Nutzung generativer KI auf AWS zur Transformation der Biowissenschaften – IBM Blog

Der exponentielle Sprung hinein generative KI verändert bereits viele Branchen: Optimierung von ArbeitsabläufenDies hilft menschlichen Teams, sich auf wertschöpfende Aufgaben zu konzentrieren und die Markteinführungszeit zu verkürzen. Die Life-Science-Branche beginnt, dies zu bemerken und will den technologischen Fortschritt überholen. Die Life-Science-Branche hat sich seit Jahrzehnten von der traditionellen, auf Entdeckungen basierenden Medikamentenentwicklung zu einem Paradigma der zielgerichteten, marktbasierten Medikamentenentwicklung entwickelt. Allerdings wird es durch lange F&E-Zyklen und arbeitsintensive klinische, Herstellungs- und Compliance-Programme belastet.

Die Branche steht unter enormem Druck, die Arzneimittelentwicklung zu optimalen Kosten zu beschleunigen, zeit- und arbeitsintensive Aufgaben wie die Erstellung von Dokumenten oder Berichten zu automatisieren, um die Arbeitsmoral der Mitarbeiter zu wahren, und die Bereitstellung zu beschleunigen. Da Biopharma- und Medizingeräteunternehmen zunehmend digitale Transformations- und Engagementstrategien übernehmen – verbunden mit dem durch die Covid19-Pandemie verursachten Paradigmenwechsel – erlebt die Branche eine Explosion digitaler Daten, die in den Bereichen Handel, Lieferkette, Klinik und Pharmakovigilanz erstellt werden Wertschöpfungskette sowie in anderen Geschäftsfunktionen des Unternehmens.

Diese digitalen Daten gelangen in verschiedenen Formaten in die Branche, beispielsweise als unstrukturierter Text, Bilder, PDFs und E-Mails. Die Explosion digitaler Daten – in Kombination mit der sinkenden Verfügbarkeit qualifizierter und williger Humanressourcen, um die digitalen Daten auf gesetzeskonforme Weise aufzunehmen und zu verarbeiten – zwingt Life-Science-Organisationen dazu, KI, maschinelles Lernen und jetzt auch generative KI-Technologien zu erforschen. Einige Beispiele für mögliche Anwendungsfälle für generative KI in den Biowissenschaften sind unter anderem:

• KI für die medizinische Rechtsprüfung (MLR): Die zunehmende Globalisierung und das exponentielle Wachstum digitaler Marketingtechniken haben den ohnehin schon komplexen, zeitaufwändigen und herausfordernden Prozess belastet. Generative KI hat das Potenzial, digitale Inhalte in großem Maßstab zu verarbeiten und eine effektive MLR-Ausgabe zu erzeugen, die dann vom menschlichen Marketingteam genutzt werden kann, um den Prozess zu beschleunigen und zu vereinfachen.
• KI zur Erstellung klinischer Studienberichte (CSR): Generative KI hat das Potenzial, einen „Erstversuch“-Bericht zu erstellen, der 80 % des menschlichen Aufwands ausgleichen kann, den Prozess beschleunigt, für Konsistenz sorgt und wertvolle Bandbreite für andere hochwertige Aufgaben freisetzt.
• Unerwünschtes Ereignis (AE) Narrative Generierung: Diese stark regulierte, zeitaufwändige Aufgabe, einen Bericht über unerwünschte Ereignisse zu erstellen, erfordert streng regulierte Geschäftsfunktionen und hochqualifizierte Rollen in Life-Science-Organisationen und erfordert die Koordination manueller, manchmal mühsamer Aufgaben, die möglicherweise zu ungenauen oder inkonsistenten Ergebnissen führen können. Der Einsatz generativer KI zur Erweiterung der Fähigkeiten menschlicher Teams bietet Kunden die Möglichkeit, die Kosten um 30–50 % zu senken, gleichzeitig die Markteinführungszeit dieses Prozesses um mindestens 50 % zu verkürzen und die Skalierbarkeit, Qualität und Konsistenz der generierten Berichte zu verbessern.
• Beschleunigen Sie die Entwicklung von mRNA-Arzneimitteln: Moderna, das maschinelles Lernen und KI nutzt, um den Bereich der Boten-RNA (mRNA) voranzutreiben und ein vielfältiges klinisches Portfolio an Impfstoffen und Therapeutika für sieben Modalitäten zu schaffen, ist es Partnerschaft mit IBM generative KI zu nutzen, um mRNA-Medikamente mit optimaler Sicherheit und Leistung zu entwickeln.

