מינוף AI גנרטיבי ב-AWS כדי לשנות את מדעי החיים - בלוג IBM

הזינוק האקספוננציאלי פנימה AI ייצור כבר משנה תעשיות רבות: אופטימיזציה של זרימות עבודה, עוזר לצוותים אנושיים להתמקד במשימות ערך מוסף והאצת זמן הגעה לשוק. תעשיית מדעי החיים מתחילה לשים לב ומטרתה לקפוץ מההתקדמות הטכנולוגית. תעשיית מדעי החיים עברה - כבר עשרות שנים - מפיתוח התרופות המסורתי המבוסס על גילויים לפרדיגמת פיתוח תרופות מבוססת שוק. עם זאת, היא עמוסה במחזורי מו"פ ארוכים ומשטרי עבודה קליניים, ייצור ותאימות.

התעשייה נתונה בלחץ אדיר להאיץ את פיתוח התרופות בעלות אופטימלית, להפוך משימות עתירות זמן ועבודה לאוטומטיות כמו יצירת מסמכים או דוחות כדי לשמר את מורל העובדים ולהאיץ את האספקה. כאשר ארגוני BioPharma ו-Medical Device מאמצים יותר ויותר אסטרטגיות טרנספורמציה ומעורבות דיגיטלית - בשילוב עם שינוי הפרדיגמה שהביאה מגיפת Covid19 - התעשייה חווה פיצוץ של נתונים דיגיטליים שנוצרים בתחומים המסחריים, שרשרת האספקה, הקליניים והמעקב התרופתי. שרשרת הערך, וכן בפונקציות עסקיות אחרות של הארגון.

הנתונים הדיגיטליים האלה מגיעים לתעשייה בפורמטים שונים, כמו טקסט לא מובנה, תמונות, קובצי PDF ומיילים. הפיצוץ בנתונים דיגיטליים - בשילוב עם ירידה בזמינות של משאבי אנוש מיומנים ונכונים לקלוט ולעבד את הנתונים הדיגיטליים באופן תואם - מאלץ ארגוני מדעי החיים לחקור AI, למידת מכונה וכעת טכנולוגיות AI מחוללות. כמה דוגמאות למקרי שימוש פוטנציאליים עבור AI גנרטיבי במדעי החיים כוללות בין היתר:

• AI עבור סקירה משפטית רפואית (MLR): הגברת הגלובליזציה והצמיחה האקספוננציאלית בטכניקות השיווק הדיגיטלי מעמיסות על התהליך המורכב ממילא, גוזל זמן ומאתגר. ל- AI יצירתי יש את הפוטנציאל לעבד תוכן דיגיטלי בקנה מידה ולייצר פלט MLR יעיל, שאותו יכול צוות השיווק האנושי למנף, להאיץ ולפשט את התהליך.
• AI להפקת דוחות מחקרים קליניים (CSR): בינה מלאכותית גנרטיבית היא בעלת פוטנציאל ליצור דוח "ניסיון ראשון", שיכול לקזז 80% מהמאמץ האנושי, להאיץ את התהליך, להביא לעקביות ולפנות רוחב פס יקר עבור משימות אחרות בעלות ערך גבוה.
• יצירת נרטיב של אירוע לוואי (AE).: משימה מאוד מווסתת וגוזלת זמן זו של יצירת נרטיב של אירוע שלילי דורשת פונקציות עסקיות מוסדרות מאוד ותפקידים מיומנים מאוד בתוך ארגוני מדעי החיים ודורשת תיאום של משימות ידניות, לפעמים מייגעות, שעלולות לייצר תוצאות לא מדויקות או לא עקביות. מינוף AI גנרטיבי להגדלת יכולות הצוות האנושי מהווה הזדמנות ללקוחות להפחית עלויות ב-30%-50%, תוך האצת זמן יציאה לשוק הקשור לתהליך זה ב-50% לפחות ושיפור המדרגיות, האיכות והעקביות של הדוחות המופקים.
• האצת עיצוב תרופות mRNA: Moderna, שממנפת למידת מכונה ובינה מלאכותית כדי לקדם את תחום ה-Messenger RNA (mRNA) כדי ליצור תיק קליני מגוון של חיסונים ותרופות על פני שבעה שיטות, היא שיתוף פעולה עם IBM למנף AI גנרטיבי לעיצוב תרופות mRNA עם בטיחות וביצועים מיטביים.

