Udnyttelse af generativ AI på AWS til at transformere biovidenskab – IBM Blog

Det eksponentielle spring ind generativ AI transformerer allerede mange industrier: optimering af arbejdsgange, hjælper menneskelige teams med at fokusere på værditilvækst opgaver og accelerere time to market. Life science-industrien er begyndt at lægge mærke til det og sigter mod at springe over de teknologiske fremskridt. Biovidenskabsindustrien har - i årtier nu - flyttet sig fra den traditionelle opdagelsesbaserede lægemiddeludvikling til at målrette mod markedsbaseret lægemiddeludviklingsparadigme. Alligevel er det belastet af lange F&U-cyklusser og arbejdskrævende kliniske, fremstillings- og overholdelsesregimer.

Industrien er under et enormt pres for at accelerere udviklingen af ​​lægemidler til en optimal pris, automatisere tids- og arbejdskrævende opgaver såsom oprettelse af dokumenter eller rapporter for at bevare medarbejdernes moral og fremskynde leveringen. Med BioPharma- og Medical Device-organisationer, der i stigende grad vedtager digitale transformations- og engagementsstrategier – kombineret med paradigmeskiftet forårsaget af Covid19-pandemien – oplever industrien en eksplosion af digitale data, der skabes i de kommercielle, forsyningskæde-, kliniske og lægemiddelovervågningsområder. værdikæde, og såvel som i andre virksomheds forretningsfunktioner.

Disse digitale data kommer til industrien i forskellige formater, såsom ustruktureret tekst, billeder, PDF'er og e-mails. Eksplosionen i digitale data – i kombination med den faldende tilgængelighed af dygtige og villige menneskelige ressourcer til at indtage og behandle de digitale data på en kompatibel måde – tvinger biovidenskabsorganisationer til at udforske AI, maskinlæring og nu generative AI-teknologier. Nogle eksempler på potentielle use cases for generativ AI i biovidenskab omfatter, men er ikke begrænset til:

• AI for Medical Legal Review (MLR): Stigende globalisering og eksponentiel vækst i digitale marketingteknikker har lagt pres på den allerede komplekse, tidskrævende og udfordrende proces. generativ AI har potentialet til at behandle digitalt indhold i stor skala og producere et effektivt MLR-output, som derefter kan udnyttes af det menneskelige marketingteam, hvilket accelererer og forenkler processen.
• AI til generering af kliniske undersøgelsesrapporter (CSR): Generativ AI har potentialet til at skabe en "første forsøg"-rapport, som kan opveje 80 % af menneskelig indsats, accelerere processen, bringe konsistens og frigøre værdifuld båndbredde til andre højværdiopgaver.
• Adverse Event (AE) Narrativ generering: Denne stærkt regulerede, tidskrævende opgave med at generere en fortælling om uønskede hændelser kræver stærkt regulerede forretningsfunktioner og højtuddannede roller inden for biovidenskabelige organisationer og kræver koordinering af manuelle, nogle gange kedelige, opgaver, der kan give potentielt unøjagtige eller inkonsistente resultater. Udnyttelse af generativ AI til at øge menneskelige teamkapaciteter giver kunderne mulighed for at reducere omkostningerne med 30%-50%, samtidig med at tiden til markedet i forbindelse med denne proces accelereres med mindst 50% og forbedre skalerbarheden, kvaliteten og konsistensen af ​​genererede rapporter.
• Fremskynde design af mRNA-medicin: Moderna, som har udnyttet maskinlæring og kunstig intelligens til at fremme feltet af messenger RNA (mRNA) for at skabe en mangfoldig klinisk portefølje af vacciner og terapeutika på tværs af syv modaliteter, er samarbejde med IBM at udnytte generativ AI til at designe mRNA-medicin med optimal sikkerhed og ydeevne.

