ง บริษัทเภสัชกรรมชั้นนำต้องการปรับปรุงวิธีการมีส่วนร่วมกับผู้เชี่ยวชาญด้านสุขภาพ (HCP) ในหลายยี่ห้อและตลาด ความสามารถของบริษัทในการมีส่วนร่วมกับ HCP และ tối ưu化กลยุทธ์การตลาดถูกขัดขวางโดยความท้าทาย เช่น ปัญหาในการจัดการข้อมูล การขาดข้อมูลลูกค้า และความยากลำบากในการปรับตัว

บริษัทได้ใช้โซลูชันการมีส่วนร่วมแบบ omnichannel ซึ่งรวมสัญญาณการคาดการณ์สำหรับการมีส่วนร่วมของ HCP และคำแนะนำ “การดำเนินการถัดไปที่ดีที่สุด” ซึ่งช่วยให้ทีมตัดสินใจว่าจะจัดลำดับความสำคัญของการเข้าถึงและดำเนินการตามขั้นตอนต่อไปอย่างไร บริษัทได้เห็นการปรับปรุงที่ดีขึ้นสี่เท่าในการระบุผู้ป่วยที่มีคุณค่าสูง และเพิ่มขึ้น 20% และ 36% ในการเริ่มต้นผู้ป่วยใหม่สำหรับสองยี่ห้อของพวกเขา

ตัวอย่างอื่นคือการตรวจสอบวรรณกรรมที่จำเป็นสำหรับการพัฒนายา การดำเนินการตรวจสอบเหล่านี้อาจใช้เวลาหลายเดือนและต้องการความเชี่ยวชาญด้านโดเมนอย่างลึกซึ้ง การวางแผนอย่างรอบคอบ ความพยายามด้านการทำงานมาก และอื่นๆ พวกเขายังสามารถยากต่อการปรับขนาดและเสี่ยงต่อข้อผิดพลาด

โซลูชัน AI สามารถทำให้การตรวจสอบวรรณกรรมส่วนใหญ่自动化ได้ ตั้งแต่การพัฒนาโพรโทคอลไปจนถึงการค้นหาและการกรองข้อมูล การ추출ข้อมูลและการวิเคราะห์ และการรายงาน สำหรับงานใดๆ ที่ AI ดำเนินการ นักวิจัยหรือคนอื่นๆ สามารถตรวจสอบตรรกะเบื้องหลังการตัดสินใจแต่ละครั้งได้

ตอนนี้ด้วย AI การตรวจสอบที่ใช้เวลาหลายเดือนสามารถเสร็จสิ้นได้ภายในไม่กี่วันและมีข้อผิดพลาดน้อยลง ในกรณีหนึ่ง โซลูชัน AI ช่วยให้บริษัทเภสัชกรรมขนาดใหญ่ บรรลุ การกรองเบื้องต้นสำหรับการตรวจสอบวรรณกรรมทางวิทยาศาสตร์เร็วขึ้นเจ็ดเท่าเมื่อเทียบกับกระบวนการด้วยมือแบบดั้งเดิม ซึ่งลดเวลาในการกรองจาก 20 วันเหลือ不到สามวัน

AI ยังสร้างโอกาสใหม่ๆ ในสาขานี้ ตัวอย่างเช่น มันทำให้บริษัทต่างๆ สามารถสร้าง “การตรวจสอบแบบไดนามิก” ที่สามารถอัปเดตได้อย่างต่อเนื่องด้วยข้อมูลที่เผยแพร่ล่าสุด

การทำงานร่วมกันคือสิ่งจำเป็น

การสร้างโซลูชัน AI ที่น่าเชื่อถือสำหรับสุขภาพและวิทยาศาสตร์ชีวิตต้องใช้การผสมผสานความเชี่ยวชาญที่ไม่มีองค์กรใดสามารถให้ได้เพียงอย่างเดียว ซึ่งเป็นเหตุผลที่บริษัทที่มีใจเดียวกันกำลังร่วมมือกัน โดยนำความรู้ด้านเทคนิคและโดเมน以及ความสามารถที่จำเป็นในการสร้างระบบ AI ที่สมบูรณ์และผ่านการตรวจสอบซึ่งสามารถขยายได้ทั้งกระบวนการทำงานที่มีการควบคุมและเชิงพาณิชย์

คู่ค้าที่เหมาะสมทางเทคนิค เช่น นำความลึกทางวิศวกรรมและประสบการณ์ที่กว้างขวางในการใช้งานและจัดการ AI ในระดับองค์กร มอบโมเดลที่เปิดกว้างเพื่อให้ความโปร่งใสที่ AI ที่น่าเชื่อถือต้องการ และส่วนประกอบซอฟต์แวร์ที่ช่วยให้การสร้างโซลูชัน AI เร็วขึ้น ประสบการณ์ของพวกเขาในการสร้างโซลูชัน AI ระดับองค์กรที่น่าเชื่อถือสำหรับอุตสาหกรรมอื่นๆ ช่วยให้พวกเขา预 đoánความท้าทายและเสริมสร้างการออกแบบ

