Memanfaatkan AI generatif di AWS untuk mengubah ilmu kehidupan – Blog IBM

Lompatan eksponensial AI generatif telah mengubah banyak industri: mengoptimalkan alur kerja, membantu tim manusia fokus pada tugas yang bernilai tambah dan mempercepat waktu pemasaran. Industri ilmu hayat mulai memperhatikan dan bertujuan untuk melompati kemajuan teknologi. Industri ilmu hayati—selama beberapa dekade—telah beralih dari pengembangan obat tradisional berbasis penemuan ke paradigma pengembangan obat berbasis pasar. Namun, hal ini terbebani oleh siklus penelitian dan pengembangan yang panjang serta program klinis, manufaktur, dan kepatuhan yang padat karya.

Industri ini berada di bawah tekanan yang sangat besar untuk mempercepat pengembangan obat dengan biaya optimal, mengotomatiskan tugas-tugas padat karya dan waktu seperti pembuatan dokumen atau laporan untuk menjaga semangat kerja karyawan, dan mempercepat penyampaiannya. Dengan semakin banyaknya organisasi BioPharma dan Peralatan Medis yang mengadopsi strategi transformasi dan keterlibatan digital—dikombinasikan dengan perubahan paradigma yang disebabkan oleh pandemi Covid19—industri ini mengalami ledakan data digital yang dihasilkan di bidang komersial, rantai pasokan, klinis, dan farmakovigilans di seluruh dunia. rantai nilai, dan juga dalam fungsi bisnis perusahaan lainnya.

Data digital ini hadir di industri dalam berbagai format, seperti teks tidak terstruktur, gambar, PDF, dan email. Ledakan data digital—dikombinasikan dengan menurunnya ketersediaan sumber daya manusia yang terampil dan bersedia untuk menyerap dan memproses data digital dengan cara yang sesuai—memaksa organisasi ilmu hayati untuk mengeksplorasi AI, pembelajaran mesin, dan kini teknologi AI generatif. Beberapa contoh kasus penggunaan potensial AI generatif dalam ilmu kehidupan termasuk namun tidak terbatas pada:

• AI untuk Tinjauan Hukum Medis (MLR): Meningkatnya globalisasi dan pertumbuhan eksponensial dalam teknik pemasaran digital telah memberikan tekanan pada proses yang sudah rumit, memakan waktu, dan menantang. AI generatif berpotensi memproses konten digital dalam skala besar dan menghasilkan keluaran MLR yang efektif, yang kemudian dapat dimanfaatkan oleh tim pemasaran manusia, sehingga mempercepat dan menyederhanakan prosesnya.
• AI untuk menghasilkan laporan Studi Klinis (CSR): AI Generatif berpotensi membuat laporan “percobaan pertama”, yang dapat mengimbangi 80% upaya manusia, mempercepat proses, menghasilkan konsistensi, dan membebaskan bandwidth yang berharga untuk tugas-tugas bernilai tinggi lainnya.
• Kejadian Merugikan (AE) Generasi naratif: Tugas yang sangat diatur dan memakan waktu untuk menghasilkan narasi kejadian buruk ini memerlukan fungsi bisnis yang sangat diatur dan peran yang sangat terampil dalam organisasi ilmu hayati dan memerlukan koordinasi tugas-tugas manual, yang terkadang membosankan, yang berpotensi menghasilkan hasil yang tidak akurat atau tidak konsisten. Memanfaatkan AI generatif untuk meningkatkan kemampuan tim manusia memberikan peluang bagi Klien untuk mengurangi biaya sebesar 30%-50%, sekaligus mempercepat waktu pemasaran terkait proses ini setidaknya sebesar 50% dan meningkatkan skalabilitas, kualitas, dan konsistensi laporan yang dihasilkan.
• Mempercepat desain obat mRNA: Moderna, yang telah memanfaatkan pembelajaran mesin dan AI untuk memajukan bidang messenger RNA (mRNA) guna menciptakan beragam portofolio klinis vaksin dan terapi di tujuh modalitas, adalah bermitra dengan IBM untuk memanfaatkan AI generatif untuk merancang obat mRNA dengan keamanan dan kinerja optimal.

