Aprovechar la IA generativa en AWS para transformar las ciencias de la vida – Blog de IBM

El salto exponencial IA generativa ya está transformando muchas industrias: optimizando flujos de trabajo, ayudando a los equipos humanos a centrarse en tareas de valor añadido y acelerando el tiempo de comercialización. La industria de las ciencias biológicas está empezando a darse cuenta y pretende superar los avances tecnológicos. La industria de las ciencias biológicas ha pasado, desde hace décadas, del tradicional desarrollo de fármacos basado en el descubrimiento al paradigma de desarrollo de fármacos basado en el mercado objetivo. Sin embargo, está agobiado por largos ciclos de I+D y regímenes clínicos, de fabricación y de cumplimiento que requieren mucha mano de obra.

La industria está bajo una tremenda presión para acelerar el desarrollo de fármacos a un costo óptimo, automatizar tareas que requieren mucho tiempo y mano de obra, como la creación de documentos o informes, para preservar la moral de los empleados y acelerar la entrega. Con las organizaciones de biofarmacia y dispositivos médicos adoptando cada vez más estrategias de participación y transformación digital, combinadas con el cambio de paradigma provocado por la pandemia de Covid19, la industria está experimentando una explosión de datos digitales que se crean en las áreas comercial, de cadena de suministro, clínica y de farmacovigilancia del sector. cadena de valor, así como en otras funciones comerciales de la empresa.

Estos datos digitales llegan a la industria en varios formatos, como texto no estructurado, imágenes, archivos PDF y correos electrónicos. La explosión de datos digitales, en combinación con la menor disponibilidad de recursos humanos capacitados y dispuestos a ingerir y procesar los datos digitales de manera compatible, está obligando a las organizaciones de ciencias biológicas a explorar la IA, el aprendizaje automático y, ahora, las tecnologías de IA generativa. Algunos ejemplos de posibles casos de uso de la IA generativa en las ciencias biológicas incluyen, entre otros:

• IA para revisión médica legal (MLR): La creciente globalización y el crecimiento exponencial de las técnicas de marketing digital han estado ejerciendo presión sobre un proceso que ya es complejo, lento y desafiante. La IA generativa tiene el potencial de procesar contenido digital a escala y producir un resultado MLR eficaz, que luego puede ser aprovechado por el equipo de marketing humano, acelerando y simplificando el proceso.
• IA para generar informes de estudios clínicos (CSR): La IA generativa tiene el potencial de crear un informe de "primer intento", que puede compensar el 80% del esfuerzo humano, acelerando el proceso, aportando coherencia y liberando ancho de banda valioso para otras tareas de alto valor.
• Generación narrativa de eventos adversos (EA): Esta tarea altamente regulada y que consume mucho tiempo de generar una narrativa de eventos adversos requiere funciones comerciales altamente reguladas y roles altamente calificados dentro de las organizaciones de ciencias biológicas y requiere la coordinación de tareas manuales, a veces tediosas, que pueden producir resultados potencialmente inexactos o inconsistentes. Aprovechar la IA generativa para aumentar las capacidades del equipo humano presenta una oportunidad para que los Clientes reduzcan los costos entre un 30% y un 50%, al tiempo que aceleran el tiempo de comercialización relacionado con este proceso en al menos un 50% y mejoran la escalabilidad, la calidad y la coherencia de los informes generados.
• Acelerar el diseño de medicamentos de ARNm: Moderna, que ha estado aprovechando el aprendizaje automático y la inteligencia artificial para avanzar en el campo del ARN mensajero (ARNm) para crear una cartera clínica diversa de vacunas y terapias en siete modalidades, está asociación con IBM aprovechar la IA generativa para diseñar medicamentos de ARNm con seguridad y rendimiento óptimos.

