利用 AWS 上的生成式 AI 来改变生命科学 – IBM 博客

呈指数级飞跃 生成式人工智能 已经在改变许多行业： 优化工作流程，帮助人类团队专注于增值任务并加快上市时间。 生命科学行业开始注意到这一点，并致力于跨越技术进步。 几十年来，生命科学行业已经从传统的基于发现的药物开发转向基于目标市场的药物开发模式。 然而，它面临着漫长的研发周期和劳动密集型临床、制造和合规方案的负担。

该行业面临着巨大压力，需要以最佳成本加速药物开发，自动化时间和劳动力密集型任务（例如创建文档或报告）以保持员工士气，并加快交付。 随着生物制药和医疗器械组织越来越多地采用数字化转型和参与策略，再加上 Covid19 大流行带来的范式转变，该行业正在经历商业、供应链、临床和药物警戒领域创建的数字数据的爆炸式增长。价值链以及其他企业业务职能。

这些数字数据以各种格式进入业界，例如非结构化文本、图像、PDF 和电子邮件。 数字数据的爆炸式增长，加上以合规方式获取和处理数字数据的熟练且愿意的人力资源的可用性不断下降，正迫使生命科学组织探索人工智能、机器学习和现在的生成式人工智能技术。 生命科学中生成人工智能的潜在用例的一些例子包括但不限于：

• 人工智能医疗法律审查 (MLR)：日益全球化和数字营销技术的指数级增长给本已复杂、耗时且具有挑战性的流程带来了压力。 生成式人工智能有潜力大规模处理数字内容并产生有效的 MLR 输出，然后可供人类营销团队利用，从而加速和简化流程。
• 用于生成临床研究报告（CSR）的人工智能： 生成式人工智能有潜力创建“首次尝试”报告，可以抵消 80% 的人力，加速流程，带来一致性，并为其他高价值任务释放宝贵的带宽。
• 不良事件 (AE) 叙事生成：这种生成不良事件叙述的高度监管、耗时的任务需要生命科学组织内高度监管的业务职能和高技能的角色，并且需要协调手动（有时是乏味的）任务，这些任务可能会产生潜在不准确或不一致的结果。 利用生成式人工智能增强人类团队的能力，为客户提供了将成本降低 30%-50% 的机会，同时将与此流程相关的上市时间缩短至少 50%，并提高生成报告的可扩展性、质量和一致性。
• 加速 mRNA 药物设计：Moderna 一直利用机器学习和人工智能来推进信使 RNA (mRNA) 领域的发展，以创建跨七种模式的多样化疫苗和治疗药物临床组合， 与IBM合作 利用生成式人工智能设计具有最佳安全性和性能的 mRNA 药物。

生成式人工智能模型可以帮助生命科学组织释放竞争优势的其他用例包括：

• 概要：呼叫中心互动、财务报告、分析师文章、电子邮件、新闻、媒体趋势等文档。
• 会话知识： 评论、知识库、产品描述等。
• 内容创建：角色、用户故事、合成数据、生成图像、个性化用户界面、营销文案、电子邮件和社交响应等等。
• 代码创建： 代码副驾驶、代码转换、创建技术文档、测试用例等等。
• 研究和发展： 药物发现和开发、高质量内容创建和审查、质量和监管情报、AE 叙述生成、智能提交、合成数据生成。
• 商业： 营销内容创建、患者体验、代表入职和培训销售支持和知识中心。
• 人力资源： 创建 COB 描述、技能要求、根据职位描述创建面试问题、根据职位规范评估候选人、学习和教学助理、测验创建、内容创建等。
• 生产：质量控制和检查、操作员/实验室技术培训、通过 SOP 进行对话式搜索、内容创建等。
• 供应链： 需求预测、供应链优化、风险评估和缓解。

根据 IBM Consulting 和全球生物制药公司药物警戒小组所做的工作，我们相信，利用生成式 AI 自动化可以推动生命科学领域（包括受监管领域）的效益，并将创建 AE 叙述的周期时间缩短至少 50%公司。

在这篇博文中，我们将展示 IBM Consulting 如何与 AWS 合作，并在 IBM Consulting 的生成式 AI 自动化平台 (ATOM) 上利用大型语言模型 (LLM)，创建行业感知、生命科学领域训练的基础模型，以实现生成叙述性文件的初稿，旨在帮助人类团队。