Andre anvendelsesmuligheder, hvor generative AI-modeller kan hjælpe biovidenskabelige organisationer med at frigøre konkurrencefordele, er:

• Resumé: call center-interaktioner, dokumenter såsom finansielle rapporter, analytikerartikler, e-mails, nyheder, medietrends og mere.
• Samtaleviden: Anmeldelser, vidensbase, produktbeskrivelser og mere.
• Oprettelse af indhold: Personas, brugerhistorier, syntetiske data, generering af billeder, personlig brugergrænseflade, marketingkopiering, e-mail og sociale svar og mere.
• Kodeoprettelse: Kode co-pilot, kodekonvertering, oprette teknisk dokumentation, testcases og meget mere.
• Forskning & Udvikling: Opdagelse og udvikling af lægemidler, skabelse og gennemgang af kvalitetsindhold, kvalitet og regulatorisk intelligens, generering af AE Narrative, intelligente indsendelser, generering af syntetiske data.
• Kommerciel: Oprettelse af markedsføringsindhold, patientoplevelse, repræsentation og træning af salgsaktivering og videnshub.
• Menneskelige ressourcer: Opret cob-beskrivelser, færdighedskrav, opret interviewspørgsmål fra en jobbeskrivelse, vurder kandidater i forhold til en jobspecifikation, lærings- og undervisningsassistent, quizzer, oprettelse af indhold og mere.
• Produktion: Kvalitetskontrol og inspektion, operatør / laboratorieteknologisk træning samtalesøgning gennem SOP'er, indholdsoprettelse og mere.
• Forsyningskæde: Efterspørgselsprognose, forsyningskædeoptimering, risikovurdering og afbødning.

Vi mener, at udnyttelse af generativ AI-automatisering kan skabe fordele inden for biovidenskab – inklusive i regulerede domæner – og reducere cyklustider for at skabe AE-fortællinger med mindst 50 %, baseret på arbejde udført af IBM Consulting og Pharmacovigilance-gruppen på en global BioPharma Selskab.

I dette blogindlæg vil vi vise, hvordan IBM Consulting samarbejder med AWS og udnytter Large Language Models (LLM'er) på IBM Consultings generative AI-Automation platform (ATOM), for at skabe branchebevidste, life science domænetrænede fundamentmodeller til generere første udkast til de fortællende dokumenter med det formål at hjælpe menneskelige teams.

Hvorfor IBM Consulting for generativ AI på AWS?

I mere end et årti har IBM Consulting hjulpet kunder med at drive værdi igennem AI, machine learning og automationsløsninger til at optimere forretningsprocesser og it-drift på tværs af brancher. For nylig har IBM Consulting indgået partnerskaber med virksomheder for at implementere fundamentmodeller til genforstå kernearbejdsgange og realisere værdi— at reducere omkostninger, ekspeditionstid og forbedre produktiviteten og er forpligtet til at hjælpe virksomheder med at navigere og frigøre værdi fra de seismiske ændringer drevet af kunstig intelligens. Med det i tankerne annoncerede IBM Consulting for nylig en generativ AI Center of Excellence med mere end 1000 konsulenter, der er dygtige i generativ AI og acceleratorværktøjssæt, der er specialbygget til fundamentmodeller og LLM'er; gennem dette hjælper IBM Consulting virksomheder med at udvikle og implementere generative AI-modeller i produktionskvalitet.

IBM er en Premier Consulting Partner for AWS med mere end 20 AWS-certificerede fagfolk over hele kloden, 16 servicevalideringer og 16 AWS-kompetencer, hvilket bliver den hurtigste globale GSI til at sikre flere AWS-kompetencer og certificeringer blandt top-16 AWS Premier GSI'er inden for 18 måneder. Ved re: Invent 2022, IBM Consulting blev præmieret og Årets globale innovationspartner og Årets GSI-partner for Latinamerika, cementerer klienten og AWS tillid til IBM Consulting som den foretrukne partner, når det kommer til AWS.

I AI-domænet har IBM mere end 21 dataforskere, AI-ingeniører og konsulenter og har udført mere end 40 AI- og analyseopgaver. Men med stor magt følger et stort ansvar, og det gælder især for generativ AI. IBM Consulting har kørt en ansvarlig og etisk tilgang til AI i mere end fem år nu, hovedsageligt fokuseret på disse fem grundlæggende principper:

1. Forklarlighed: Hvordan en AI-model kommer frem til en beslutning, bør kunne forstås, med human-in-the-loop-systemer, der tilføjer mere troværdighed og hjælper med at mindske overholdelsesrisici.
2. Fairness: AI-modeller bør behandle alle grupper lige.
3. Robusthed: AI-systemer skal kunne modstå angreb på træningsdataene.
4. Gennemsigtighed: Alle relevante aspekter af et AI-system bør være tilgængelige for offentligheden til evaluering.
5. Privatliv: De data, der bruges i AI-systemer, skal være sikre, og når disse data tilhører en person, skal den enkelte forstå, hvordan de bliver brugt.