מקרי שימוש נוספים שבהם מודלים של AI גנרטיביים יכולים לעזור לארגוני מדעי החיים לשחרר יתרון תחרותי הם:

• סיכום: אינטראקציות טלפוניות, מסמכים כגון דוחות כספיים, מאמרי אנליסט, מיילים, חדשות, מגמות במדיה ועוד.
• ידע בשיחה: ביקורות, בסיס ידע, תיאורי מוצרים ועוד.
• יצירת תוכן: פרסונות, סיפורי משתמשים, נתונים סינתטיים, יצירת תמונות, ממשק משתמש מותאם אישית, עותק שיווקי, אימייל ותגובות חברתיות ועוד.
• יצירת קוד: טייס קוד, המרת קוד, יצירת תיעוד טכני, מקרי בדיקה ועוד.
• מחקר ופיתוח: גילוי ופיתוח תרופות, יצירה וסקירה של תוכן איכותי, אינטליגנציה איכותית ורגולטורית, יצירת נרטיב AE, הגשות אינטליגנטיות, יצירת נתונים סינתטיים.
• מסח you יצירת תוכן שיווקי, חווית מטופל, הפעלת נציג והדרכה הפעלת מכירות ומרכז ידע.
• משאבי אנוש: צור תיאורי קלחים, דרישות מיומנות, צור שאלות ראיון מתיאור תפקיד, הערכת מועמדים מול מפרט תפקיד, עוזר למידה והוראה, יצירת חידונים, יצירת תוכן ועוד.
• ייצור: בקרת איכות ופיקוח, אימון מפעיל/מעבדה טכנולוגי חיפוש שיחות באמצעות SOP's, יצירת תוכן ועוד.
• שרשרת אספקה: חיזוי ביקוש, אופטימיזציה של שרשרת האספקה, הערכת סיכונים והפחתה.

אנו מאמינים כי מינוף AI-Automation גנרטיבי יכול להביא יתרונות במדעי החיים - כולל בתחומים מוסדרים - ולהפחית את זמני המחזור ליצירת נרטיבים של AE ב-50% לפחות, בהתבסס על עבודה שנעשתה על ידי IBM Consulting וקבוצת Pharmacovigilance ב-BioPharma עולמית חֶברָה.

בפוסט זה בבלוג, נציג כיצד IBM Consulting משתפת פעולה עם AWS וממנפת מודלים של שפה גדולה (LLMs), בפלטפורמת ה-AI-Automation (ATOM) של IBM Consulting, כדי ליצור מודלים מבוססי תחום מדעי החיים המוכרים בתעשייה. ליצור טיוטות ראשונות של המסמכים הנרטיביים, במטרה לסייע לצוותים אנושיים.

מדוע ייעוץ IBM עבור AI גנרטיבי ב-AWS?

במשך יותר מעשור, IBM Consulting סייעה ללקוחות להעלות ערך AI, למידת מכונה ופתרונות אוטומציה לאופטימיזציה של תהליכים עסקיים ופעולות IT על פני תעשיות. לאחרונה, IBM Consulting שיתפה פעולה עם ארגונים כדי לפרוס אליהם מודלים בסיסיים לדמיין מחדש את זרימות העבודה המרכזיות ולממש ערך- הפחתת עלויות, זמן אספקה ​​ושיפור הפרודוקטיביות ומחויבת לעזור לארגונים לנווט ולפתור ערך מהשינויים הסיסמיים המונעים על ידי AI. עם זאת בחשבון, IBM Consulting הכריזה לאחרונה על א מרכז המצוינות הגנרטיבי של AI עם יותר מ-1000 יועצים מיומנים בבינה מלאכותית וערכות כלים מאיץ שנבנו ייעודיים עבור מודלים בסיסיים ו-LLMs; באמצעות זה, IBM Consulting מסייעת לארגונים לפתח ולפרוס דגמי AI מחוללים בדרגת ייצור.

