Что стоит за миллиардным инвестициями?
Крупнейшие фармацевтические компании мира стремительно внедряют технологии искусственного интеллекта в свою работу, вкладывая в это направление значительные средства. По данным экспертов, только компания Pfizer в 2023 году запустила внутреннюю платформу генеративного ИИ, от которой ожидает получить экономический эффект в размере от 750 миллионов до 1 миллиарда долларов.
Компания Moderna пошла еще дальше и в апреле 2024 года заключила партнерское соглашение с OpenAI. В рамках сотрудничества фармацевтический производитель начал использовать ChatGPT Enterprise во всех подразделениях - от юридического отдела до исследовательских лабораторий.
Немецкий фармацевтический концерн Merck KGaA развивает сразу несколько партнерских проектов с компаниями, специализирующимися на ИИ. Главная цель такого сотрудничества - поиск и разработка препаратов. Компания Exscientia, которая первой начала применять ИИ для поиска лекарств, сейчас работает над объединением генеративного ИИ с роботизированными лабораториями при поддержке Amazon Web Services (AWS).
По словам Дэна Ширана, генерального менеджера направления здравоохранения и медико-биологических наук AWS, руководители фармацевтических компаний часто сталкиваются с проблемой доступности данных. Несмотря на огромные массивы информации, сотрудники не могут быстро найти нужные сведения. Ситуация усложняется тем, что данные поступают из разных источников - больниц, аптек, страховых компаний и непосредственно от пациентов.
Генеративный ИИ помог решить проблему систематизации данных. Теперь технология автоматически создает метаданные для всей имеющейся информации и формирует удобные инструменты поиска, работающие по принципу поисковых систем.
Махмуд Маджид, глобальный руководитель практики цифровых технологий компании ZS, подчеркивает важность связанных данных для принятия решений. Яркий пример успешного внедрения такого подхода демонстрирует компания Sanofi, разработавшая аналитическое приложение plai. Благодаря этому инструменту время исследовательских процессов сократилось с нескольких недель до нескольких часов. Кроме того, эффективность поиска терапевтических мишеней в области иммунологии, онкологии и неврологии выросла на 20-30%.
Связанные данные позволяют фармацевтическим компаниям персонализировать взаимодействие с медицинскими работниками и лучше понимать потребности пациентов. Раньше для этого использовались традиционные модели машинного обучения, которые предлагали готовые решения на основе заранее заданных параметров. Однако такие модели оказались недостаточно гибкими и не могли учитывать индивидуальные особенности врачей.
Генеративный ИИ открыл новые возможности в этой области. Технология анализирует предпочтения медицинских работников в получении информации, изучает задаваемые ими вопросы и историю назначений, чтобы предоставлять максимально релевантные данные.
Фармацевтические компании также используют генеративный ИИ для создания маркетинговых материалов. Процесс, который раньше занимал недели, теперь выполняется за считанные минуты. При этом контент автоматически переводится на разные языки и адаптируется под требования регуляторов в разных странах.
Особые надежды специалисты возлагают на биологические модели искусственного интеллекта. По словам Ширана, сейчас существует около шести основных категорий таких моделей, каждая из которых включает от 5 до 25 разработок от университетов и коммерческих организаций.
Для защиты интеллектуальной собственности, созданной с помощью биологических моделей, используются специальные сервисы. Например, Amazon Bedrock обеспечивает полный контроль над данными и предотвращает их несанкционированное использование.
По словам Махмуда Маджида, для успешного внедрения ИИ компаниям необходимо сосредоточиться на трех ключевых факторах. Во-первых, важно точно определить проблему и критерии успеха. Во-вторых, нужно правильно оценить масштаб внедрения технологии. В-третьих, компания должна уметь быстро учиться на своих экспериментах и корректировать курс.
При этом эксперты подчеркивают, что, несмотря на все преимущества генеративного ИИ, человеческий фактор остается решающим. В некоторых случаях традиционные технологии могут работать лучше и с меньшими рисками. Поэтому важно развивать технологическую грамотность сотрудников, чтобы они могли находить оптимальные способы взаимодействия человека и ИИ.