Tận dụng trí tuệ nhân tạo AI trên AWS để biến đổi khoa học đời sống – IBM Blog

Bước nhảy vọt theo cấp số nhân trong trí tuệ nhân tạo đang chuyển đổi nhiều ngành công nghiệp: tối ưu hóa quy trình làm việc, giúp nhóm con người tập trung vào các nhiệm vụ có giá trị gia tăng và đẩy nhanh thời gian đưa sản phẩm ra thị trường. Ngành khoa học đời sống đang bắt đầu chú ý và đặt mục tiêu đi trước những tiến bộ công nghệ. Ngành khoa học đời sống — trong nhiều thập kỷ nay — đã chuyển từ phát triển thuốc dựa trên khám phá truyền thống sang mô hình phát triển thuốc dựa trên thị trường nhắm mục tiêu. Tuy nhiên, nó bị gánh nặng bởi các chu kỳ R&D kéo dài cũng như các phác đồ điều trị, sản xuất và tuân thủ sử dụng nhiều lao động.

Ngành này đang chịu áp lực rất lớn trong việc đẩy nhanh quá trình phát triển thuốc với chi phí tối ưu, tự động hóa các nhiệm vụ tốn nhiều thời gian và công sức như tạo tài liệu hoặc báo cáo để duy trì tinh thần của nhân viên và đẩy nhanh quá trình giao hàng. Với việc các tổ chức BioPharma và Thiết bị y tế ngày càng áp dụng các chiến lược tương tác và chuyển đổi kỹ thuật số — kết hợp với sự thay đổi mô hình do đại dịch Covid19 mang lại — ngành đang trải qua sự bùng nổ dữ liệu kỹ thuật số được tạo ra trong các lĩnh vực thương mại, chuỗi cung ứng, lâm sàng và cảnh giác dược phẩm của chuỗi giá trị cũng như trong các chức năng kinh doanh khác của doanh nghiệp.

Dữ liệu kỹ thuật số này đang xuất hiện trong ngành ở nhiều định dạng khác nhau, như văn bản phi cấu trúc, hình ảnh, PDF và email. Sự bùng nổ về dữ liệu kỹ thuật số—kết hợp với việc nguồn nhân lực có kỹ năng và sẵn sàng tiếp nhận và xử lý dữ liệu kỹ thuật số theo cách tuân thủ đang ngày càng suy giảm—đang buộc các tổ chức khoa học đời sống phải khám phá AI, học máy và giờ đây là các công nghệ AI tổng hợp. Một số ví dụ về các trường hợp sử dụng tiềm năng của AI tổng hợp trong khoa học đời sống bao gồm nhưng không giới hạn ở:

• AI để đánh giá pháp lý y tế (MLR): Toàn cầu hóa ngày càng gia tăng và sự tăng trưởng theo cấp số nhân trong các kỹ thuật tiếp thị kỹ thuật số đã gây căng thẳng cho quá trình vốn đã phức tạp, tốn thời gian và đầy thử thách. AI tổng quát có tiềm năng xử lý nội dung kỹ thuật số trên quy mô lớn và tạo ra đầu ra MLR hiệu quả, sau đó có thể được nhóm tiếp thị con người tận dụng, đẩy nhanh và đơn giản hóa quy trình.
• AI để tạo báo cáo nghiên cứu lâm sàng (CSR): AI sáng tạo có khả năng tạo ra báo cáo “lần thử đầu tiên”, có thể bù đắp 80% nỗ lực của con người, đẩy nhanh quá trình, mang lại sự nhất quán và giải phóng băng thông có giá trị cho các nhiệm vụ có giá trị cao khác.
• Sự kiện bất lợi (AE) Tạo tường thuật: Nhiệm vụ tốn nhiều thời gian, được quản lý chặt chẽ này nhằm tạo ra một bản tường thuật sự kiện bất lợi đòi hỏi các chức năng kinh doanh được quản lý chặt chẽ và vai trò có tay nghề cao trong các tổ chức khoa học đời sống và yêu cầu phối hợp các nhiệm vụ thủ công, đôi khi tẻ nhạt, có thể tạo ra kết quả không chính xác hoặc không nhất quán. Việc tận dụng AI tổng quát để tăng cường khả năng của nhóm con người mang đến cơ hội cho Khách hàng giảm chi phí từ 30% -50%, đồng thời đẩy nhanh thời gian đưa ra thị trường liên quan đến quy trình này ít nhất 50% và cải thiện khả năng mở rộng, chất lượng và tính nhất quán của các báo cáo được tạo.
• Tăng tốc thiết kế thuốc mRNA: Moderna, công ty đã tận dụng công nghệ học máy và AI để thúc đẩy lĩnh vực RNA thông tin (mRNA) nhằm tạo ra danh mục lâm sàng đa dạng về vắc xin và phương pháp điều trị trên bảy phương thức, là hợp tác với IBM tận dụng AI sáng tạo để thiết kế các loại thuốc mRNA với độ an toàn và hiệu suất tối ưu.