Weitere Anwendungsfälle, in denen generative KI-Modelle Life-Science-Unternehmen dabei helfen können, Wettbewerbsvorteile zu erzielen, sind:

• Zusammenfassung: Callcenter-Interaktionen, Dokumente wie Finanzberichte, Analystenartikel, E-Mails, Nachrichten, Medientrends und mehr.
• Konversationswissen: Rezensionen, Wissensdatenbank, Produktbeschreibungen und mehr.
• Inhaltserstellung: Personas, User Stories, synthetische Daten, Generierung von Bildern, personalisierte Benutzeroberfläche, Marketingtexte, E-Mail- und soziale Antworten und mehr.
• Code-Erstellung: Code-Copilot, Code-Konvertierung, Erstellung technischer Dokumentation, Testfälle und mehr.
• Forschung & Entwicklung: Arzneimittelforschung und -entwicklung, Erstellung und Überprüfung hochwertiger Inhalte, Qualitäts- und Regulierungsinformationen, Generierung von AE-Erzählungen, intelligente Einreichungen, Generierung synthetischer Daten.
• Kommerziell: Erstellung von Marketinginhalten, Patientenerfahrung, Onboarding und Schulung von Vertriebsmitarbeitern und Wissenszentrum.
• Humanressourcen: Erstellen Sie Berufsbeschreibungen, Qualifikationsanforderungen, erstellen Sie Interviewfragen aus einer Stellenbeschreibung, bewerten Sie Kandidaten anhand einer Stellenbeschreibung, unterstützen Sie Lern- und Lehrassistenten, erstellen Sie Quiz, erstellen Sie Inhalte und mehr.
• Fertigung: Qualitätskontrolle und -inspektion, Bediener-/Labortechnikschulung, Konversationssuche durch SOPs, Inhaltserstellung und mehr.
• Lieferkette: Bedarfsprognose, Lieferkettenoptimierung, Risikobewertung und -minderung.

Wir glauben, dass die Nutzung generativer KI-Automatisierung Vorteile in den Biowissenschaften – auch in regulierten Bereichen – bringen und die Zykluszeiten für die Erstellung von AE-Erzählungen um mindestens 50 % verkürzen kann, basierend auf der Arbeit von IBM Consulting und der Pharmakovigilanzgruppe bei einem globalen BioPharma Unternehmen.

In diesem Blogbeitrag zeigen wir, wie IBM Consulting mit AWS zusammenarbeitet und Large Language Models (LLMs) auf der generativen AI-Automation-Plattform (ATOM) von IBM Consulting nutzt, um branchengerechte, auf den Biowissenschaften-Bereich trainierte Grundlagenmodelle zu erstellen Erstellen Sie erste Entwürfe der narrativen Dokumente mit dem Ziel, menschliche Teams zu unterstützen.

Warum IBM Consulting für generative KI auf AWS?

Seit mehr als einem Jahrzehnt unterstützt IBM Consulting seine Kunden dabei, Mehrwert zu schaffen AI, Maschinelles Lernen und Automatisierungslösungen zur branchenübergreifenden Optimierung von Geschäftsprozessen und IT-Abläufen. In jüngerer Zeit arbeitet IBM Consulting mit Unternehmen zusammen, um ihnen Basismodelle bereitzustellen Kernabläufe neu denken und Mehrwert schaffen– Reduzierung von Kosten, Durchlaufzeiten und Verbesserung der Produktivität und setzt sich dafür ein, Unternehmen dabei zu helfen, die durch KI verursachten seismischen Veränderungen zu bewältigen und Nutzen aus ihnen zu ziehen. Vor diesem Hintergrund hat IBM Consulting kürzlich a angekündigt Kompetenzzentrum für generative KI mit mehr als 1000 Beratern, die sich mit generativer KI und Beschleuniger-Toolkits auskennen, die speziell für Basismodelle und LLMs entwickelt wurden; Auf diese Weise unterstützt IBM Consulting Unternehmen bei der Entwicklung und Bereitstellung generativer KI-Modelle in Produktionsqualität.

