Utnyttelse av generativ AI på AWS for å transformere biovitenskap – IBM Blog

Det eksponentielle spranget inn generativ AI transformerer allerede mange bransjer: optimalisere arbeidsflyter, hjelper menneskelige team med å fokusere på verdiøkende oppgaver og akselerere tiden til markedet. Biovitenskapsindustrien begynner å legge merke til og har som mål å hoppe over de teknologiske fremskritt. Biovitenskapsindustrien har – i flere tiår nå – gått fra den tradisjonelle oppdagelsesbaserte legemiddelutviklingen til å målrette markedsbasert legemiddelutviklingsparadigme. Likevel er det belastet av lange FoU-sykluser og arbeidsintensive kliniske, produksjons- og samsvarsregimer.

Industrien er under et enormt press for å akselerere utviklingen av medikamenter til en optimal kostnad, automatisere tids- og arbeidskrevende oppgaver som å opprette dokumenter eller rapporter for å bevare arbeidsmoralen og akselerere leveringen. Med BioPharma og Medical Device-organisasjoner som i økende grad tar i bruk strategier for digital transformasjon og engasjement – ​​kombinert med paradigmeskiftet forårsaket av Covid19-pandemien – opplever industrien en eksplosjon av digitale data som skapes i kommersielle, forsyningskjede, kliniske og legemiddelovervåkingsområder. verdikjeden, og så vel som i andre virksomhetsfunksjoner.

Disse digitale dataene kommer til industrien i ulike formater, som ustrukturert tekst, bilder, PDF-er og e-poster. Eksplosjonen i digitale data – i kombinasjon med synkende tilgjengelighet av dyktige og villige menneskelige ressurser til å innta og behandle de digitale dataene på en kompatibel måte – tvinger biovitenskapsorganisasjoner til å utforske AI, maskinlæring og nå generative AI-teknologier. Noen eksempler på potensielle brukstilfeller for generativ AI i biovitenskap inkluderer, men er ikke begrenset til:

• AI for Medical Legal Review (MLR): Økende globalisering og eksponentiell vekst innen digitale markedsføringsteknikker har lagt press på den allerede komplekse, tidkrevende og utfordrende prosessen. generativ AI har potensialet til å behandle digitalt innhold i stor skala og produsere en effektiv MLR-utgang, som deretter kan utnyttes av det menneskelige markedsføringsteamet, og akselerere og forenkle prosessen.
• AI for generering av kliniske studierapporter (CSR): Generativ AI har potensial til å lage en "første forsøk"-rapport, som kan kompensere for 80 % av menneskelig innsats, akselerere prosessen, bringe inn konsistens og frigjøre verdifull båndbredde for andre oppgaver med høy verdi.
• Uønsket hendelse (AE) Generering av narrativ: Denne svært regulerte, tidkrevende oppgaven med å generere en uønsket hendelsesfortelling krever svært regulerte forretningsfunksjoner og svært dyktige roller innen biovitenskapelige organisasjoner og krever koordinering av manuelle, noen ganger kjedelige, oppgaver som kan gi potensielt unøyaktige eller inkonsekvente resultater. Å utnytte generativ AI for å øke menneskelige teamkapasiteter gir kundene en mulighet til å redusere kostnadene med 30–50 %, samtidig som tiden til markedet relatert til denne prosessen akselereres med minst 50 % og forbedrer skalerbarhet, kvalitet og konsistens i genererte rapporter.
• Akselerer design av mRNA-medisiner: Moderna, som har utnyttet maskinlæring og AI for å fremme feltet av messenger RNA (mRNA) for å skape en mangfoldig klinisk portefølje av vaksiner og terapeutika på tvers av syv modaliteter, er samarbeid med IBM å utnytte generativ AI for å designe mRNA-medisiner med optimal sikkerhet og ytelse.