为什么选择 IBM AWS 上的生成式 AI 咨询服务？

十多年来，IBM Consulting 帮助客户通过以下方式驱动价值： AI, 机器学习 和自动化解决方案，以优化跨行业的业务流程和 IT 运营。 最近，IBM Consulting 一直在与企业合作，将基础模型部署到 重新构想核心工作流程并实现价值—降低成本、缩短周转时间并提高生产力，致力于帮助企业从人工智能驱动的巨大变化中驾驭并释放价值。 考虑到这一点，IBM 咨询公司最近宣布了一项 生成式人工智能卓越中心 拥有 1000 多名精通生成式 AI 和专为基础模型和法学硕士构建的加速器工具包的顾问； 通过这种方式，IBM Consulting 正在帮助企业开发和部署生产级生成式 AI 模型。

IBM 是 AWS 的高级咨询合作伙伴，在全球拥有超过 20K 名 AWS 认证专业人员、16 项服务验证和 16 项 AWS 能力，成为在 16 个月内获得更多 AWS 能力和认证的全球 GSI，跻身前 18 名 AWS 高级 GSI 之列。 在 re:Invent 2022 上， IBM咨询荣获 此 年度全球创新合作伙伴 和 拉丁美洲年度 GSI 合作伙伴，巩固客户和 AWS 对 IBM Consulting 作为 AWS 首选合作伙伴的信任。

在人工智能领域，IBM 拥有超过 21 名数据科学家、人工智能工程师和顾问，并执行了 40 多个人工智能和分析项目。 但能力越大，责任越大，对于生成人工智能来说尤其如此。 IBM 咨询公司一直在推动 负责任和道德的方法 接触AI已经五年多了，主要关注这五个基本原则：

1. 可解释性：人工智能模型如何做出决策应该能够被理解，人机交互系统可以增加更多的可信度并帮助减轻合规风险。
2. 公平：人工智能模型应该公平对待所有群体。
3. 鲁棒性：人工智能系统应该能够抵御对训练数据的攻击。
4. 用户评论透明：人工智能系统的所有相关方面都应向公众开放以供评估。
5. 隐私政策：人工智能系统中使用的数据应该是安全的，当该数据属于个人时，个人应该了解它是如何使用的。

IBM 正在帮助多个生命科学实体在多个职能部门以负责任且值得信赖的方式部署 AI。 IBM 一直与强生公司合作 从根本上重新思考他们的人才战略 以负责任的方式使用基于人工智能的技能推理，并交付 使用 AIOP 进行大规模应用程序可观察性转型.

为了帮助生命科学组织在开发或制造药品和医疗设备时遵循 GxP 准则和法规，IBM Consulting 利用其丰富的 GxP 经验和 AWS 最佳实践 GxP, HIPAA 和别的 合规计划 提供合规、受监管、经过验证且安全的解决方案。

如何在 AWS 中构建用于叙事生成的生成式 AI 管道？

目前，在医疗保健领域，为不良事件创建叙述是一个密集的手动过程。 当报告不良事件时，临床和安全团队手动读取和处理多个详细信息（患者当前和历史健康和医疗信息、事件数据等），并根据监管机构的需要手动编写详细报告。 随着生成式人工智能的出现，我们相信这些流程可以得到增强，以释放临床和安全团队的能力，使其能够转向更高价值的任务，例如审查叙述以及使团队能够专注于更复杂的任务。

我们探索了使用生成人工智能生成不良事件叙述任务的多种选择。 最终，其中之一 拥抱脸 大型语言模型 亚马逊 Sagemaker JumpStart 被选中构建不良事件叙述有多种原因：它拥有允许商业用途的许可、可以解释其数据沿袭的源模型的清晰模型/数据卡、在 Sagemaker Jumpstart 中微调模型的能力，以及以最少的微调生成不良事件叙述文本的强大能力。