IBM hjælper flere life science-enheder med at implementere AI på en ansvarlig og troværdig måde på tværs af flere funktioner. IBM har samarbejdet med Johnson & Johnson for at fundamentalt genoverveje deres talentstrategi bruge AI-baseret færdighedsudledning på en ansvarlig måde og levere transformation i skala for applikationsobservabilitet ved hjælp af AIOP'er.

For at hjælpe biovidenskabsorganisationer med at følge GxP-retningslinjer og regulativer, når de udvikler eller fremstiller lægemidler og medicinsk udstyr, udnytter IBM Consulting sin store GxP-erfaring og AWS bedste praksis omkring GxP, HIPAA og andre compliance-programmer at levere kompatible, regulerede, validerede og sikre løsninger.

Hvordan bygger man en generativ AI-pipeline i AWS til narrativ generering?

I øjeblikket er det at skabe fortællinger om uønskede hændelser en intensiv manuel proces i sundhedsvæsenet. Når en uønsket hændelse er rapporteret, læser og behandler kliniske teams og sikkerhedsteam manuelt adskillige detaljer - patientens aktuelle og historiske helbreds- og medicinske oplysninger, hændelsesdataene og mere - og skriver manuelt en detaljeret rapport, som det er nødvendigt af de regulerende myndigheder. Med fremkomsten af ​​generativ kunstig intelligens tror vi, at disse processer kan udvides for at frigøre kapacitet for kliniske teams og sikkerhedsteams til at skifte til opgaver af højere værdi, såsom gennemgang af fortællingerne samt gøre det muligt for teamene at fokusere på mere komplekse opgaver.

Vi undersøgte flere muligheder for opgaven med at generere fortællinger om uønskede hændelser ved hjælp af generativ AI. I sidste ende er en af ​​de KrammerFace Store sprogmodeller på Amazon Sagemaker JumpStart blev valgt til at bygge fortællingerne om uønskede hændelser af flere årsager: den har en tilladelig licens, der tillader kommerciel brug, klare model-/datakort til kildemodellen, der kan forklare dens dataafstamning, evnen til at finjustere modellen i Sagemaker Jumpstart, og robust evne til at generere fortællende tekst med uønskede hændelser med minimal mængde finjustering.

Pipeline på højt niveau for denne proces er vist i figur 1. Vi startede med at forberede de proprietære strukturerede data til at rense og gøre dem klar i et format, så de kan passere inden for prompter til finjustering og konklusioner. Den store sprogmodel blev derefter finjusteret Amazon Sagemaker på et træningsdatasæt med mere end 500 registreringer, der beskriver patientens helbredsoplysninger, bivirkninger og medicinske oplysninger ved hjælp af pipeline vist nedenfor. Amazon Sagemaker er en optimal platform for generativ kunstig intelligens på grund af adskillige indbyggede funktionaliteter (evne til at vælge modeller fra et katalog, ingen kodetilgang til at træne modeller, funktionaliteter til at opsætte yderligere pipelines og monitor). Når den var finjusteret, blev den installerede model brugt at konkludere på en testdata for at skabe AE-fortællingerne (se figur 2 for en prøve). Derudover validerede teamet af eksperter i sikkerhed og kliniske emner den narrative generation ved hjælp af jordsandhedsdokumenter og analyserede dem manuelt for at sikre, at den generative AI-Automation-pipeline var pålidelig og ikke udsat for hallucinationer.

Ud over dette lancerede IBM Consulting for nylig watsonx.data på AWS, et åbent, hybridt, styret datalager, der hjælper virksomheder med at skalere analyser og kunstig intelligens. IBM Consulting samarbejder også med AWS for at integrere det kommende Amazonas grundfjeld, en fuldt administreret tjeneste, der gør FM'er fra førende AI-startups og Amazon tilgængelige via en API til ATOM for at hjælpe kunder med at opbygge og skalere generative AI-brugscases, mens styrkelse af cybersikkerhed og overholdelse.