Otros casos de uso en los que los modelos de IA generativa pueden ayudar a las organizaciones de ciencias biológicas a liberar una ventaja competitiva son:

• Resumen: interacciones del centro de llamadas, documentos como informes financieros, artículos de analistas, correos electrónicos, noticias, tendencias de los medios y más.
• Conocimiento conversacional: Reseñas, base de conocimientos, descripciones de productos y más.
• Creación de contenido: Personas, historias de usuarios, datos sintéticos, generación de imágenes, interfaz de usuario personalizada, textos de marketing, correo electrónico y respuestas sociales, y más.
• Creación de código: Copiloto de código, conversión de código, creación de documentación técnica, casos de prueba y más.
• Investigación y desarrollo: Descubrimiento y desarrollo de fármacos, creación y revisión de contenidos de calidad, inteligencia regulatoria y de calidad, generación narrativa AE, envíos inteligentes, generación de datos sintéticos.
• Comercial: Creación de contenido de marketing, experiencia del paciente, incorporación de representantes y capacitación, habilitación de ventas y centro de conocimiento.
• Recursos humanos: Cree descripciones de cob, requisitos de habilidades, cree preguntas de entrevista a partir de una descripción de trabajo, evalúe candidatos según una especificación de trabajo, asistente de aprendizaje y enseñanza, creación de cuestionarios, creación de contenido y más.
• Elaboración: Control de calidad e inspección, capacitación de operadores/técnicos de laboratorio, búsqueda conversacional a través de SOP, creación de contenido y más.
• Cadena de suministro: Previsión de la demanda, optimización de la cadena de suministro, evaluación y mitigación de riesgos.

Creemos que aprovechar la automatización generativa de IA puede generar beneficios en las ciencias biológicas (incluidos los dominios regulados) y reducir los tiempos de ciclo para la creación de narrativas AE en al menos un 50 %, según el trabajo realizado por IBM Consulting y el grupo de Farmacovigilancia en una BioPharma global. compañía.

En esta publicación de blog, mostraremos cómo IBM Consulting se está asociando con AWS y aprovechando los modelos de lenguaje grande (LLM), en la plataforma generativa de automatización de IA (ATOM) de IBM Consulting, para crear modelos básicos capacitados en el dominio de ciencias biológicas y conscientes de la industria para Generar primeros borradores de los documentos narrativos, con el objetivo de ayudar a los equipos humanos.

¿Por qué IBM Consulting para la IA generativa en AWS?

Durante más de una década, IBM Consulting ha ayudado a los clientes a generar valor a través de AI, máquina de aprendizaje y soluciones de automatización para optimizar los procesos comerciales y las operaciones de TI en todas las industrias. Más recientemente, IBM Consulting se ha asociado con empresas para implementar modelos básicos para Reimaginar los flujos de trabajo principales y obtener valor.—reducir costos, tiempos de respuesta y mejorar la productividad, y se compromete a ayudar a las empresas a navegar y desbloquear valor de los cambios sísmicos impulsados ​​por la IA. Teniendo esto en cuenta, IBM Consulting anunció recientemente una Centro de excelencia de IA generativa con más de 1000 consultores expertos en IA generativa y kits de herramientas de aceleración diseñados específicamente para modelos básicos y LLM; A través de esto, IBM Consulting está ayudando a las empresas a desarrollar e implementar modelos de IA generativa de grado de producción.

IBM es un Socio Consultor Premier para AWS con más de 20 profesionales certificados por AWS en todo el mundo, 16 validaciones de servicios y 16 competencias de AWS, convirtiéndose en el GSI global más rápido en asegurar más competencias y certificaciones de AWS entre los 16 principales GSI Premier de AWS en 18 meses. En re:Invent 2022, IBM Consulting fue premiada las Socio de innovación global del año y del Socio GSI del Año para América Latina, consolidando la confianza del cliente y de AWS en IBM Consulting como socio preferido cuando se trata de AWS.

En el dominio de la IA, IBM cuenta con más de 21 científicos de datos, ingenieros de IA y consultores y ha ejecutado más de 40 proyectos de inteligencia artificial y análisis. Pero un gran poder conlleva una gran responsabilidad, y esto es especialmente cierto en el caso de la IA generativa. IBM Consulting ha estado impulsando un enfoque responsable y ético a la IA desde hace más de cinco años, centrándose principalmente en estos cinco principios básicos:

1. Explicabilidad: Se debe poder entender cómo un modelo de IA llega a una decisión, con sistemas humanos en el circuito que añaden más credibilidad y ayudan a mitigar los riesgos de cumplimiento.
2. Justicia: Los modelos de IA deberían tratar a todos los grupos de manera equitativa.
3. Robustez: Los sistemas de IA deberían poder resistir ataques a los datos de entrenamiento.
4. Transparencia: Todos los aspectos relevantes de un sistema de IA deben estar disponibles para el público para su evaluación.
5. Privacidad: Los datos utilizados en los sistemas de IA deben ser seguros y, cuando esos datos pertenecen a un individuo, este debe comprender cómo se utilizan.

