Вузьке місце медичних комунікацій: чому AI береться за комунікаційну проблему фармацевтичної галузі

Медична комунікація завжди працювала під тиском: біофармацевтичні компанії генерують величезну кількість клінічних даних – результати клінічних досліджень, дані реального світу, оновлення безпеки – які повинні одночасно досягати кількох аудиторій, включаючи спеціалістів-лікарів, лікарів первинної ланки, фахівців із науково-медичних зв’язків (MSL), платників, опікунів і пацієнтів.

Кожна аудиторія вимагає різного підходу, мови та рівня технічної глибини. Проте протягом десятиліть люди, відповідальні за зв’язок між цими аудиторіями – кваліфіковані фахівці з наукової комунікації в агентствах із медичних питань – витрачали велику частину свого робочого часу не на осмислення, а на переформатування.

Переміщення вмісту слайдів з одного конгресового шаблону в інший, перебудова презентацій для різних аудиторій та виконання цього вручну часто за ніч у стислі терміни. “Ми робили всі ці завдання для клієнтів, але часто ми також витрачали багато часу на збір презентації та перенесення речей з одного шаблону в інший”, сказала Франсін Каррік, науковиця зі ступенем PhD, яка пропрацювала 22 роки в медичній комунікації.

“Ми мріяли про рішення, яке могло б перекласти цю науку для нас”, додала вона.

Каррік недавно приєдналася до платформи презентацій AI Prezent як президентка Prezent Vivo, який поєднує спеціально розроблений AI та експертів для підтримки екосистеми комунікацій у сфері наук про життя – включаючи як біофармацевтику, так і партнерські агентства компанії.

Проблема, яку вона описує, не є вузькою; вона знаходиться на перетині двох чинників, які зараз добре задокументовані в галузі. З одного боку, майже 8 з 10 фахівців охорони здоров’я отримують більший обсяг інформації від фармацевтичних компаній, ніж до COVID-19, і 77% вважають, що обсяг цифрових комунікацій вже занадто великий.

З іншого боку, фармацевтичні компанії борються з доставкою персоналізованого, актуального контенту, який потрібен фахівцям охорони здоров’я, частково через те, що старі системи не мають гнучкості для підтримки просунутої персоналізації у великих масштабах. Контент-пайплайн перевантажений з обох кінців: надто багато контенту генерується, і надто мало з нього діє ефективно.

Проблема модульного контенту

Запропонованим галуззю розв’язанням цієї проблеми вже давно є “модульний контент” – ідея розділення наукової інформації на повторно використовувані компоненти, які можна зібрати по-різному для різних аудиторій.

У теорії це елегантно, але на практиці великі мовні моделі зараз використовуються для підготовки рукописів, конденсації наборів даних реального світу в резюме та розробки модулів для навчання фахівців охорони здоров’я – інструментів, які до недавнього часу існували лише як підтвердження працездатності концепції.

Каррік формулює основну проблему у простих термінах: “Спосіб, яким ми презентуємо інформацію академічному лікарю, лікарю первинної ланки, опікуну чи пацієнту, дуже, дуже різний”, підкреслила вона.

“У традиційній моделі взяття цієї інформації та її персоналізація були дуже трудомісткими та займали багато часу”. Іншими словами, вузьке місце було не у знаннях фахівців, а в доступній робочій спроможності – більше даних надходило швидше, ніж команди могли вручну перепакувати їх.

Після масштабної експериментальної роботи з AI у 2024 році компанії під тиском повинні показати реальні результати від своїх інвестицій в AI, що сприяє прийняттю вертикальних рішень AI, спеціально розроблених для конкретних робочих процесів.

Це саме той аргумент, який Prezent висуває зі своїм агентом Astrid AI: система, побудована спеціально для наук про життя, навчена на вимогах дотримання законодавства, регулювання та наукової термінології біофармацевтики, буде працювати краще, ніж загальна система, адаптована для галузі.

Питання спеціалізації

Чи контекст наук про життя справді вимагає спеціально розробленого AI, чи це лише маркетингове позиціонування для конкурентного ринку, є легітимним питанням.