Forretningsværdi

Som pr FAERS database, er antallet af rapporterede AE'er vokset 2.5x på 10 år, fra 2012 til 2022. Uanset mængder skal virksomheder rapportere disse hændelser hurtigt til regulatorer og handle hurtigt på sikkerhedssignaler. Byrden fra voksende begivenhedsmængder afspejles i budgetter, der forventes at vokse fra anslået 4 milliarder USD i 2017 til over 6 milliarder i 2020.

Ifølge en top 10 større amerikansk baseret life science-kunde, som IBM Consulting i øjeblikket arbejder med, har udnyttelse af generativ AI på en kompatibel og ansvarlig måde potentialet til at reducere det manuelle arbejde for at oprette AE-rapporter med 50 %. At kombinere det med en AI-drevet, menneskelig oversættelsesløsning, kan yderligere optimere driftsomkostningerne og frigøre værdifulde menneskelige teams til at fokusere på værdiskabende opgaver.

Som et nik til den voksende brug af maskinlæring i biovidenskab, har FDA nu ryddet mere end 500 medicinske algoritmer der er kommercielt tilgængelige i USA. Mere end halvdelen af ​​algoritmerne på det amerikanske marked blev godkendt mellem 2019 og 2022, med mere end 300 apps på kun fire år. Alene i oktober 2022 godkendte FDA 178 nye AI/ML-systemer, et antal, der forventes at vokse hurtigt i fremtiden.

Dette momentum skaber en enorm forretningsværdi for life science-kunder, der ønsker at innovere på tværs af værdikæden ved at udnytte banebrydende teknologier som generativ AI.

Hvordan IBM Consulting kan støtte kunder på deres rejse til at udnytte Foundation Models?

IBM Consulting har ekspertisen og erfaringen til at støtte kunder med varierende grad af modenhed på deres generative AI-rejse. På et højt niveau udnytter IBM Consulting følgende søjler til at møde kunderne, hvor de er:

• Generativ AI-strategi og Center of Excellence-opsætning: Standardiseret konsulentarbejde til at informere, engagere, opdage og vurdere nye use cases for funderingsmodeller.
• Foundation Model Hackathon: Et 2-dages hackathon til idé og prototype af innovative AI-løsninger til specifikke use case-domæner – ved at udnytte standard cloud API'er eller open source-fundamentmodeller (GPT, BERT og andre).
• Jumpstart til foundation model: Udnyt IBM Garage til at sætte gang i brugen af ​​fundamentmodeller og implementere dokumenterede IBM use cases på 6-8 uger på tværs af forskellige domæner.
• Samskabelse, samarbejde og generativ AI @ Skala: Design- og implementeringstjenester til prototyping og opbygning af effektive forretningsløsninger (f.eks. virtuelle assistenter og videnhubs), der udnytter kommercielle eller open source-fundamentmodeller.
• Skræddersyede foundation modeller: Udnyt originale innovationer fra IBM Research, AWS og andre kilder på grundmodeller for specialiserede domæner (kemi, materialevidenskab og sensordatabehandling) til at adressere skræddersyede domænespecifikke use cases.
• Fondsmodelstyring, FMOps: Opsæt den nødvendige organisatoriske og tekniske styring til at skalere fundamentmodeller på tværs af virksomheden ved hjælp af IBM Consultings AI@Scale-metode.

Konklusion

Virksomheder på tværs af brancher står i øjeblikket over for et betydeligt pres for at indføre generativ kunstig intelligens hurtigt og demonstrere værdi. Med mere end 40 AI og analytics engagementer verden over er IBM Consulting konsekvent blevet rangeret som en leder af flere analytikere. IBM Consulting er forpligtet til at hjælpe biovidenskabelige virksomheder med at navigere og realisere værdien fra generativ AI gennem den nyligt annoncerede generative AI CoE, en fordybende rådgivningsproces som f.eks. IBM garage og acceleratorer som ATOM. Kunder har brug for en pålidelig, erfaren og dygtig partner til at hjælpe dem på deres generative AI-rejse, og IBM Consulting er klar til at hjælpe dem ved at møde dem, hvor de er.

Få mere at vide om IBM Security Services til AWS