Các trường hợp sử dụng khác trong đó các mô hình AI tổng quát có thể giúp các tổ chức khoa học đời sống giải phóng lợi thế cạnh tranh là:

• Tóm tắt: tương tác của trung tâm cuộc gọi, các tài liệu như báo cáo tài chính, bài viết phân tích, email, tin tức, xu hướng truyền thông và hơn thế nữa.
• Kiến thức đàm thoại: Đánh giá, cơ sở kiến ​​thức, mô tả sản phẩm và nhiều hơn nữa.
• Tạo nội dung: Personas, câu chuyện của người dùng, dữ liệu tổng hợp, tạo hình ảnh, giao diện người dùng được cá nhân hóa, bản sao tiếp thị, email và phản hồi trên mạng xã hội, v.v.
• Tạo mã: Đồng thí điểm mã, chuyển đổi mã, tạo tài liệu kỹ thuật, trường hợp thử nghiệm, v.v.
• Nghiên cứu & Phát triển: Khám phá và phát triển thuốc, tạo và đánh giá nội dung chất lượng, thông tin về chất lượng và quy định, Tạo tường thuật AE, gửi thông minh, tạo dữ liệu tổng hợp.
• Thương mại: Tạo nội dung tiếp thị, trải nghiệm của bệnh nhân, đào tạo và hỗ trợ bán hàng cũng như trung tâm kiến ​​thức.
• Nguồn nhân lực: Tạo mô tả cốt lõi, yêu cầu kỹ năng, tạo câu hỏi phỏng vấn từ mô tả công việc, đánh giá ứng viên dựa trên thông số công việc, trợ lý giảng dạy và học tập, tạo câu đố, tạo nội dung, v.v.
• Sản xuất Chế tạo: Kiểm tra và kiểm soát chất lượng, tìm kiếm đàm thoại đào tạo công nghệ cho người vận hành / phòng thí nghiệm thông qua SOP, tạo nội dung, v.v.
• Chuỗi cung ứng: Dự báo nhu cầu, tối ưu hóa chuỗi cung ứng, đánh giá và giảm thiểu rủi ro.

Chúng tôi tin rằng việc tận dụng Tự động hóa AI tổng quát có thể mang lại lợi ích trong khoa học đời sống—bao gồm cả trong các lĩnh vực được quản lý—và giảm thời gian chu kỳ để tạo Tường thuật AE ít nhất 50%, dựa trên công việc đang được thực hiện bởi IBM Consulting và nhóm Cảnh giác Dược tại BioPharma toàn cầu công ty.

Trong bài đăng trên blog này, chúng tôi sẽ giới thiệu cách IBM Consulting hợp tác với AWS và tận dụng Mô hình ngôn ngữ lớn (LLM), trên nền tảng Tự động hóa AI tổng thể (ATOM) của IBM Consulting, để tạo ra các mô hình nền tảng được đào tạo theo miền khoa học đời sống, nhận biết ngành nhằm tạo ra những bản thảo đầu tiên của tài liệu tường thuật, nhằm mục đích hỗ trợ các nhóm con người.

Tại sao IBM tư vấn về AI tổng hợp trên AWS?

Trong hơn một thập kỷ, IBM Consulting đã giúp khách hàng nâng cao giá trị thông qua AI, học máy và các giải pháp tự động hóa để tối ưu hóa quy trình kinh doanh và hoạt động CNTT trong các ngành. Gần đây, IBM Consulting đã và đang hợp tác với các doanh nghiệp để triển khai các mô hình nền tảng nhằm hình dung lại quy trình công việc cốt lõi và nhận ra giá trị—giảm chi phí, thời gian quay vòng và cải thiện năng suất, đồng thời cam kết giúp các doanh nghiệp điều hướng và khai thác giá trị từ những thay đổi địa chấn do AI thúc đẩy. Với ý nghĩ đó, IBM Consulting gần đây đã công bố một Trung tâm xuất sắc AI sáng tạo với hơn 1000 chuyên gia tư vấn có kỹ năng về bộ công cụ tăng tốc và AI tổng hợp được xây dựng có mục đích cho các mô hình nền tảng và LLM; thông qua đó, IBM Consulting đang giúp các doanh nghiệp phát triển và triển khai các mô hình AI tổng hợp ở cấp độ sản xuất.