Однак зрозуміло, що FDA уважно слідкує за цим. Після публікації директив у 2025 році щодо використання AI для підтримки регуляторних рішень щодо лікарських засобів та біологічних продуктів, вони отримали понад 500 заяв, що містять компоненти AI. Така регуляторна увага створює реальну аргументацію на користь інструментів AI, у яких відповідність нормативним вимогам закладена від початку, а не додана шляхом адаптації: ризик помилки в регульованій сфері якісно відрізняється від ризику помилки, наприклад, у маркетинговому матеріалі.

Ширший ринок AI у сфері охорони здоров’я відображає зростаючу впевненість: очікується, що глобальний ринок AI у сфері охорони здоров’я зросте з 26,6 млрд доларів США у 2024 році до 187,7 млрд доларів США до 2030 року, при цьому галузь вже розгортає AI більш ніж у два рази швидше, ніж широка економіка.

У цьому контексті фармацевтичні та біотехнологічні компанії залишаються найбільш орієнтованими на дослідження та розробки, при цьому 54% віддають пріоритет інноваціям та розробці лікарських засобів, хоча комерційні операції – включаючи комунікації – все частіше потрапляють до порядку денного.

Питання людської експертизи

Прихід інструментів AI у професійні послуги завжди генерує одну й ту ж розмову: що відбувається з людьми, які зараз виконують цю роботу? У медичній комунікації, де робота вимагає справжньої наукової грамотності, відповідь має більше нюансів, ніж передбачає уявлення про заміщення людей.

Каррік вважає, що обмеження людської експертизи в медичній комунікації не полягає у знаннях, а в доступній робочій спроможності. “Воно дає змогу використовувати людську експертизу й у багатьох аспектах прискорює її застосування”, сказала вона про AI у своїй галузі. “Воно дає змогу ділитися цією експертизою, цими ідеями та людськими знаннями з більшою кількістю аудиторій у доречніший час”.

Ця точка зору збігається з тим, що зараз виходить як більш багатогранна картина впливу AI на кваліфіковану інтелектуальну працю. Опитування лікарів свідчать про стійкість замість заміщення, оскільки багато хто вважає, що AI змінить їхню роботу, але не ліквідує їхню роль.

Аналогія до медичної комунікації не ідеальна, але структурна подібність залишається: те, що AI зараз може виконувати, це прискорення рутинної роботи; те, чого воно не може зробити, це замінити наукове судження, інтуїтивне розуміння аудиторії чи стратегічне мислення, яке визначає високоцінну роботу.

Дослідження EPG Health виявило, що майже 60% респондентів з фармацевтичної галузі ідентифікували розуміння потреб і поглядів фахівців охорони здоров’я як головний пріоритет для стратегічного залучення, і що фахівці з науково-медичних зв’язків (MSL) випередили відділи продажів як найважливіший канал для надсилання інформації до фахівців охорони здоров’я.

Це сигнал про те, що фармацевтика рухається у напрямку комунікацій, більш орієнтованих на відносини та менш — на масове мовлення, які вимагають більше людського судження, а не менше – навіть якщо AI обробляє виробничий рівень.

Що насправді вимагає цей зсув

Більш складне питання не полягає в тому, чи буде AI грати роль у медичній комунікації – це вже вирішено. А в тому, чи інструменти, які зараз будуються, справді підходять для складності галузі.

Каррік відзначила те, що Prezent називає “відбитками пальців” – комунікаційні вподобання, специфічні для окремих аудиторій, які можна закодувати та застосувати при адаптації контенту. Ця концепція відображає більш фундаментальну проблему: мета “правильного контенту, у правильний час, через правильний канал, до правильної аудиторії” – довгий час мантра медичної комунікації – завжди була радше прагненням, ніж операційною реальністю.

Досягнення цієї мети вимагає не тільки доброї наукової писемності, а й систематичних знань про те, як різні аудиторії обробляють різні типи інформації.

Чи AI може надійно закодувати ці знання, і чи може воно зробити це, зберігаючи наукову точність та відповідність вимогам законодавства, які відрізняють медичну комунікацію від інших галузей контенту, залишається відкритим питанням.

Незалежно від цього вже не викликає сумнівів те, що стара модель, з її нічними марафонами форматування та ручними міграціями шаблонів, ніколи не була сталою при темпі, який сучасна біофармацевтика вимагає.

Проблема була видна фахівцям протягом років, але інструменти для її вирішення тільки зараз стають життєздатними – завдяки AI.