IBM ist ein Premier Consulting Partner für AWS mit mehr als 20 AWS-zertifizierten Fachleuten auf der ganzen Welt, 16 Servicevalidierungen und 16 AWS-Kompetenzen und ist damit der schnellste globale GSI, der sich innerhalb von 16 Monaten mehr AWS-Kompetenzen und Zertifizierungen unter den Top 18 AWS Premier GSIs sichern konnte. Auf der re:Invent 2022 IBM Consulting wurde ausgezeichnet Globaler Innovationspartner des Jahres und für GSI-Partner des Jahres für LateinamerikaDies festigt das Vertrauen von Kunden und AWS in IBM Consulting als Partner der Wahl, wenn es um AWS geht.

Im KI-Bereich beschäftigt IBM mehr als 21 Datenwissenschaftler, KI-Ingenieure und Berater und hat mehr als 40 KI- und Analyseprojekte durchgeführt. Aber mit großer Macht geht auch große Verantwortung einher, und das gilt insbesondere für generative KI. IBM Consulting hat a vorangetrieben verantwortungsvoller und ethischer Ansatz Ich beschäftige mich seit mehr als fünf Jahren mit KI und konzentrierte mich hauptsächlich auf diese fünf Grundprinzipien:

1. Erklärbarkeit: Wie ein KI-Modell zu einer Entscheidung kommt, sollte nachvollziehbar sein, wobei Human-in-the-Loop-Systeme für mehr Glaubwürdigkeit sorgen und dabei helfen, Compliance-Risiken zu mindern.
2. Fairness: KI-Modelle sollten alle Gruppen gleich behandeln.
3. Robustheit: KI-Systeme sollten Angriffen auf die Trainingsdaten standhalten können.
4. Transparenz: Alle relevanten Aspekte eines KI-Systems sollten der Öffentlichkeit zur Bewertung zugänglich sein.
5. Datenschutz: Die in KI-Systemen verwendeten Daten sollten sicher sein, und wenn diese Daten einer Einzelperson gehören, sollte die Einzelperson verstehen, wie sie verwendet werden.

IBM unterstützt mehrere Life-Science-Unternehmen beim verantwortungsvollen und vertrauenswürdigen Einsatz von KI in verschiedenen Funktionen. IBM arbeitet mit Johnson & Johnson zusammen ihre Talentstrategie grundlegend überdenken KI-basierte Fähigkeiten verantwortungsvoll nutzen, ableiten und liefern Transformation im großen Maßstab für Anwendungsbeobachtbarkeit mithilfe von AIOPs.

Um Life-Science-Organisationen bei der Einhaltung der GxP-Richtlinien und -Vorschriften bei der Entwicklung oder Herstellung von Medikamenten und medizinischen Geräten zu unterstützen, nutzt IBM Consulting seine umfangreiche GxP-Erfahrung und die bewährten AWS-Praktiken GxP, HIPAA und andere Compliance-Programme um konforme, regulierte, validierte und sichere Lösungen zu liefern.

Wie baut man in AWS eine generative KI-Pipeline für die Erzählgenerierung auf?

Derzeit ist die Erstellung von Narrativen für unerwünschte Ereignisse im Gesundheitswesen ein intensiver manueller Prozess. Wenn ein unerwünschtes Ereignis gemeldet wird, lesen und verarbeiten Klinik- und Sicherheitsteams manuell mehrere Details – aktuelle und historische Gesundheits- und medizinische Informationen des Patienten, die Ereignisdaten und mehr – und erstellen manuell einen detaillierten Bericht, wie er von den Aufsichtsbehörden benötigt wird. Wir glauben, dass diese Prozesse mit dem Aufkommen der generativen KI erweitert werden können, um den Klinik- und Sicherheitsteams Kapazitäten für die Verlagerung auf höherwertige Aufgaben wie die Überprüfung der Narrative zu schaffen und es den Teams zu ermöglichen, sich auf komplexere Aufgaben zu konzentrieren.