IBM là Đối tác tư vấn hàng đầu cho AWS với hơn 20 nghìn chuyên gia được chứng nhận AWS trên toàn cầu, 16 lần xác thực dịch vụ và 16 năng lực AWS, trở thành GSI toàn cầu nhanh nhất để đảm bảo có thêm năng lực và chứng chỉ AWS trong số 16 AWS Premier GSI hàng đầu trong vòng 18 tháng. Tại re:Invent 2022, Tư vấn IBM đã được trao giải các Đối tác đổi mới toàn cầu của năm và Đối tác GSI của năm tại Châu Mỹ Latinh, củng cố niềm tin của khách hàng và AWS vào IBM Consulting với tư cách là đối tác được lựa chọn khi nói đến AWS.

Trong lĩnh vực AI, IBM có hơn 21 nghìn nhà khoa học dữ liệu, kỹ sư AI và chuyên gia tư vấn, đồng thời đã thực hiện hơn 40 nghìn cam kết về AI và phân tích. Nhưng sức mạnh lớn đi kèm với trách nhiệm lớn và điều này đặc biệt đúng đối với AI có khả năng tạo sinh. IBM Consulting đã và đang thúc đẩy một cách tiếp cận có trách nhiệm và đạo đức sang AI trong hơn 5 năm nay, chủ yếu tập trung vào 5 nguyên tắc cơ bản sau:

1. Giải thích: Có thể hiểu được cách một mô hình AI đưa ra quyết định, với hệ thống con người trong vòng lặp sẽ tăng thêm độ tin cậy và giúp giảm thiểu rủi ro tuân thủ.
2. Công bằng: Các mô hình AI nên đối xử công bằng với tất cả các nhóm.
3. Độ bền: Hệ thống AI phải có khả năng chống lại các cuộc tấn công vào dữ liệu huấn luyện.
4. Minh bạch: Tất cả các khía cạnh liên quan của hệ thống AI phải được cung cấp cho công chúng để đánh giá.
5. Quyền riêng tư: Dữ liệu được sử dụng trong hệ thống AI phải được bảo mật và khi dữ liệu đó thuộc về một cá nhân, cá nhân đó phải hiểu cách nó được sử dụng.

IBM đang giúp một số tổ chức khoa học đời sống triển khai AI một cách có trách nhiệm và đáng tin cậy trên một số chức năng. IBM đã hợp tác với Johnson & Johnson để về cơ bản phải suy nghĩ lại chiến lược nhân tài của họ sử dụng các kỹ năng suy luận dựa trên AI một cách có trách nhiệm và cung cấp chuyển đổi ở quy mô lớn để có thể quan sát được ứng dụng bằng AIOP.

Để giúp các tổ chức khoa học đời sống tuân theo các hướng dẫn và quy định của GxP khi phát triển hoặc sản xuất thuốc và thiết bị y tế, IBM Consulting tận dụng kinh nghiệm sâu rộng về GxP và các biện pháp thực hành tốt nhất của AWS xung quanh vấn đề này. GxP, HIPAA và khác chương trình tuân thủ để cung cấp các giải pháp tuân thủ, được quản lý, xác nhận và an toàn.

Làm cách nào để xây dựng quy trình AI tổng quát trong AWS để tạo câu chuyện?

Hiện nay, việc tạo báo cáo về các tác dụng phụ là một quy trình thủ công chuyên sâu trong lĩnh vực chăm sóc sức khỏe. Khi một sự kiện bất lợi được báo cáo, các nhóm lâm sàng và an toàn sẽ đọc và xử lý một số chi tiết theo cách thủ công—thông tin y tế và sức khỏe trước đây và hiện tại của bệnh nhân, dữ liệu sự kiện, v.v.—và viết báo cáo chi tiết theo cách thủ công, khi cơ quan quản lý cần. Với sự ra đời của AI thế hệ mới, chúng tôi tin rằng các quy trình này có thể được tăng cường để giải phóng năng lực cho các nhóm lâm sàng và an toàn để chuyển sang các nhiệm vụ có giá trị cao hơn như xem xét các bản tường thuật cũng như cho phép các nhóm tập trung vào các nhiệm vụ phức tạp hơn.