IBM היא שותפת ייעוץ ראשונית ל-AWS עם יותר מ-20 אלף אנשי מקצוע מוסמכים של AWS ברחבי העולם, 16 אימותי שירות ו-16 כישורי AWS, והופכת ל-GSI הגלובלי המהיר ביותר כדי להבטיח יותר מיומנויות והסמכות AWS בין 16 ה-AWS Premier GSI's המובילים בתוך 18 חודשים. ב-re:Invent 2022, ייעוץ IBM זכה בפרס מה היא שותף החדשנות העולמי של השנה ו שותף השנה של GSI לאמריקה הלטינית, חיזוק לקוחות ו-AWS אמון ב-IBM Consulting כשותפה מועדפת בכל הנוגע ל-AWS.

בתחום הבינה המלאכותית, ל-IBM יש יותר מ-21 אלף מדעני נתונים, מהנדסי בינה מלאכותית ויועצים והיא ביצעה יותר מ-40 אלף בינה מלאכותית וניתוחים. אבל עם כוח גדול באה אחריות גדולה, וזה נכון במיוחד עבור AI גנרטיבי. IBM Consulting נהגה א גישה אחראית ואתית ל-AI כבר יותר מחמש שנים, מתמקד בעיקר בחמשת העקרונות הבסיסיים האלה:

1. הסבר: צריך להבין איך מודל בינה מלאכותית מגיע להחלטה, כאשר מערכות אנושיות במעגל מוסיפות יותר אמינות ועוזרות להפחית את סיכוני הציות.
2. הגינות: מודלים של AI צריכים להתייחס לכל הקבוצות בשוויון.
3. חוסן: מערכות AI צריכות להיות מסוגלות לעמוד בפני התקפות על נתוני האימון.
4. שקיפות: כל ההיבטים הרלוונטיים של מערכת AI צריכים להיות זמינים לציבור להערכה.
5. פרטיות: הנתונים המשמשים במערכות AI צריכים להיות מאובטחים, וכאשר הנתונים האלה שייכים לאדם, האדם צריך להבין כיצד נעשה בהם שימוש.

יבמ עוזרת לכמה ישויות בתחום מדעי החיים לפרוס בינה מלאכותית בצורה אחראית ומהימנה בכמה פונקציות. IBM שיתפה פעולה עם Johnson & Johnson כדי לחשוב מחדש באופן יסודי על אסטרטגיית הכישרון שלהם שימוש בהסקת מיומנויות מבוססות בינה מלאכותית בצורה אחראית, ואספקה טרנספורמציה בקנה מידה לצפייה ביישום באמצעות AIOPs.

כדי לעזור לארגוני מדעי החיים לעקוב אחר הנחיות ותקנות GxP בעת פיתוח או ייצור של תרופות ומכשור רפואי, IBM Consulting ממנפת את הניסיון הרב שלה ב-GxP ואת שיטות העבודה המומלצות של AWS סביב GxP, HIPAA ואחר תוכניות ציות לספק פתרונות תואמים, מוסדרים, מאושרים ומאובטחים.

כיצד לבנות צינור בינה מלאכותית גנרטיבית ב-AWS ליצירת נרטיב?

נכון לעכשיו, יצירת נרטיבים לאירועים שליליים היא תהליך ידני אינטנסיבי בתחום הבריאות. כאשר מדווח על אירוע לוואי, צוותים קליניים ובטיחותיים קוראים ומעבדים ידנית מספר פרטים - מידע בריאותי ורפואי עדכני והיסטורי של המטופל, נתוני האירוע ועוד - וכותבים ידנית דו"ח מפורט, לפי הצורך של הרשויות הרגולטוריות. עם הופעת הבינה המלאכותית הגנרטיבית, אנו מאמינים שניתן להגדיל את התהליכים הללו כדי לפנות יכולת לצוותים קליניים ובטיחותיים לעבור למשימות בעלות ערך גבוה יותר כמו סקירת הנרטיבים וכן לאפשר לצוותים להתמקד במשימות מורכבות יותר.