Andre brukstilfeller der generative AI-modeller kan hjelpe biovitenskapelige organisasjoner med å frigjøre konkurransefortrinn er:

• samandrag: samtalesenterinteraksjoner, dokumenter som økonomiske rapporter, analytikerartikler, e-poster, nyheter, medietrender og mer.
• Samtalekunnskap: Anmeldelser, kunnskapsbase, produktbeskrivelser og mer.
• Innholdsskaping: Personas, brukerhistorier, syntetiske data, generering av bilder, personlig brukergrensesnitt, markedsføringskopi, e-post og sosiale svar og mer.
• Kodeoppretting: Kode co-pilot, kodekonvertering, lage teknisk dokumentasjon, testcases og mer.
• Forskning og utvikling: Oppdagelse og utvikling av legemidler, oppretting og gjennomgang av kvalitetsinnhold, kvalitet og regulatorisk etterretning, generering av AE Narrative, intelligente innsendinger, generering av syntetiske data.
• Commercial: Markedsføringsinnhold, pasienterfaring, rep onboarding og opplæring av salgsaktivering og kunnskapssenter.
• Menneskelige ressurser: Lag cob-beskrivelser, ferdighetskrav, lag intervjuspørsmål fra en stillingsbeskrivelse, vurder kandidater mot en jobbspesifikasjon, lærings- og undervisningsassistent, quizoppretting, innholdsskaping og mer.
• produksjon: Kvalitetskontroll og inspeksjon, operatør-/labteknologisk trening samtalesøk gjennom SOP-er, innholdsoppretting og mer.
• Forsyningskjede: Etterspørselsprognoser, forsyningskjedeoptimalisering, risikovurdering og reduksjon.

Vi tror at utnyttelse av generativ AI-automatisering kan gi fordeler innen biovitenskap – inkludert i regulerte domener – og redusere syklustidene for å lage AE-narrativer med minst 50 %, basert på arbeid utført av IBM Consulting og Pharmacovigilance-gruppen ved en global BioPharma selskap.

I dette blogginnlegget vil vi vise frem hvordan IBM Consulting samarbeider med AWS og utnytter Large Language Models (LLMs), på IBM Consultings generative AI-Automation-plattform (ATOM), for å lage industribevisste, biovitenskapelige domeneopplærte grunnmodeller for å generere første utkast til de narrative dokumentene, med et mål om å hjelpe menneskelige team.

Hvorfor IBM Consulting for generativ AI på AWS?

I mer enn et tiår har IBM Consulting hjulpet kunder med å drive verdi gjennom AI, maskinlæring og automatiseringsløsninger for å optimalisere forretningsprosesser og IT-drift på tvers av bransjer. Nylig har IBM Consulting samarbeidet med bedrifter for å distribuere grunnmodeller til reimagine kjernearbeidsflyter og realisere verdi– redusere kostnader, behandlingstid og forbedre produktiviteten, og er forpliktet til å hjelpe bedrifter med å navigere og frigjøre verdier fra de seismiske endringene drevet av AI. Med det i tankene kunngjorde IBM Consulting nylig en generativ AI Center of Excellence med 1000+ konsulenter som er dyktige i generativ AI og akseleratorverktøy, spesialbygd for grunnmodeller og LLM-er; gjennom dette hjelper IBM Consulting bedrifter med å utvikle og distribuere produksjonskvalitets generative AI-modeller.

IBM er en Premier Consulting Partner for AWS med 20 16 AWS-sertifiserte fagfolk over hele verden, 16 tjenestevalideringer og 16 AWS-kompetanse, og blir den raskeste globale GSI-en for å sikre flere AWS-kompetanse og -sertifiseringer blant topp-18 AWS Premier GSI-er innen 2022 måneder. På re:Invent XNUMX, IBM Consulting ble tildelt de Årets globale innovasjonspartner og Årets GSI-partner for Latin-Amerika, sementerer klienten og AWS tillit til IBM Consulting som den foretrukne partneren når det gjelder AWS.

I AI-domenet har IBM 21 40 dataforskere, AI-ingeniører og konsulenter og har utført XNUMX XNUMX+ AI- og analyseoppdrag. Men med stor kraft følger stort ansvar, og dette gjelder spesielt for generativ AI. IBM Consulting har drevet en ansvarlig og etisk tilnærming til AI i mer enn fem år nå, hovedsakelig fokusert på disse fem grunnleggende prinsippene:

1. Forklarbarhet: Hvordan en AI-modell kommer til en avgjørelse bør kunne forstås, med menneskelige systemer som gir mer troverdighet og bidrar til å redusere samsvarsrisiko.
2. Rettferdighet: AI-modeller bør behandle alle grupper rettferdig.
3. Robusthet: AI-systemer skal kunne motstå angrep på treningsdataene.
4. Åpenhet: Alle relevante aspekter ved et AI-system bør være tilgjengelig for publikum for evaluering.
5. Privatliv: Dataene som brukes i AI-systemer skal være sikre, og når disse dataene tilhører en person, bør personen forstå hvordan den brukes.