Chúng tôi đã khám phá nhiều tùy chọn cho nhiệm vụ tạo các bản tường thuật về sự kiện bất lợi bằng cách sử dụng AI tổng hợp. Cuối cùng, một trong những ÔmKhuôn Mặt Mô hình ngôn ngữ lớn trên Khởi động Amazon Sagemaker đã được chọn để xây dựng các bản tường thuật Sự kiện bất lợi vì nhiều lý do: nó có giấy phép cho phép sử dụng thương mại, mô hình/thẻ dữ liệu rõ ràng cho mô hình nguồn có thể giải thích dòng dữ liệu của nó, khả năng tinh chỉnh mô hình trong Sagemaker Jumpstart, và khả năng mạnh mẽ để tạo văn bản tường thuật sự kiện bất lợi với mức độ tinh chỉnh tối thiểu.

Quy trình cấp cao cho quy trình này được hiển thị trong Hình 1. Chúng tôi bắt đầu bằng việc chuẩn bị trước dữ liệu có cấu trúc độc quyền để dọn dẹp và làm cho dữ liệu sẵn sàng ở định dạng để có thể chuyển qua các lời nhắc tinh chỉnh và suy luận. Mô hình ngôn ngữ lớn sau đó đã được tinh chỉnh trong Nhà sản xuất hiền nhân Amazon trên tập dữ liệu đào tạo gồm hơn 500 hồ sơ mô tả thông tin sức khỏe của bệnh nhân, tác dụng phụ và thông tin y tế, sử dụng quy trình hiển thị bên dưới. Amazon Sagemaker là một nền tảng tối ưu cho AI tổng hợp nhờ một số chức năng được tích hợp sẵn (khả năng chọn mô hình từ danh mục, phương pháp đào tạo mô hình không cần mã, chức năng để thiết lập quy trình bổ sung và giám sát.) Sau khi được tinh chỉnh, mô hình đã triển khai đã được sử dụng suy luận dữ liệu thử nghiệm để tạo ra các tường thuật AE (xem Hình 2 để biết mẫu). Ngoài ra, nhóm Chuyên gia về chủ đề an toàn và lâm sàng đã xác thực việc tạo câu chuyện bằng cách sử dụng các tài liệu có thật và phân tích chúng theo cách thủ công để đảm bảo rằng quy trình Tự động hóa AI tổng quát là đáng tin cậy và không bị ảo giác.

Ngoài ra, IBM Consulting gần đây đã đưa ra watsonx.data trên AWS, một kho lưu trữ dữ liệu mở, kết hợp, được quản lý để giúp doanh nghiệp mở rộng quy mô phân tích và AI. IBM Consulting cũng đang hợp tác với AWS để tích hợp các tính năng sắp tới nền tảng Amazon, một dịch vụ được quản lý hoàn toàn giúp FM từ các công ty khởi nghiệp AI hàng đầu và Amazon có sẵn thông qua API, vào ATOM, để giúp khách hàng xây dựng và mở rộng quy mô các trường hợp sử dụng AI tổng quát, đồng thời tăng cường an ninh mạng và tuân thủ.

Giá trị kinh doanh

Theo Cơ sở dữ liệu FAERS, số lượng AE được báo cáo đã tăng 2.5 lần trong 10 năm, từ 2012 đến 2022. Bất kể số lượng lớn như thế nào, các công ty phải báo cáo nhanh chóng những sự kiện này cho cơ quan quản lý và hành động nhanh chóng khi có tín hiệu an toàn. Gánh nặng từ số lượng sự kiện ngày càng tăng được phản ánh trong ngân sách dự kiến ​​sẽ tăng từ khoảng 4 tỷ USD năm 2017 lên hơn 6 tỷ USD vào năm 2020.

Theo 10 khách hàng khoa học đời sống lớn hàng đầu của Hoa Kỳ mà IBM hiện đang hợp tác, việc tận dụng AI tổng hợp theo cách tuân thủ và có trách nhiệm có khả năng giảm 50% lao động thủ công để tạo báo cáo AE. Kết hợp điều đó với một Giải pháp dịch thuật ngôn ngữ được điều khiển bởi AI, con người trong vòng lặp, có thể tối ưu hóa hơn nữa chi phí vận hành và giải phóng đội ngũ nhân lực có giá trị để tập trung vào các nhiệm vụ giá trị gia tăng.