בדקנו אפשרויות מרובות למשימה של יצירת נרטיבים של אירועי לוואי באמצעות בינה מלאכותית גנרטיבית. בסופו של דבר, אחד מה חיבוק פנים מודלים שפה גדולים על אמזון Sagemaker JumpStart נבחר לבנות את סיפורי האירועים השליליים מסיבות מרובות: יש לו רישיון מתירני המאפשר שימוש מסחרי, כרטיסי מודל/נתונים ברורים למודל המקור שיכולים להסביר את שושלת הנתונים שלו, היכולת לכוונן את המודל בתוך Sagemaker Jumpstart, ויכולת חזקה ליצור טקסט נרטיבי לאירועים שליליים עם כמות מינימלית של כוונון עדין.

הצינור ברמה הגבוהה לתהליך זה מוצג באיור 1. התחלנו בהכנת הנתונים המובנים הקנייניים לניקוי והכנתם בפורמט שיוכל לעבור בתוך הנחיות לכוונון עדין והסקת מסקנות. מודל השפה הגדולה כוונן אז אמזון Sagemaker על מערך הכשרה של 500+ רשומות המתאר מידע בריאותי של מטופל, אירועי לוואי ומידע רפואי, באמצעות הצינור המוצג להלן. Amazon Sagemaker היא פלטפורמה אופטימלית לבינה מלאכותית יצירתית הודות למספר פונקציות מובנות (יכולת לבחור דגמים מקטלוג, ללא גישת קוד לאימון מודלים, פונקציונליות להגדרת צינורות וניטור נוספים). לאחר כוונון עדין, נעשה שימוש במודל שנפרס להסיק על נתוני בדיקה כדי ליצור את הנרטיבים של AE (ראה איור 2 לדוגמא). בנוסף, צוות מומחי הבטיחות והנושאים הקליניים אימת את הדור הנרטיבי באמצעות מסמכי אמת קרקע וניתח אותם באופן ידני כדי להבטיח שצינור ה-AI-Automation היצירתי היה אמין ואינו נתון להזיות.

בנוסף לכך, IBM Consulting השיקה לאחרונה watsonx.data ב-AWS, מאגר נתונים פתוח, היברידי, נשלט כדי לעזור לארגונים להרחיב את הניתוח ואת הבינה המלאכותית. IBM Consulting גם משתפת פעולה עם AWS כדי לשלב את התוכנית הקרובה סלע אמזון, שירות מנוהל במלואו שהופך FM מחברות סטארט-אפ מובילות בינה מלאכותית ואמזון לזמינים באמצעות API, לתוך ATOM, כדי לעזור ללקוחות לבנות ולהרחיב מקרי שימוש בינה מלאכותית, תוך כדי חיזוק אבטחת הסייבר ואת תאימות.

ערך עסקי

לפי מסד הנתונים של FAERS, מספר ההפרעות המדווחות גדל פי 2.5 ב-10 שנים, מ-2012 עד 2022. ללא קשר לכמויות, חברות חייבות לדווח על אירועים אלו במהירות לרגולטורים ולפעול במהירות לפי אותות בטיחות. הנטל מגידול בהיקפי האירועים בא לידי ביטוי בתקציבים שצפויים לגדול מ-4 מיליארד דולר ב-2017 למעל 6 מיליארד ב-2020.

על פי 10 לקוח מדעי החיים הגדולים בארה"ב ש-IBM הייעוץ עובד איתו כעת, למינוף AI יצירתי בצורה תואמת ואחראית יש פוטנציאל להפחית את העבודה הידנית ליצירת דוחות AE ב-50%. שילוב של זה עם א פתרון תרגום שפה מונע בינה מלאכותית, אנושי בלולאה, יכול לייעל עוד יותר את עלויות התפעול ולפנות צוותים אנושיים בעלי ערך להתמקד במשימות ערך מוסף.