Kasus penggunaan lain di mana model AI generatif dapat membantu organisasi ilmu hayat mendapatkan keunggulan kompetitif adalah:

• Peringkasan: interaksi pusat panggilan, dokumen seperti laporan keuangan, artikel analis, email, berita, tren media, dan banyak lagi.
• Pengetahuan Percakapan: Ulasan, basis pengetahuan, deskripsi produk, dan banyak lagi.
• Pembuatan konten: Persona, cerita pengguna, data sintetis, pembuatan gambar, UI yang dipersonalisasi, salinan pemasaran, email dan tanggapan sosial, dan banyak lagi.
• Pembuatan kode: Co-pilot kode, konversi kode, pembuatan dokumentasi teknis, uji kasus, dan banyak lagi.
• Penelitian & Pengembangan: Penemuan & pengembangan obat, pembuatan dan peninjauan konten berkualitas, kecerdasan kualitas dan peraturan, Generasi Narasi AE, pengiriman cerdas, pembuatan data sintetis.
• Komersial: Pembuatan konten pemasaran, pengalaman pasien, orientasi perwakilan & pelatihan pemberdayaan penjualan, dan pusat pengetahuan.
• Sumber daya manusia: Membuat deskripsi tongkol, persyaratan keterampilan, membuat pertanyaan wawancara dari deskripsi pekerjaan, menilai kandidat berdasarkan spesifikasi pekerjaan, asisten belajar & mengajar, pembuatan kuis, pembuatan konten, dan banyak lagi.
• Manufaktur: Kontrol kualitas dan inspeksi, pelatihan operator / teknisi laboratorium, penelusuran percakapan melalui SOP, pembuatan konten, dan banyak lagi.
• Rantai pasokan: Perkiraan permintaan, optimalisasi rantai pasokan, penilaian dan mitigasi risiko.

Kami percaya bahwa memanfaatkan Otomatisasi AI generatif dapat mendorong manfaat dalam ilmu kehidupan—termasuk dalam domain yang diatur—dan mengurangi waktu siklus untuk membuat Narasi AE setidaknya sebesar 50%, berdasarkan pekerjaan yang dilakukan oleh IBM Consulting dan grup Pharmacovigilance di BioPharma global perusahaan.

Dalam postingan blog ini, kami akan menunjukkan bagaimana IBM Consulting bermitra dengan AWS dan memanfaatkan Large Language Models (LLMs), pada platform AI-Automation (ATOM) generatif milik IBM Consulting, untuk menciptakan model landasan yang dilatih dalam domain ilmu hayati yang sadar akan industri untuk menghasilkan draf pertama dokumen naratif, dengan tujuan membantu tim manusia.

Mengapa IBM Consulting untuk AI generatif di AWS?

Selama lebih dari satu dekade, IBM Consulting telah membantu klien meningkatkan nilai AI, Mesin belajar dan solusi otomatisasi untuk mengoptimalkan proses bisnis dan operasi TI di seluruh industri. Baru-baru ini, IBM Consulting telah bermitra dengan perusahaan-perusahaan untuk menerapkan model dasar menata ulang alur kerja inti dan mewujudkan nilai—mengurangi biaya, waktu penyelesaian, dan meningkatkan produktivitas serta berkomitmen untuk membantu perusahaan menavigasi dan mendapatkan nilai dari perubahan seismik yang didorong oleh AI. Mengingat hal tersebut, IBM Consulting baru-baru ini mengumumkan a Pusat Keunggulan AI generatif dengan 1000+ konsultan yang ahli dalam AI generatif dan perangkat akselerator yang dibuat khusus untuk model fondasi dan LLM; melalui hal ini, IBM Consulting membantu perusahaan mengembangkan dan menerapkan model AI generatif tingkat produksi.

IBM adalah Mitra Konsultasi Premier untuk AWS dengan lebih dari 20 ribu profesional tersertifikasi AWS di seluruh dunia, 16 validasi layanan, dan 16 kompetensi AWS, menjadi GSI Global tercepat yang memperoleh lebih banyak kompetensi dan sertifikasi AWS di antara 16 AWS Premier GSI teratas dalam waktu 18 bulan. Di re: Ciptakan 2022, IBM Consulting dianugerahi itu Mitra Inovasi Global Tahun Ini dan Mitra Terbaik GSI Tahun Ini untuk Amerika Latin, memperkuat kepercayaan klien dan AWS terhadap IBM Consulting sebagai mitra pilihan dalam hal AWS.

Dalam domain AI, IBM memiliki lebih dari 21 ribu ilmuwan data, insinyur AI, dan konsultan, serta telah melaksanakan lebih dari 40 ribu keterlibatan AI dan analitik. Namun dengan kekuatan yang besar, terdapat pula tanggung jawab yang besar, dan hal ini terutama berlaku untuk AI generatif. IBM Consulting telah mendorong a pendekatan yang bertanggung jawab dan etis hingga AI selama lebih dari lima tahun, terutama berfokus pada lima prinsip dasar berikut:

1. Dapat dijelaskan: Bagaimana model AI mengambil keputusan harus dapat dipahami, dengan sistem human-in-the-loop yang menambah kredibilitas dan membantu memitigasi risiko kepatuhan.
2. Keadilan: Model AI harus memperlakukan semua kelompok secara adil.
3. Kekokohan: Sistem AI harus mampu menahan serangan terhadap data pelatihan.
4. Transparansi: Semua aspek yang relevan dari sistem AI harus tersedia bagi publik untuk dievaluasi.
5. Privasi: Data yang digunakan dalam sistem AI harus aman, dan jika data tersebut milik seseorang, maka individu tersebut harus memahami cara penggunaannya.

