人工知能とデータサイエンスの管理:大手製薬会社からの実践的な教訓

Machine Learning

データサイエンスと 人工知能 コンピューティングと機械学習に重点を置いて、創薬と開発に新しい次元が追加されています。この変化に照らして、製薬会社はインフラストラクチャ、データ、ツール、およびチームを積極的に構築し、データサイエンティストと生物学およびライフサイエンスの専門家を結集しています。

製薬およびバイオテクノロジーの革新により、大規模な組織が人工知能のツールとテクノロジーを、解決すべき根本的な問題を深く理解している従来の対象分野の専門家とどのように組み合わせるかを垣間見ることができます。

また読む

製薬会社が人工知能と機械学習を業界の観点からどのように使用しているかを理解するために、ビュレント・キジルタン博士をCXOTalkシリーズの会話のエピソード717に招待して、私たちの世界を形作る人々と会話しました。彼は、ノバルティス人工知能イノベーションセンターの因果分析、データサイエンス、人工知能の責任者です。

Kızıltan博士は、AI作業の管理と指導に関して私が知っている最も表現力豊かな人物の一人です。ビデオを見て、データサイエンスとAIチームの管理に関する有用で実用的なアドバイスを入手してください。

必ず完全なトランスクリプトを確認し、以下の社説の選択をお読みください。

医薬品における人工知能とデータサイエンスについて

過去5年から10年の間に、高コストとスケールアップの難しさのために、創薬と開発の速度は遅くなりました。人工知能が助けになることを願っており、多くの製薬会社がこの分野に投資しています。

一般的に言えば、人工知能とデータサイエンスは、2つの方法のいずれかで機能します。 1つのアプローチは、これらのサービスをビジネスユニットに提供するためのユースケース主導型です。

もう一つの状況は、私たちが学界とビジネス部門の交差点にいるということです。学界は、スケールアップするための知識、技術開発、およびインフラストラクチャを作成しています。

データサイエンスでは、人々は通常、チームがビッグデータを使用していると考えており、データの量が限られている場合、バリュープロポジションは低下します。 [However,] これらの用語の定義はあいまいであり、小さなデータと大きなデータを定量化する明確な方法がないため、小さなデータから大きなデータまでの全範囲をカバーしています。

限られたデータからビッグデータと呼ばれるものまで、予測情報を抽出できるコア機能を構築しました。ヘルスケア、バイオテクノロジー、医学の分野の限られたデータから情報を抽出します。

製薬業界のタレントマネジメントと多様なチーム

人工知能の革新、特にデータサイエンスは、非常に学際的かつ学際的な分野です。私たちは、さまざまな分野の才能を引き付け、独自の考え方を私たちの事業に取り入れることを望んでいます。

もちろん、データサイエンスと機械学習のコアコンピテンシーは必要ですが、私たちはすべてのバックグラウンドを受け入れています。ご存知かもしれませんが、私は天体物理学者として訓練を受けており、私のキャリアのほとんどで中性子星とブラックホールの天体物理学を研究してきました。しかし、その分野では、応用数学者や機械学習のパイオニアと緊密に協力して、これらの技術を天体物理学の分野に取り入れました。

AIのすぐに使える使用とイノベーションには、多様性が必要であることを私たちはよく知っています。現在、私たちはチームを開発し、機械学習に必要なコアコンピタンスを紹介する才能を探していますが、それらは物理学、数学、心理学から来る可能性があります。私は社会学と経済学の人々と協力してきました-名前を付けていただけますか。

最近、私はさまざまな分野の何千もの企業を含む世界中の企業を対象としたグローバルベンチマーク調査に参加しました。私たちは、文化とリーダーシップが成功に不可欠であることを見てきました。

バリュープロポジションを長期的に維持したいのであれば、それを中心に文化と企業を構築する必要があります。これは、地面に影響を与え、医学を再考するために必要です。

創薬と精密医療で人工知能とデータサイエンスを使用する

カスタマイズされた薬と治療法は、より大きなバイオテクノロジーとヘルスケア産業が直面している問題です。マスカスタマイゼーションは、人工知能の助けを借りてのみ達成できると信じています。

精密医療は、すべての製薬会社、バイオテクノロジー、ヘルスケア会社の重要な分野です。人工知能の分野で開発された技術を活用することが不可欠です。ドメイン全体を再定義します。

化合物と薬物(ジェネリック化学、より技術的)の開発と発見は、人工知能と機械学習が影響を与えている分野です。データサイエンス、人工知能、機械学習を使用して開発プロセスを強化し、新しい化合物を発見する企業はたくさんあります。

以前は、これらは実験室でしか実行できませんでした。これは骨の折れる困難なプロセスです。人工知能を使えば、これらすべてのタスクをコンピューターで完了できる可能性があります。シミュレートできます。化合物の優先リストを作成し、フィールドの専門家と、見つけたものが意味があるのか​​、完全にクレイジーなのかについて話し合うことができます。

データサイエンスと人工知能におけるバイアスの管理

この問題を解決するために、さまざまな分野のドメインエキスパートを採用しています。サンプリングバイアス、アルゴリズムバイアス、またはデータ駆動型バイアスが存在する可能性があります。

これらすべての問題をできるだけ早く解決する必要があります。予測を立てたら、決定に影響を与えるレベルに偏らないように具体的な措置を講じます。

これは前向きな開発の分野であり、私はこの問題を解決するのに役立つ強力で定量的な視点と方法をまだ見ていません。 [Today, we address bias] ケースバイケースで。これはとても良い質問です。


CXOTalkは、私たちの世界を形作る人々と深い会話を交わしています。この記事を手伝ってくれた私の主任研究員SumeyeDalkilincに感謝します。

Leave a Reply

Your email address will not be published. Required fields are marked *