ทางด้านโดเมน ผู้ร่วมงานที่มีประสิทธิภาพนำความเชี่ยวชาญด้านการพัฒนาทางคลินิกและเชิงพาณิชย์ที่ลึกซึ้ง และประวัติที่พิสูจน์แล้วในการสร้างโซลูชัน AI ที่น่าเชื่อถือ พวกเขามีส่วนผสมที่จำเป็นในการสร้างโซลูชันเหล่านี้ เช่น ความเชี่ยวชาญด้านวิทยาศาสตร์ข้อมูล ความรู้ด้านกฎระเบียบ และประวัติการใช้ข้อมูลอย่างปลอดภัยและรับผิดชอบ แต่พวกเขายังสามารถให้การสนับสนุนการปรับใช้ AI ได้ ตั้งแต่ความเต็มใจที่จะท้าทายมาตรฐานสาธารณะเพื่อให้แน่ใจว่าโซลูชัน AI ทำงานตามที่คาดหวัง ไปจนถึงทรัพยากร เช่น วิศวกรที่ถูกส่งไปข้างหน้าซึ่งสามารถช่วยรวมโซลูชัน AI เข้ากับกระบวนการทำงานของผู้ใช้สุดท้าย โดยคำนึงถึงการกำหนดค่าระบบ IT และนโยบายที่เป็นเอกลักษณ์ของผู้ใช้สุดท้าย

การเปลี่ยนแปลงวิธีการทำงาน

AI ไม่ใช่เพียงเครื่องมืออื่นสำหรับองค์กรสุขภาพและวิทยาศาสตร์ชีวิต การทำ AI ให้ถูกต้องสามารถเปลี่ยนแปลงวิธีการทำงานและวิธีแก้ปัญหา AI ที่น่าเชื่อถือได้พิสูจน์แล้วว่าสามารถย่นระยะเวลา ลดข้อผิดพลาด และช่วยให้ทีมสามารถจัดการกับความท้าทายที่ซับซ้อนได้อย่างคล่องตัว โดยการสร้างกระบวนการทำงานใหม่สำหรับยุค AI

เมื่อ AI เปลี่ยนจากการสร้างข้อมูลเชิงลึกไปสู่การตัดสินใจและการดำเนินกระบวนการทำงานที่ซับซ้อน องค์กรที่ยอมรับการพัฒนานี้จะสามารถปลดปล่อยรูปแบบการดำเนินงานใหม่ที่ทำให้พวกเขาได้รับประสิทธิภาพที่ดีขึ้น มีข้อมูลมากขึ้น และตอบสนองต่อความต้องการที่เปลี่ยนแปลงอย่างรวดเร็วในด้านสุขภาพและวิทยาศาสตร์ชีวิตได้ดีขึ้น

mm

คาลดูน เป็นหัวหน้าเทคโนโลยี AI ทั่วโลกสำหรับพอร์ตโฟลิโอ Applied AI Science ใน Real World Evidence ที่ IQVIA และมีประสบการณ์มากกว่า 20 ปีในการสร้างผลิตภัณฑ์ขนาดอินเทอร์เน็ตที่ใช้โดยคนหลายล้านทุกวัน คาลดูน ได้รับแรงบันดาลใจจากภารกิจของ IQVIA ในการเร่งนวัตกรรมเพื่อโลกที่มีสุขภาพดีขึ้น และในบทบาทปัจจุบันของเขา เขาเป็นผู้นำด้านกลยุทธ์ AI การวิจัย AI ที่ใช้จริง และการพัฒนาผลิตภัณฑ์ AI ทั่วทั้ง Healthcare, Life Sciences และรัฐบาล คาลดูน มาจาก Nuance Communications (ตอนนี้เป็นบริษัทในกลุ่ม Microsoft) ซึ่งเขาได้รับตำแหน่งผู้นำที่ก้าวหน้าและเปิดตัวหนึ่งในผู้ช่วยพูดเสมือนแรกและใหญ่ที่สุดในโลกสำหรับโทรศัพท์มือถือและรถยนต์

mm

Raghav Mani is the Director of Digital Health, focused on building agentic AI products and platforms for providers, payors and pharma. Prior to NVIDIA, Raghav worked at Epic, where he led different product and engineering teams including their Deep Learning team and their patient engagement platform called MyChart. He holds a bachelor’s degree from Indian Institute of Technology in Madras and a master's degree from Texas A&M University.