IBM membantu beberapa entitas ilmu hayat menerapkan AI dengan cara yang bertanggung jawab dan dapat dipercaya di beberapa fungsi. IBM telah bermitra dengan Johnson & Johnson untuk secara mendasar memikirkan kembali strategi bakat mereka menggunakan keterampilan berbasis AI untuk menyimpulkan dengan cara yang bertanggung jawab, dan menyampaikannya transformasi dalam skala besar untuk observasi aplikasi menggunakan AIOP.

Untuk membantu organisasi ilmu hayat mengikuti pedoman dan peraturan GxP ketika mengembangkan atau memproduksi obat-obatan dan perangkat medis, IBM Consulting memanfaatkan pengalaman GxP yang luas dan praktik terbaik AWS dalam bidangnya. GxP, HIPAA dan lainnya program kepatuhan untuk memberikan solusi yang patuh, teregulasi, tervalidasi, dan aman.

Bagaimana cara membangun jalur AI generatif di AWS untuk pembuatan narasi?

Saat ini, pembuatan narasi kejadian buruk merupakan proses manual yang intensif dalam layanan kesehatan. Ketika kejadian buruk dilaporkan, tim klinis dan keselamatan secara manual membaca dan memproses beberapa rincian—informasi kesehatan dan medis terkini dan riwayat pasien, data kejadian, dan banyak lagi—dan secara manual menulis laporan terperinci, sebagaimana diperlukan oleh pihak berwenang. Dengan munculnya AI generatif, kami yakin proses ini dapat ditingkatkan untuk memberikan kapasitas bagi tim klinis dan keselamatan untuk beralih ke tugas yang bernilai lebih tinggi seperti meninjau narasi serta memungkinkan tim untuk fokus pada tugas yang lebih kompleks.

Kami mengeksplorasi berbagai opsi untuk tugas menghasilkan narasi kejadian buruk menggunakan AI generatif. Pada akhirnya, salah satunya MemelukWajah Model Bahasa Besar aktif Lompatan Amazon Sagemaker dipilih untuk membuat narasi Kejadian buruk karena berbagai alasan: ia memiliki lisensi permisif yang memungkinkan penggunaan komersial, model/kartu data yang jelas untuk model sumber yang dapat menjelaskan silsilah datanya, kemampuan untuk menyempurnakan model dalam Sagemaker Jumpstart, dan kemampuan yang kuat untuk menghasilkan teks narasi kejadian buruk dengan sedikit penyesuaian.

Alur tingkat tinggi untuk proses ini ditunjukkan pada Gambar 1. Kami memulai dengan menyiapkan data terstruktur kepemilikan untuk dibersihkan dan disiapkan dalam format agar dapat meneruskan petunjuk untuk penyesuaian dan inferensi. Model Bahasa Besar kemudian disempurnakan Pembuat Sage Amazon pada kumpulan data pelatihan yang terdiri dari 500+ catatan yang menjelaskan informasi kesehatan pasien, kejadian buruk, dan informasi medis, menggunakan alur yang ditunjukkan di bawah ini. Amazon Sagemaker adalah platform optimal untuk AI generatif karena beberapa fungsi bawaan (kemampuan untuk memilih model dari katalog, tidak ada pendekatan kode untuk melatih model, fungsi untuk menyiapkan saluran pipa dan pemantauan tambahan.) Setelah disesuaikan, model yang diterapkan dapat digunakan untuk melakukan inferensi pada data pengujian untuk membuat narasi AE (lihat Gambar 2 untuk contohnya). Selain itu, tim Pakar Keselamatan dan Subyek Klinis memvalidasi pembuatan narasi menggunakan dokumen kebenaran dasar dan menganalisisnya secara manual untuk memastikan bahwa jalur Otomasi AI generatif dapat diandalkan dan tidak menimbulkan halusinasi.

Selain itu, IBM Consulting baru saja diluncurkan watsonx.data di AWS, penyimpanan data yang terbuka, hibrid, dan terkelola untuk membantu perusahaan meningkatkan skala analitik dan AI. IBM Consulting juga bermitra dengan AWS untuk mengintegrasikan masa depan Batuan Dasar Amazon, layanan terkelola sepenuhnya yang membuat FM dari startup AI terkemuka dan Amazon tersedia melalui API, ke ATOM, untuk membantu klien membangun dan menskalakan kasus penggunaan AI generatif, sekaligus memperkuat keamanan siber dan kepatuhan.

