AI en datawetenschap beheren: praktische lessen van big pharma

Datawetenschap en kunstmatige intelligentie voegen een nieuwe dimensie toe aan de ontdekking en ontwikkeling van geneesmiddelen, met de nadruk op computergebruik en machine learning. Gezien deze verschuiving bouwen farmaceutische bedrijven actief aan infrastructuur, data, tools en teams om datawetenschappers samen te brengen met biologie- en life science-experts.

Farma- en biotech-innovatie bieden een kijkje in hoe grote organisaties AI-tools en -technieken integreren met traditionele materiedeskundigen die een diep begrip hebben van de onderliggende problemen die moeten worden opgelost.

Lees ook:

Om een ​​insiderperspectief te krijgen op hoe farmaceutische bedrijven AI en machine learning gebruiken, nodigde ik Dr. Bülent Kızıltan uit om deel te nemen aan aflevering #717 van de CXOTalk-reeks gesprekken met mensen die onze wereld vormgeven. Hij is hoofd Causal & Predictive Analytics, Data Science & AI bij het Novartis AI Innovation Center.

Dr. Kızıltan is een van de meest welbespraakte mensen die ik ken op het gebied van het managen en leiden van AI-inspanningen, dus bekijk de video voor nuttig en praktisch advies over het managen van data science en AI-teams.

Bekijk zeker het volledige transcript en lees de bewerkte selecties hieronder.

Over AI en datawetenschap in de farma

De ontdekking en ontwikkeling van geneesmiddelen is de afgelopen vijf tot tien jaar vertraagd vanwege de hoge kosten en omdat opschaling erg moeilijk is. We hopen dat AI ons te hulp kan komen, dus veel farmaceutische bedrijven investeren op dit gebied.

AI en datawetenschap kunnen in het algemeen op twee manieren werken. Een manier is om use-case-gedreven te zijn en die diensten aan business units te leveren.

Het andere geval is dat we ons positioneren op het snijvlak van de academische wereld en de business units. De academische wereld creëert de kennis, technologische ontwikkeling en infrastructuur om dingen op te schalen.

In datawetenschap geloven mensen meestal dat teams met big data werken en wanneer er een beperkte hoeveelheid data is, neemt de waardepropositie af. [However,] we bestrijken het hele spectrum, van kleine gegevens tot grote gegevens, omdat die termen vaag zijn gedefinieerd en we geen duidelijke manier hebben om kleine en grote gegevens te kwantificeren.

We hebben kernmogelijkheden gebouwd om prognose-informatie te extraheren van beperkte gegevens tot big data, zoals we het noemen. We halen informatie uit beperkte gegevens op het gebied van gezondheidszorg, biotech en geneeskunde.

Talentmanagement en diverse teams in de farmacie

AI-innovatie, met name datawetenschap, is een zeer interdisciplinair en multidisciplinair domein. We willen talent aantrekken uit verschillende disciplines die de mindset van hun eigen domein in onze bedrijfsvoering kunnen brengen.

Zeker, de kerncapaciteiten van datawetenschap en machine learning zijn noodzakelijk, maar we staan ​​open voor alle achtergronden. Zoals je misschien weet, ben ik opgeleid als astrofysicus en heb ik het grootste deel van mijn carrière neutronensterren en zwartgatastrofysica bestudeerd. Maar op dat gebied werkte ik heel nauw samen met toegepaste wiskundigen, pioniers op het gebied van machine learning, om die technologieën naar het domein van de astrofysica te brengen.

We zijn ons er terdege van bewust dat diversiteit nodig is om out of the box te denken en te innoveren in AI. Momenteel breiden we onze teams uit en zijn we op zoek naar talent om de kerncapaciteiten in te brengen die nodig zijn voor machine learning, maar deze kunnen afkomstig zijn uit natuurkunde, wiskunde en psychologie. Ik had gewerkt met mensen uit de sociologie, economie — noem maar op.

Onlangs maakte ik deel uit van een wereldwijde benchmarkstudie naar bedrijven over de hele wereld, duizenden bedrijven uit verschillende domeinen. We hebben gezien dat cultuur en leiderschap van cruciaal belang zijn voor succes.

Als je de waardepropositie voor de lange termijn wilt behouden, moet je daar cultuur en bedrijf omheen bouwen. Dit is nodig om impact te maken op de grond, om de geneeskunde opnieuw uit te vinden.

AI en datawetenschap gebruiken bij het ontdekken van geneesmiddelen en precisiegeneeskunde

Het aanpassen van medicijnen en behandelingen is een probleem waarmee de grotere biotech- en gezondheidszorgindustrie wordt geconfronteerd. Wij geloven dat maatwerk, op grote schaal, alleen kan met behulp van AI.

Precisiegeneeskunde is een aandachtsgebied voor elk farmaceutisch bedrijf, biotech- en gezondheidsbedrijf. Het is van cruciaal belang om gebruik te maken van de technologie die is ontwikkeld op het gebied van AI. Het zal dat hele domein opnieuw definiëren.

Het ontwikkelen en ontdekken van verbindingen en medicijnen (generatieve chemie, om technischer te zijn) is een gebied waarop AI en machine learning impact hebben. Er zijn veel bedrijven die datawetenschap, AI en machine learning gebruiken om het ontwikkelingsproces te verbeteren en nieuwe verbindingen te ontdekken.

Voorheen gebeurde dat alleen in het lab. Het was een moeizaam en moeilijk proces. Met AI kunnen we dat misschien allemaal in-silico doen, op de computer. We kunnen simuleren. We kunnen een prioriteitenlijst met verbindingen maken en vervolgens met onze domeinexperts praten over de vraag of wat we vinden logisch is of helemaal gek.

Vooroordelen in datawetenschap en AI beheren

We schakelen domeinexperts uit verschillende disciplines in om dit probleem aan te pakken: er kunnen steekproeven, algoritmische vooroordelen of gegevensgestuurde vooroordelen zijn.

We moeten al die dingen in een vroeg stadium aanpakken. Zodra we met een prognose of voorspelling komen, nemen we specifieke stappen om ervoor te zorgen dat we niet bevooroordeeld zijn tot een niveau dat de besluitvorming beïnvloedt.

Het is een domein dat zich actief ontwikkelt en ik moet nog een sterk, kwantitatief perspectief en methodologie zien die ons zal helpen dit aan te pakken. [Today, we address bias] op een use case-by-use case basis. Het is een geweldige vraag.


CXOTalk presenteert diepgaande gesprekken met mensen die onze wereld vormgeven. Dank aan mijn senior onderzoeker, Sumeye Dalkilinc, voor hulp bij dit bericht.

Posted By : keluaran togeĺ sydney hari ini 2021