IBM hjelper flere biovitenskapelige enheter med å distribuere AI på en ansvarlig og pålitelig måte på tvers av flere funksjoner. IBM har samarbeidet med Johnson & Johnson for å fundamentalt revurdere talentstrategien deres å bruke AI-basert ferdighetsslutning på en ansvarlig måte, og levere transformasjon i skala for applikasjonsobservabilitet ved bruk av AIOP-er.

For å hjelpe biovitenskapsorganisasjoner med å følge GxP-retningslinjer og forskrifter når de utvikler eller produserer legemidler og medisinsk utstyr, utnytter IBM Consulting sin enorme GxP-erfaring og AWS beste praksis rundt GxP, HIPAA og andre compliance-programmer å levere kompatible, regulerte, validerte og sikre løsninger.

Hvordan bygge en generativ AI-pipeline i AWS for narrativ generering?

For tiden er det å lage fortellinger for uønskede hendelser en intensiv manuell prosess i helsevesenet. Når en uønsket hendelse rapporteres, leser og behandler kliniske team og sikkerhetsteam flere detaljer manuelt – pasientens nåværende og historisk helse- og medisinske informasjon, hendelsesdataene og mer – og skriver manuelt en detaljert rapport, etter behov av reguleringsmyndighetene. Med bruken av generativ kunstig intelligens, tror vi at disse prosessene kan utvides for å frigjøre kapasitet for kliniske team og sikkerhetsteam til å skifte til oppgaver med høyere verdi, som å gjennomgå fortellingene, samt gjøre det mulig for teamene å fokusere på mer komplekse oppgaver.

Vi utforsket flere alternativer for oppgaven med å generere fortellinger om uønskede hendelser ved å bruke generativ AI. Til syvende og sist, en av de Klem ansikt Store språkmodeller på Amazon Sagemaker JumpStart ble valgt til å bygge fortellingene om uønskede hendelser av flere grunner: den har en tillatende lisens som tillater kommersiell bruk, klare modell/datakort for kildemodellen som kan forklare dataavstamningen, muligheten til å finjustere modellen i Sagemaker Jumpstart, og robust evne til å generere narrativ tekst med uønskede hendelser med minimal mengde finjustering.

Høynivå-pipelinen for denne prosessen er vist i figur 1. Vi startet med å klargjøre de proprietære strukturerte dataene for å rense og gjøre dem klare i et format for å kunne passere innenfor ledetekster for finjustering og inferencing. Den store språkmodellen ble deretter finjustert Amazon Sagemaker på et treningsdatasett med over 500 poster som beskriver pasienthelseinformasjon, uønskede hendelser og medisinsk informasjon, ved å bruke pipelinen vist nedenfor. Amazon Sagemaker er en optimal plattform for generativ AI på grunn av flere innebygde funksjoner (mulighet til å velge modeller fra en katalog, ingen kodetilnærming for å trene modeller, funksjonalitet for å sette opp flere rørledninger og overvåke.) Når den var finjustert, ble den utplasserte modellen brukt å konkludere med testdata for å lage AE-fortellingene (se figur 2 for et eksempel). I tillegg validerte teamet med eksperter på sikkerhet og kliniske emner den narrative generasjonen ved å bruke bakkesannhetsdokumenter og analyserte dem manuelt for å sikre at den generative AI-Automation-rørledningen var pålitelig og ikke utsatt for hallusinasjoner.

I tillegg til dette lanserte IBM Consulting nylig watsonx.data på AWS, et åpent, hybrid, styrt datalager for å hjelpe bedrifter med å skalere analyser og AI. IBM Consulting samarbeider også med AWS for å integrere det kommende Amazonas grunnfjell, en fullstendig administrert tjeneste som gjør FM-er fra ledende AI-startups og Amazon tilgjengelig via et API, inn i ATOM, for å hjelpe klienter med å bygge og skalere generative AI-brukssaker, mens styrking av cybersikkerhet og samsvar.