Wir haben mehrere Optionen für die Aufgabe untersucht, mithilfe generativer KI Berichte über unerwünschte Ereignisse zu generieren. Letztendlich ist einer der Umarmendes Gesicht Große Sprachmodelle auf Amazon Sagemaker JumpStart wurde aus mehreren Gründen für die Erstellung der Adverse-Event-Narrative ausgewählt: Es verfügt über eine freizügige Lizenz, die die kommerzielle Nutzung erlaubt, klare Modell-/Datenkarten für das Quellmodell, die seine Datenherkunft erklären können, die Möglichkeit, das Modell innerhalb von Sagemaker Jumpstart zu optimieren, und robuste Fähigkeit, narrativen Text zu unerwünschten Ereignissen mit minimalem Aufwand an Feinabstimmung zu erstellen.

Die High-Level-Pipeline für diesen Prozess ist in Abbildung 1 dargestellt. Wir begannen mit der Vorbereitung der proprietären strukturierten Daten, um sie zu bereinigen und in ein Format zu bringen, das in der Lage ist, Eingabeaufforderungen zur Feinabstimmung und Schlussfolgerung zu übergeben. Anschließend wurde das Large Language Model verfeinert Amazon Sagemaker auf einem Trainingsdatensatz mit mehr als 500 Datensätzen, der Patientengesundheitsinformationen, unerwünschte Ereignisse und medizinische Informationen beschreibt, mithilfe der unten gezeigten Pipeline. Amazon Sagemaker ist aufgrund mehrerer integrierter Funktionalitäten (Möglichkeit, Modelle aus einem Katalog auszuwählen, kein Code-Ansatz zum Trainieren von Modellen, Funktionen zum Einrichten zusätzlicher Pipelines und Überwachung) eine optimale Plattform für generative KI. Nach der Feinabstimmung wurde das bereitgestellte Modell verwendet um Rückschlüsse auf Testdaten zu ziehen, um die AE-Erzählungen zu erstellen (siehe Abbildung 2 für ein Beispiel). Darüber hinaus validierte das Team aus Sicherheits- und klinischen Fachexperten die narrative Generierung mithilfe von Ground-Truth-Dokumenten und analysierte sie manuell, um sicherzustellen, dass die generative KI-Automatisierungspipeline zuverlässig war und keinen Halluzinationen ausgesetzt war.

Darüber hinaus ist kürzlich IBM Consulting gestartet watsonx.data auf AWS, einem offenen, hybriden, verwalteten Datenspeicher, der Unternehmen bei der Skalierung von Analysen und KI unterstützt. IBM Consulting arbeitet außerdem mit AWS zusammen, um das kommende zu integrieren Amazonas Grundgestein, ein vollständig verwalteter Dienst, der FMs von führenden KI-Startups und Amazon über eine API in ATOM verfügbar macht, um Kunden dabei zu helfen, generative KI-Anwendungsfälle zu erstellen und zu skalieren Stärkung der Cybersicherheit und Einhaltung.

Business Value

Gemäß FAERS-Datenbank, ist die Zahl der gemeldeten unerwünschten Ereignisse in zehn Jahren, von 2.5 bis 10, um das 2012-fache gestiegen. Unabhängig vom Volumen müssen Unternehmen diese Ereignisse schnell den Aufsichtsbehörden melden und schnell auf Sicherheitssignale reagieren. Die Belastung durch das wachsende Veranstaltungsvolumen spiegelt sich in den Budgets wider, die voraussichtlich von geschätzten 2022 Milliarden US-Dollar im Jahr 4 auf über 2017 Milliarden US-Dollar im Jahr 6 steigen werden.

Laut einem der zehn größten Life-Science-Kunden mit Sitz in den USA, mit dem IBM Consulting derzeit zusammenarbeitet, hat der gesetzeskonforme und verantwortungsvolle Einsatz generativer KI das Potenzial, den manuellen Aufwand für die Erstellung von AE-Berichten um 10 % zu reduzieren. Kombiniert man das mit einem KI-gesteuerte, menschliche Sprachübersetzungslösung, können die Betriebskosten weiter optimieren und wertvolle menschliche Teams entlasten, damit sie sich auf wertschöpfende Aufgaben konzentrieren können.