IBM está ayudando a varias entidades de ciencias biológicas a implementar IA de manera responsable y confiable en varias funciones. IBM se ha asociado con Johnson & Johnson para repensar fundamentalmente su estrategia de talento utilizar la inferencia de habilidades basada en IA de manera responsable y brindar transformación a escala para la observabilidad de aplicaciones utilizando AIOP.

Para ayudar a las organizaciones de ciencias biológicas a seguir las pautas y regulaciones de GxP al desarrollar o fabricar medicamentos y dispositivos médicos, IBM Consulting aprovecha su amplia experiencia en GxP y las mejores prácticas de AWS en torno a GxP, la Ley de Responsabilidad y Transferibilidad de Seguros Médicos (HIPAA, por sus siglas en inglés) así como de otros programas de cumplimiento para ofrecer soluciones compatibles, reguladas, validadas y seguras.

¿Cómo construir un canal de IA generativa en AWS para la generación narrativa?

Actualmente, crear narrativas de eventos adversos es un proceso manual intensivo en atención médica. Cuando se informa un evento adverso, los equipos clínicos y de seguridad leen y procesan manualmente varios detalles (información médica y de salud actual e histórica del paciente, datos del evento y más) y escriben manualmente un informe detallado, según lo necesitan las autoridades reguladoras. Con la llegada de la IA generativa, creemos que estos procesos se pueden aumentar para liberar capacidad para que los equipos clínicos y de seguridad pasen a tareas de mayor valor, como revisar las narrativas, y permitir que los equipos se concentren en tareas más complejas.

Exploramos múltiples opciones para la tarea de generar narrativas de eventos adversos utilizando IA generativa. En definitiva, uno de los AbrazandoCara Modelos de lenguaje grandes en Inicio rápido de Amazon Sagemaker fue seleccionado para construir las narrativas de eventos adversos por múltiples razones: tiene una licencia permisiva que permite el uso comercial, tarjetas de modelo/datos claras para el modelo fuente que pueden explicar su linaje de datos, la capacidad de ajustar el modelo dentro de Sagemaker Jumpstart, y una capacidad sólida para generar texto narrativo de eventos adversos con una cantidad mínima de ajustes.

La canalización de alto nivel para este proceso se muestra en la Figura 1. Comenzamos preparando los datos estructurados propietarios para limpiarlos y prepararlos en un formato que pudiera pasar indicaciones para realizar ajustes e inferencias. Luego se perfeccionó el modelo de lenguaje grande en fabricante de salvia del Amazonas en un conjunto de datos de capacitación de más de 500 registros que describen información de salud del paciente, eventos adversos e información médica, utilizando el canal que se muestra a continuación. Amazon Sagemaker es una plataforma óptima para la IA generativa debido a varias funcionalidades integradas (capacidad de seleccionar modelos de un catálogo, enfoque sin código para entrenar modelos, funcionalidades para configurar canalizaciones y monitoreo adicionales). Una vez ajustado, se utilizó el modelo implementado. hacer inferencias sobre los datos de una prueba para crear las narrativas AE (consulte la Figura 2 para ver un ejemplo). Además, el equipo de expertos en seguridad y temas clínicos validó la generación narrativa utilizando documentos reales y los analizó manualmente para garantizar que el proceso generativo de IA-Automatización fuera confiable y no estuviera sujeto a alucinaciones.

Además de esto, IBM Consulting lanzó recientemente watsonx.datos en AWS, un almacén de datos abierto, híbrido y gobernado para ayudar a las empresas a escalar el análisis y la IA. IBM Consulting también se está asociando con AWS para integrar el próximo lecho rocoso del amazonas, un servicio totalmente administrado que hace que los FM de las principales empresas emergentes de IA y Amazon estén disponibles a través de una API en ATOM, para ayudar a los clientes a crear y escalar casos de uso de IA generativa, mientras fortaleciendo la ciberseguridad y cumplimiento.