Để đáp ứng việc sử dụng Machine learning ngày càng tăng trong khoa học đời sống, FDA hiện đã xóa hơn 500 thuật toán y tế có sẵn trên thị trường ở Hoa Kỳ. Hơn một nửa thuật toán trên thị trường Hoa Kỳ đã được xóa từ năm 2019 đến năm 2022, với hơn 300 ứng dụng chỉ trong 2022 năm. Chỉ riêng trong tháng 178 năm XNUMX, FDA đã phê duyệt XNUMX hệ thống AI/ML mới, con số này dự kiến ​​sẽ tăng nhanh chóng trong tương lai.

Động lực này tạo ra giá trị kinh doanh to lớn cho các khách hàng khoa học đời sống đang tìm cách đổi mới trong chuỗi giá trị, tận dụng các công nghệ tiên tiến như AI sáng tạo.

Tư vấn IBM có thể hỗ trợ khách hàng như thế nào trên hành trình tận dụng các Mô hình Nền tảng?

IBM Consulting có chuyên môn và kinh nghiệm để hỗ trợ khách hàng ở các mức độ trưởng thành khác nhau trên hành trình sáng tạo AI của họ. Ở cấp độ cao, Tư vấn IBM tận dụng các trụ cột sau để đáp ứng nhu cầu của khách hàng tại địa điểm của họ:

• Chiến lược AI sáng tạo và thiết lập Trung tâm xuất sắc: Cam kết tư vấn được tiêu chuẩn hóa để thông báo, thu hút, khám phá và đánh giá các trường hợp sử dụng mới cho các mô hình nền tảng.
• Hackathon mô hình nền tảng: Cuộc thi hackathon kéo dài 2 ngày nhằm lý tưởng và tạo nguyên mẫu các giải pháp AI cải tiến cho các miền trường hợp sử dụng cụ thể— tận dụng API đám mây tiêu chuẩn hoặc các mô hình nền tảng nguồn mở (GPT, BERT và các mô hình khác).
• Khởi động cho mô hình nền móng: Tận dụng IBM Garage để bắt đầu sử dụng các mô hình nền tảng và triển khai các trường hợp sử dụng IBM đã được chứng minh trong 6-8 tuần trên các miền khác nhau.
• Đồng sáng tạo, hợp tác và tạo ra AI @ Quy mô: Các dịch vụ thiết kế và triển khai để tạo nguyên mẫu và xây dựng các giải pháp kinh doanh hiệu quả (ví dụ: trợ lý ảo và trung tâm kiến ​​thức) tận dụng các mô hình nền tảng thương mại hoặc nguồn mở.
• Các mẫu nền móng được thiết kế riêng: Tận dụng những cải tiến ban đầu từ IBM Research, AWS và các nguồn khác trên mô hình nền tảng cho các lĩnh vực chuyên biệt (hóa học, khoa học vật liệu và xử lý dữ liệu cảm biến) để giải quyết các trường hợp sử dụng cụ thể của miền riêng biệt.
• Mô hình nền tảng fovernance, FMOps: Thiết lập quản trị tổ chức và kỹ thuật cần thiết để mở rộng các mô hình nền tảng trên toàn doanh nghiệp bằng phương pháp AI@Scale của IBM Consulting.

Kết luận

Các doanh nghiệp trong các ngành hiện đang phải đối mặt với áp lực đáng kể trong việc áp dụng AI một cách nhanh chóng và chứng tỏ được giá trị. Với hơn 40 nghìn lượt tham gia AI và phân tích trên toàn thế giới, IBM Consulting đã liên tục được xếp hạng là công ty lãnh đạo bởi một số nhà phân tích. IBM Consulting cam kết giúp các doanh nghiệp khoa học đời sống định hướng và nhận ra giá trị từ AI tạo ra thông qua Generative AI CoE được công bố gần đây, một quy trình tư vấn chuyên sâu như Nhà để xe IBM và các máy gia tốc như ATOM. Khách hàng cần một đối tác đáng tin cậy, có kinh nghiệm và khéo léo để giúp họ trên hành trình phát triển AI và IBM Consulting sẵn sàng trợ giúp họ bằng cách gặp họ ở bất cứ đâu.

Tìm hiểu thêm về Dịch vụ bảo mật của IBM dành cho AWS