此过程的高级管道如图 1 所示。我们首先准备要清理的专有结构化数据，并使其准备好格式，以便能够在提示中传递以进行微调和推理。 然后对大语言模型进行了微调 亚马逊 Sagemaker 使用下面所示的管道，在包含 500 多条记录的训练数据集上进行训练，这些记录描述了患者健康信息、不良事件和医疗信息。 Amazon Sagemaker 是生成式 AI 的最佳平台，因为它具有多种内置功能（从目录中选择模型的能力、训练模型的无代码方法、设置额外管道和监控的功能）。经过微调后，就可以使用部署的模型推断测试数据以创建 AE 叙述（示例见图 2）。 此外，安全和临床主题专家团队使用地面事实文档验证了叙事生成，并对其进行手动分析，以确保生成的人工智能自动化管道可靠且不会产生幻觉。

除此之外，IBM Consulting 最近推出了 沃森数据 AWS 是一个开放、混合、受管控的数据存储，可帮助企业扩展分析和人工智能。 IBM Consulting 还与 AWS 合作，集成即将推出的 亚马逊基岩，这是一项完全托管的服务，可通过 API 将来自领先 AI 初创公司和 Amazon 的 FM 集成到 ATOM 中，以帮助客户构建和扩展生成式 AI 用例，同时 加强网络安全 和合规性。

商业价值

按照 FAERS数据库从 2.5 年到 10 年，报告的 AE 数量在 2012 年间增长了 2022 倍。无论数量如何，公司都必须迅速向监管机构报告这些事件，并根据安全信号迅速采取行动。 不断增长的活动量带来的负担反映在预算中，预计预算将从 4 年的估计 2017 亿美元增长到 6 年的超过 2020 亿美元。

据 IBM 咨询公司目前合作的美国十大生命科学客户称，以合规且负责任的方式利用生成式 AI 有望将创建 AE 报告的体力劳动减少 10%。 将其与 人工智能驱动、人在循环、语言翻译解决方案，可以进一步优化运营成本并释放宝贵的人力团队来专注于增值任务。

为了响应机器学习在生命科学领域不断增长的应用，FDA 现在 清除超过500个医学算法 可以在美国购买。 2019 年至 2022 年间，美国市场上超过一半的算法被清除，短短四年内就有 300 多个应用程序被清除。 仅 2022 年 178 月，FDA 就批准了 XNUMX 个新的 AI/ML 系统，预计这一数字未来将迅速增长。

这种势头为希望利用生成人工智能等尖端技术在整个价值链上进行创新的生命科学客户创造了巨大的商业价值。

IBM Consulting 如何为客户利用基础模型提供支持？

IBM Consulting 拥有专业知识和经验，可以为不同成熟度的客户的生成式 AI 之旅提供支持。 在较高层面上，IBM Consulting 利用以下支柱来满足客户的需求：

• 生成式人工智能策略和卓越中心设置： 标准化咨询参与，以告知、参与、发现和评估基础模型的新用例。
• 基础模型黑客马拉松： 为期 2 天的黑客马拉松，旨在利用标准云 API 或开源基础模型（GPT、BERT 等）为特定用例领域构思和原型创新 AI 解决方案。
• 基础模型的快速启动： 利用 IBM Garage 快速启动基础模型的使用，并在 6-8 周内跨不同领域实施经过验证的 IBM 用例。
• 共同创造、合作和生成式人工智能@规模： 利用商业或开源基础模型进行原型设计和构建有效的业务解决方案（例如虚拟助手和知识中心）的设计和实施服务。
• 定制基础模型： 利用 IBM Research、AWS 和其他来源在专业领域（化学、材料科学和传感器数据处理）基础模型上的原始创新来解决定制的特定领域用例。
• 基础模型 fovernance，FMOps： 使用 IBM Consulting 的 AI@Scale 方法设置所需的组织和技术治理，以在整个企业范围内扩展基础模型。

结论

目前，各行业的企业都面临着快速采用生成式人工智能并展示价值的巨大压力。 IBM Consulting 在全球范围内拥有超过 40 次人工智能和分析业务，一直被评为 领导者 由几位分析师提出。 IBM 咨询致力于帮助生命科学企业通过最近宣布的生成式 AI CoE（一种沉浸式咨询流程，例如 IBM车库 以及 ATOM 等加速器。 客户需要一个值得信赖、经验丰富且技术精湛的合作伙伴来帮助他们踏上生成式 AI 之旅，IBM Consulting 已准备好满足他们的需求，为他们提供帮助。

了解有关适用于 AWS 的 IBM 安全服务的更多信息