Forretningsverdi

Per FAERS database, har antallet rapporterte AE-er vokst 2.5x på 10 år, fra 2012 til 2022. Uavhengig av volumer, må selskaper rapportere disse hendelsene raskt til regulatorer og handle raskt på sikkerhetssignaler. Byrden fra økende arrangementsvolumer gjenspeiles i budsjetter som forventes å vokse fra anslagsvis 4 milliarder USD i 2017 til over 6 milliarder innen 2020.

I følge en topp 10 store USA-baserte biovitenskapsklient som IBM Consulting jobber med, har bruk av generativ AI på en kompatibel og ansvarlig måte potensialet til å redusere det manuelle arbeidet for å lage AE-rapporter med 50 %. Å kombinere det med en AI-drevet, menneskelig oversettelsesløsning, kan ytterligere optimalisere driftskostnadene og frigjøre verdifulle menneskelige team for å fokusere på verdiøkende oppgaver.

Som et nikk til den økende bruken av maskinlæring i biovitenskap, har FDA nå fjernet mer enn 500 medisinske algoritmer som er kommersielt tilgjengelig i USA. Mer enn halvparten av algoritmene på det amerikanske markedet ble klarert mellom 2019 og 2022, med mer enn 300 apper på bare fire år. Bare i oktober 2022 godkjente FDA 178 nye AI/ML-systemer, et antall som forventes å vokse raskt inn i fremtiden.

Dette momentumet skaper en enorm forretningsverdi for biovitenskapsklienter som ønsker å innovere på tvers av verdikjeden, ved å utnytte banebrytende teknologier som generativ AI.

Hvordan IBM Consulting kan støtte kunder på deres reise for å utnytte Foundation Models?

IBM Consulting har ekspertisen og erfaringen til å støtte kunder med ulik grad av modenhet på deres generative AI-reise. På et høyt nivå utnytter IBM Consulting følgende pilarer for å møte kundene der de er:

• Generativ AI-strategi og Center of Excellence-oppsett: Standardisert konsulentoppdrag for å informere, engasjere, oppdage og vurdere nye brukstilfeller for fundamentmodeller.
• Foundation Model Hackathon: Et 2-dagers hackathon for å ideer og prototyper av innovative AI-løsninger for spesifikke use case-domener – ved å utnytte standard sky-API-er eller åpen kildekode-fundamentmodeller (GPT, BERT og andre).
• Jumpstart for fundamentmodell: Utnytt IBM Garage for å starte bruken av fundamentmodeller og implementere velprøvde IBM-brukstilfeller på 6–8 uker på tvers av forskjellige domener.
• Samskaping, samarbeid og generativ AI @ Skala: Design og implementeringstjenester for prototyping og bygging av effektive forretningsløsninger (f.eks. virtuelle assistenter og kunnskapshuber) som utnytter kommersielle eller åpen kildekode-fundamentmodeller.
• Skreddersydde fundamentmodeller: Utnytt originale innovasjoner fra IBM Research, AWS og andre kilder på grunnmodeller for spesialiserte domener (kjemi, materialvitenskap og sensordatabehandling) for å adressere skreddersydde domenespesifikke brukssaker.
• Grunnleggende modellstyring, FMOps: Sett opp den nødvendige organisatoriske og tekniske styringen for å skalere grunnmodeller på tvers av bedriften ved å bruke IBM Consultings AI@Scale-metode.

konklusjonen

Bedrifter på tvers av bransjer står for øyeblikket overfor betydelig press for å ta i bruk generativ AI raskt og vise verdi. Med mer enn 40 XNUMX AI og analyseengasjementer over hele verden, har IBM Consulting konsekvent blitt rangert som en leder av flere analytikere. IBM Consulting er forpliktet til å hjelpe biovitenskapsbedrifter med å navigere og realisere verdier fra generativ AI gjennom den nylig annonserte generative AI CoE, en oppslukende konsultasjonsprosess som IBM verksted og akseleratorer som ATOM. Kunder trenger en pålitelig, erfaren og dyktig partner for å hjelpe dem på deres generative AI-reise, og IBM Consulting er klar til å hjelpe dem ved å møte dem der de er.

Lær mer om IBM Security Services for AWS