Трудности внедрения искусственного интеллекта в фармацевтической отрасли. Бизнес-кейс Novartis
Использование искусственного интеллекта (ИИ) в высокотехнологичных отраслях - наступающая реальность, которая может радикальным образом изменить все бизнес-процессы уже в ближайшем будущем. Именно поэтому компании-лидеры стараются все больше инвестировать в развитие и изучение ИИ.
Важно анализировать опыт компаний-первопроходцев, понимать сложности, которые возникают и искать способы решения. Журнал Forbes опубликовал интервью с CEO компании Novartis Вазом Наразимханом (Vas Narasimhan).
Компания Novartis уже имеет серьезную практику по внедрению ИИ сразу по нескольким направлениям в течение многих лет. Ваз Наразимхан рассказал о том, в каких областях можно и нужно и использовать ИИ в первую очередь, а где традиционные методы показывают большую эффективность.
Для начала необходимо понимать, что существуют разные области здравоохранения. Есть область, в которой существуют некие футуристические идеи о преобразованиях здравоохранения в целом, а есть области реальной деятельности, в которой существует большая часть медицинской помощи. Оба эти уровня необходимы, но между ними мало общего. То есть, несмотря на быстро развивающуюся индустрию инноваций в медицине, фактическая практика оказания или получения помощи практически не меняется.
«Когда мы стали реализовывать проекты, мы поняли насколько важно наличие достоверных данных, на которых основывается весь алгоритм машинного обучения (machine learning). (Примечание: машинное обучение - это раздел искусственного интеллекта, направленный на разработку алгоритмов, способных обучаться). Мы работали над несколькими крупными проектами и большую часть времени нам приходилось тратить на очистку данных прежде, чем мы смогли запустить алгоритм. Нам потребовались годы, чтобы очистить наши данные. Я думаю, что люди недооценивают, как мало у них достоверных данных и как трудно их очищать и увязывать. Мы тратим много энергии, просто пытаясь согласовать все наши данные, чтобы какой-то алгоритм мог найти что-то полезное»,- говорит в интервью Ваз Наразимхан.
Основные направления применения ИИ в компании Novartis по мнению Ваза Наразимхана - это:
1. Визуализация. Компания Novartis приступила к масштабному проекту по оцифровке всех своих изображений патологий в качестве вступления в машинное обучение. На данный момент работа продолжается и большое количество изображений оцифровывается, но ценность усилий пока до конца не ясна.
2. Регистрация результатов клинических испытаний. Штаб-квартира компании может предсказать, какие из испытаний будут регистрироваться вовремя или с отставанием от планируемого графика, а также какие препараты могут иметь проблемы при регистрации. Уже существует задокументированная десятилетняя история для обучения алгоритмов и это существенные объем, когда в год проводится около 400-500 клинических испытаний. Это хорошая основа для отработки алгоритмов машинного обучения.
3. Прогнозирование денежных потоков. «ИИ отлично справляется с прогнозированием нашего свободного денежного потока», - говорит Ваз Наразимхан, - «прогнозируя большую часть наших продаж ключевых продуктов. Он работает лучше, чем наши внутренние сотрудники, потому что у него нет предвзятости и данные действительно чистые, поэтому у нас есть много данных за длительный период времени».
При этом традиционные клинические исследования пока являются зоной закрытой для применения методов ИИ. По мнению Novartis по этому вопросу «..сила случайности, сила слепоты - это то, что позволяет нам контролировать все то, что мы не знаем о сложности человеческой жизни и человеческой биологии».
Отдельно можно говорить от методах сбора информации с помощью датчиков. В настоящиее время появилось огромное количество датчиков, которые можно использовать для сбора самой разной информации. Но для того, чтобы быть уверенным в достоверности данных, необходимо проработывать стратегию их применения. Например, в компании Novartis считают, что перед тем, как использовать датчики для снятия показаний по клиническеским испытаниям, надо проводить тщательный отбор самой выборки пациентов, за которыми ведется наблюдение.
Ваз Наразимзан говорит: «Мы действительно пытались исследовать использование датчиков в клинических испытаниях в течение по крайней мере шести лет. Самое сложное - это получить датчики, которые действительно могут работать более эффективно по сравнению с нашими текущими методами. Сейчас мы исследуем использование множества различных датчиков. Реальное преимущество этого - возможность отслеживания данных постоянно, чтобы фактически видеть, что пациент делает между визитами на наши исследования. Я думаю, что это очень поможет. При этом необходимо подчеркнуть, что именно отбор испытуемых нужно будет по прежнему делать на основе случайной выборки, а потом уже проводить исследования с использованием датчиков и смотреть результаты. Если у вас нет случайной выборки, то по моему мнению, трудно понять, что происходит в сложной системе».
В статье использовались отрывки из статьи “Novartis CEO Who Wanted To Bring Tech Into Pharma Now Explains Why It's So Hard”, Forbes, январь 2019.