בקריאת ראש לשימוש הגובר בלמידת מכונה במדעי החיים, ה-FDA עשה כעת ניקה יותר מ-500 אלגוריתמים רפואיים הזמינים מסחרית בארצות הברית. יותר ממחצית מהאלגוריתמים בשוק האמריקני נוקו בין 2019 ל-2022, עם יותר מ-300 אפליקציות בארבע שנים בלבד. באוקטובר 2022 לבדו, ה-FDA אישר 178 מערכות AI/ML חדשות, מספר שצפוי לגדול במהירות בעתיד.

המומנטום הזה יוצר ערך עסקי עצום עבור לקוחות מדעי החיים המעוניינים לחדש בכל שרשרת הערך, תוך מינוף טכנולוגיות מתקדמות כמו בינה מלאכותית.

כיצד IBM Consulting יכולה לתמוך בלקוחות במסעם למינוף מודלים של בסיס?

ל-IBM Consulting יש את המומחיות והניסיון לתמוך בלקוחות בדרגות שונות של בגרות במסע הבינה המלאכותית שלהם. ברמה גבוהה, IBM Consulting ממנפת את עמודי התווך הבאים כדי לפגוש לקוחות היכן שהם נמצאים:

• אסטרטגיית AI גנרטיבית והגדרת מרכז המצוינות: מעורבות ייעוץ סטנדרטית כדי ליידע, לעסוק, לגלות ולהעריך מקרי שימוש חדשים עבור מודלים של בסיס.
• האקתון מודל קרן: האקתון בן יומיים לרעיונות ואב-טיפוס של פתרונות בינה מלאכותית חדשניים עבור תחומי שימוש ספציפיים - תוך מינוף ממשקי API סטנדרטיים בענן או מודלים של בסיס קוד פתוח (GPT, BERT ואחרים).
• Jumpstart למודל הבסיס: מנף את IBM Garage כדי להזניק את השימוש במודלים של יסודות וליישם מקרי שימוש מוכחים של IBM תוך 6-8 שבועות בתחומים שונים.
• יצירה משותפת, שיתוף פעולה ובינה מלאכותית מחוללת בקנה מידה: שירותי עיצוב והטמעה ליצירת אב טיפוס ובניית פתרונות עסקיים יעילים (עוזרים וירטואליים ומרכזי ידע, למשל) תוך מינוף מודלים של בסיס מסחרי או קוד פתוח.
• דגמי יסוד בהתאמה אישית: נצל חידושים מקוריים מ-IBM Research, AWS ומקורות אחרים על מודלים בסיסיים לתחומים מיוחדים (כימיה, מדעי החומר ועיבוד נתוני חיישנים) כדי לטפל במקרים של שימוש ספציפי לתחום.
• ניהול מודל קרן, FMOps: הגדר את הממשל הארגוני והטכני הנדרש להגדלת מודלים של בסיס ברחבי הארגון באמצעות שיטת AI@Scale של IBM Consulting.

סיכום

ארגונים שונים בתעשיות מתמודדים כעת עם לחץ ניכר לאמץ AI יצירתי במהירות ולהפגין ערך. עם יותר מ-40K+ בינה מלאכותית וניתוחים ברחבי העולם, IBM Consulting דורגה באופן עקבי כ- מנהיג על ידי מספר אנליסטים. IBM Consulting מחויבת לעזור למפעלי מדעי החיים לנווט ולממש את הערך מ-AI גנרטיבי באמצעות ה-AI CoE הגנרטיבי שהוכרז לאחרונה, תהליך ייעוץ סוחף כמו מוסך יבמ ומאיצים כמו ATOM. לקוחות צריכים שותף מהימן, מנוסה ומיומן שיעזור להם במסע הבינה המלאכותית שלהם, ו-IBM Consulting מוכנה לעזור להם על ידי פגישה איתם היכן שהם נמצאים.

למידע נוסף על שירותי אבטחה של IBM עבור AWS