In Anspielung auf den zunehmenden Einsatz von maschinellem Lernen in den Biowissenschaften hat die FDA dies nun getan mehr als 500 medizinische Algorithmen gelöscht die in den Vereinigten Staaten im Handel erhältlich sind. Mehr als die Hälfte der Algorithmen auf dem US-Markt wurden zwischen 2019 und 2022 freigegeben, mit mehr als 300 Apps in nur vier Jahren. Allein im Oktober 2022 hat die FDA 178 neue KI/ML-Systeme zugelassen, eine Zahl, die in Zukunft voraussichtlich rasch wachsen wird.

Diese Dynamik schafft einen enormen Geschäftswert für Kunden aus dem Life-Science-Bereich, die in der gesamten Wertschöpfungskette Innovationen anstreben und dabei modernste Technologien wie generative KI nutzen möchten.

Wie kann IBM Consulting Kunden auf ihrem Weg zur Nutzung von Foundation-Modellen unterstützen?

IBM Consulting verfügt über das Fachwissen und die Erfahrung, um Kunden mit unterschiedlichem Reifegrad auf ihrem Weg zur generativen KI zu unterstützen. Auf hohem Niveau nutzt IBM Consulting die folgenden Säulen, um Kunden dort abzuholen, wo sie sind:

• Generative KI-Strategie und Aufbau des Kompetenzzentrums: Standardisierter Beratungsauftrag zur Information, Einbindung, Entdeckung und Bewertung neuer Anwendungsfälle für Stiftungsmodelle.
• Foundation Model Hackathon: Ein zweitägiger Hackathon, um innovative KI-Lösungen für bestimmte Anwendungsfalldomänen zu entwickeln und Prototypen zu entwickeln – unter Nutzung von Standard-Cloud-APIs oder Open-Source-Grundmodellen (GPT, BERT und andere).
• Starthilfe für Stiftungsmodell: Nutzen Sie IBM Garage, um die Nutzung von Basismodellen voranzutreiben und bewährte IBM Anwendungsfälle in 6–8 Wochen in verschiedenen Domänen zu implementieren.
• Co-Kreation, Kooperation und generative KI @ Scale: Design- und Implementierungsdienste für das Prototyping und den Aufbau effektiver Geschäftslösungen (z. B. virtuelle Assistenten und Wissenszentren) unter Nutzung kommerzieller oder Open-Source-Grundlagenmodelle.
• Maßgeschneiderte Fundamentmodelle: Nutzen Sie Originalinnovationen von IBM Research, AWS und anderen Quellen zu Basismodellen für spezielle Bereiche (Chemie, Materialwissenschaften und Sensordatenverarbeitung), um maßgeschneiderte domänenspezifische Anwendungsfälle zu bewältigen.
• Stiftungsmodell Fovernance, FMOps: Richten Sie mithilfe der AI@Scale-Methode von IBM Consulting die erforderliche organisatorische und technische Governance für die Skalierung von Basismodellen im gesamten Unternehmen ein.

Zusammenfassung

Unternehmen aller Branchen stehen derzeit unter erheblichem Druck, generative KI schnell einzuführen und ihren Nutzen unter Beweis zu stellen. Mit mehr als 40 KI- und Analyseeinsätzen weltweit wurde IBM Consulting durchweg als einer der Besten eingestuft Führer von mehreren Analysten. IBM Consulting hat es sich zum Ziel gesetzt, Life-Science-Unternehmen durch das kürzlich angekündigte Generative AI CoE, einen immersiven Beratungsprozess wie …, dabei zu helfen, den Nutzen generativer KI zu nutzen und zu nutzen IBM-Garage und Beschleuniger wie ATOM. Kunden brauchen einen vertrauenswürdigen, erfahrenen und kompetenten Partner, der sie auf ihrem Weg zur generativen KI unterstützt, und IBM Consulting ist bereit, ihnen zu helfen, indem es sie dort abholt, wo sie sind.

Erfahren Sie mehr über IBM Security Services für AWS