Valor de negocio

Según base de datos FAERS, el número de EA notificados se ha multiplicado por 2.5 en 10 años, de 2012 a 2022. Independientemente de los volúmenes, las empresas deben informar rápidamente de estos eventos a los reguladores y actuar rápidamente según las señales de seguridad. La carga del creciente volumen de eventos se refleja en los presupuestos que se espera que crezcan de aproximadamente 4 mil millones de dólares en 2017 a más de 6 mil millones en 2020.

Según uno de los 10 principales clientes de ciencias biológicas con sede en EE. UU. con el que IBM Consulting está trabajando actualmente, aprovechar la IA generativa de manera responsable y compatible tiene el potencial de reducir el trabajo manual para crear informes AE en un 50%. Combinando eso con un Solución de traducción de idiomas impulsada por IA y humana en el circuito, puede optimizar aún más los costos operativos y liberar valiosos equipos humanos para que se concentren en tareas de valor agregado.

En un guiño al creciente uso del aprendizaje automático en las ciencias biológicas, la FDA ahora ha borró más de 500 algoritmos médicos que están disponibles comercialmente en los Estados Unidos. Más de la mitad de los algoritmos del mercado estadounidense se aprobaron entre 2019 y 2022, con más de 300 aplicaciones en solo cuatro años. Solo en octubre de 2022, la FDA aprobó 178 nuevos sistemas de IA/ML, una cantidad que se espera que crezca rápidamente en el futuro.

Este impulso crea un enorme valor comercial para los clientes de ciencias biológicas que buscan innovar en toda la cadena de valor, aprovechando tecnologías de vanguardia como la IA generativa.

¿Cómo IBM Consulting puede ayudar a los clientes en su camino hacia el aprovechamiento de Foundation Models?

IBM Consulting tiene los conocimientos y la experiencia para apoyar a clientes con distintos grados de madurez en su viaje hacia la IA generativa. A alto nivel, IBM Consulting aprovecha los siguientes pilares para llegar a los clientes donde estén:

• Estrategia de IA generativa y configuración del Centro de Excelencia: Compromiso de consultoría estandarizado para informar, involucrar, descubrir y evaluar nuevos casos de uso para modelos básicos.
• Hackathon del modelo de base: Un hackathon de 2 días para idear y crear prototipos de soluciones de IA innovadoras para dominios de casos de uso específicos, aprovechando las API de nube estándar o modelos básicos de código abierto (GPT, BERT y otros).
• Impulso para el modelo de cimentación: Aproveche IBM Garage para impulsar el uso de modelos básicos e implementar casos de uso probados de IBM en 6 a 8 semanas en diferentes dominios.
• Cocreación, cooperación e IA generativa a escala: Servicios de diseño e implementación para la creación de prototipos y la construcción de soluciones comerciales efectivas (asistentes virtuales y centros de conocimiento, por ejemplo) aprovechando modelos básicos comerciales o de código abierto.
• Modelos de cimentación a medida: Aproveche las innovaciones originales de IBM Research, AWS y otras fuentes en modelos básicos para dominios especializados (química, ciencia de materiales y procesamiento de datos de sensores) para abordar casos de uso específicos de dominios personalizados.
• Gobernanza del modelo de fundación, FMOps: Configure la gobernanza organizativa y técnica necesaria para escalar los modelos básicos en toda la empresa utilizando el método AI@Scale de IBM Consulting.

Conclusión

Actualmente, las empresas de todos los sectores se enfrentan a una presión considerable para adoptar rápidamente la IA generativa y demostrar su valor. Con más de 40 compromisos de análisis e inteligencia artificial en todo el mundo, IBM Consulting ha sido clasificada constantemente como una líder por varios analistas. IBM Consulting se compromete a ayudar a las empresas de ciencias biológicas a navegar y obtener valor de la IA generativa a través del recientemente anunciado CoE de IA generativa, un proceso de consulta inmersivo como Garaje IBM y aceleradores como ATOM. Los clientes necesitan un socio confiable, experimentado y hábil que los ayude en su viaje de IA generativa e IBM Consulting está listo para ayudarlos, encontrándolos donde estén.

Obtenga más información sobre los servicios de seguridad de IBM para AWS