Nilai bisnis

Sesuai Basis data FAERS, jumlah AE yang dilaporkan telah meningkat 2.5x dalam 10 tahun, dari tahun 2012 hingga 2022. Berapapun volumenya, perusahaan harus melaporkan kejadian ini dengan cepat kepada regulator dan bertindak cepat berdasarkan sinyal keselamatan. Beban dari meningkatnya volume acara tercermin dalam anggaran yang diperkirakan akan meningkat dari sekitar USD 4 miliar pada tahun 2017 menjadi lebih dari 6 miliar pada tahun 2020.

Menurut 10 klien ilmu hayati terkemuka di AS yang saat ini bekerja sama dengan IBM Consulting, memanfaatkan AI generatif dengan cara yang patuh dan bertanggung jawab berpotensi mengurangi tenaga kerja manual dalam membuat laporan AE sebesar 50%. Menggabungkannya dengan Didorong oleh AI, manusia dalam lingkaran, solusi terjemahan bahasa, dapat lebih mengoptimalkan biaya operasi dan membebaskan tim manusia yang berharga untuk fokus pada tugas-tugas yang bernilai tambah.

Sehubungan dengan meningkatnya penggunaan Machine learning dalam ilmu kehidupan, FDA kini telah melakukannya membersihkan lebih dari 500 algoritma medis yang tersedia secara komersial di Amerika Serikat. Lebih dari separuh algoritme di pasar AS diselesaikan antara tahun 2019 hingga 2022, dengan lebih dari 300 aplikasi hanya dalam empat tahun. Pada bulan Oktober 2022 saja, FDA menyetujui 178 sistem AI/ML baru, dan jumlah ini diperkirakan akan tumbuh pesat di masa depan.

Momentum ini menciptakan nilai bisnis yang sangat besar bagi klien ilmu hayati yang ingin berinovasi di seluruh rantai nilai, memanfaatkan teknologi mutakhir seperti AI generatif.

Bagaimana IBM Consulting dapat mendukung klien dalam perjalanan mereka dalam memanfaatkan Model Fondasi?

IBM Consulting memiliki keahlian dan pengalaman untuk mendukung klien dengan berbagai tingkat kematangan dalam perjalanan AI generatif mereka. Pada tingkat tinggi, IBM Consulting memanfaatkan pilar-pilar berikut untuk bertemu klien di mana pun mereka berada:

• Strategi AI Generatif dan pengaturan Pusat Keunggulan: Keterlibatan konsultasi terstandar untuk menginformasikan, melibatkan, menemukan, dan menilai kasus penggunaan baru untuk model dasar.
• Hackathon Model Dasar: Hackathon 2 hari untuk membuat ide dan membuat prototipe solusi AI inovatif untuk domain kasus penggunaan tertentu—memanfaatkan API cloud standar atau model fondasi sumber terbuka (GPT, BERT, dan lainnya).
• Permulaan untuk model pondasi: Manfaatkan IBM Garage untuk memulai penggunaan model dasar dan menerapkan kasus penggunaan IBM yang telah terbukti dalam 6-8 minggu di berbagai domain.
• Kreasi bersama, kerja sama, dan AI generatif @ Skala: Layanan desain dan implementasi untuk pembuatan prototipe dan membangun solusi bisnis yang efektif (misalnya asisten virtual dan pusat pengetahuan) dengan memanfaatkan model landasan komersial atau sumber terbuka.
• Model pondasi yang dipesan lebih dahulu: Manfaatkan inovasi orisinal dari IBM Research, AWS, dan sumber lain pada model dasar untuk domain khusus (kimia, ilmu material, dan pemrosesan data sensor) untuk mengatasi kasus penggunaan khusus domain yang dipesan lebih dahulu.
• Tata kelola model yayasan, FMOps: Menyiapkan tata kelola organisasi dan teknis yang diperlukan untuk menskalakan model dasar di seluruh perusahaan menggunakan metode AI@Scale dari IBM Consulting.

Kesimpulan

Perusahaan-perusahaan di berbagai industri saat ini menghadapi tekanan besar untuk mengadopsi AI generatif dengan cepat dan menunjukkan manfaatnya. Dengan lebih dari 40 ribu+ keterlibatan AI dan analitik di seluruh dunia, IBM Consulting secara konsisten mendapat peringkat sebagai a pemimpin oleh beberapa analis. IBM Consulting berkomitmen untuk membantu perusahaan-perusahaan ilmu hayat menavigasi dan mewujudkan nilai dari AI generatif melalui CoE AI generatif yang baru-baru ini diumumkan, sebuah proses konsultasi mendalam seperti Garasi IBM dan akselerator seperti ATOM. Klien memerlukan mitra yang tepercaya, berpengalaman, dan terampil untuk membantu mereka dalam perjalanan AI generatif mereka dan IBM Consulting siap membantu mereka dengan menemui mereka di mana pun mereka berada.

Pelajari lebih lanjut tentang Layanan Keamanan IBM untuk AWS