Ofrece una IA repetible, medible y lista para su uso en empresas del sector de las ciencias de la vida.
Ofrece una IA repetible, medible y lista para su uso en empresas del sector de las ciencias de la vida.
Las empresas farmacéuticas y de ciencias de la vida utilizan la IA para mejorar el descubrimiento de fármacos, el desarrollo clínico y las experiencias de los pacientes. En este tipo de entornos regulados, la clave para lograr los avances y el retorno de la inversión (ROI) asistidos por la IA es un enfoque que vuelva a lo básico, centrado en la unificación de los datos, la interoperabilidad y la seguridad y el gobierno.
En el último episodio del podcast Healthcare IT News, HIMSSCast, Rameez Chatni, director global de soluciones de IA en Cloudera, explica que el sector está pasando de un enfoque incipiente en la estrategia de IA a volver a los cimientos de una base de datos sólida.
Garantizar la interoperabilidad en toda la cadena de valor
La típica organización farmacéutica global comprende de 12 a 15 verticales distintas, similares a empresas, como I+D, fabricación, comercial, etc., y la creación de un conjunto de datos preparado para IA requiere la gestión de arquitecturas sofisticadas y distribuidas.
La unificación de datos es difícil y la solución no es forzar todos los datos a formar un sistema homogéneo. En cambio, las organizaciones están adoptando una arquitectura híbrida que acomoda sistemas locales, múltiples nubes y soluciones de software como servicio (SaaS).
El uso de tecnologías interoperables de código abierto que admiten formatos de datos abiertos garantiza que múltiples motores de consulta puedan acceder a los datos para una variedad de cargas de trabajo de ingeniería, análisis e IA, y reduce el riesgo de dependencia del proveedor.
El objetivo último de la unificación de datos es proporcionar a los modelos de IA el contexto que necesitan para conectar los puntos en toda la organización y ofrecer mejores resultados. Un modelo contextual que utilizan muchas compañías farmacéuticas es un gráfico de conocimientos. Esta estructura captura las relaciones dentro del negocio, vinculando fármacos con genes, enfermedades, ensayos clínicos y datos comerciales, que los humanos a menudo pasan por alto, creando un conjunto de datos verdaderamente completo y utilizable.
Sin embargo, estas arquitecturas avanzadas dependen de un primer paso fundamental que a menudo se pasa por alto: el inventario de datos y el linaje de datos. Estos son los héroes anónimos y los pilares fundamentales que evitan que diferentes funciones (como I+D y fabricación) dupliquen licencias para los mismos conjuntos de datos y desperdicien recursos.
Trata el gobierno como una característica, no como un error
En un sector que intenta innovar rápidamente con datos, el gobierno suele ser una cuestión secundaria, y como resultado, los proyectos pueden estancarse hasta nueve meses. Rameez sostiene que el gobierno debe tratarse como una característica, no como un error. Esto significa transformarlo en “gobierno como servicio”, una capacidad proactiva y continua dentro de la empresa.
La única manera de lograr el gobierno como servicio es a través de un centro de excelencia (CoE) multidisciplinario que conecte a líderes empresariales, estrategas de datos, arquitectos tecnológicos y abogados legales y de privacidad. Esto garantiza que los equipos técnicos, que entienden cómo se mueven los datos, puedan comunicarse eficazmente con los equipos legales, que entienden las restricciones de privacidad y consentimiento.
Lo más importante es que el gobierno se aplique en una fase temprana. El incumplimiento de la normativa, como las restricciones sobre el uso de datos de ensayos clínicos con fines secundarios, puede detener todo un proyecto en las fases avanzadas. De hecho, la IA debería aplicarse al propio gobierno para acelerar la revisión de los contratos y garantizar que las comprobaciones de cumplimiento son automatizadas y auditables.
Demuestra el ROI para lograr la escala
La industria está plagada de informes sobre fallos de pilotos de IA. Las organizaciones que están iniciando su andadura en el campo de la IA deben encontrar primero los casos de uso operativos de la IA. Automatizar tareas “aburridas” como la redacción de protocolos de ensayos clínicos (ahorrando una semana en cada uno de mil documentos) o procesar eventos adversos más rápidamente son ganancias claras y rápidas.
Rameez aconseja que el éxito comienza definiendo un ROI claro y medible que se alinee con el negocio. En el sector farmacéutico, fomentar una cultura de “fracaso rápido” es un retorno de la inversión. El fracaso computacional es significativamente más económico que el fracaso de un ensayo clínico en etapa avanzada.
Rameez plantea este ROI de forma sencilla, aconsejando que las organizaciones tomen medidas para identificar y resolver los problemas rápidamente, antes de que se acumulen: "Cuanto antes encuentres los problemas... puedes llegar a una solución mucho más rápido antes de que se convierta en un problema mucho mayor".
Por último, estandariza tus sistemas: define los marcos agentes, las herramientas, los modelos de soporte y, lo más importante, ten reglas claras para la promoción desde el desarrollo hasta un entorno de producción validado y auditable.
La próxima frontera: ia personalizada
De cara al futuro, los próximos tres a cinco años prometen una transformación aún mayor. Veremos un aumento de los agentes personalizados que adaptan las interacciones y la información al usuario individual.
Los modelos de IA evolucionarán para optimizar varios parámetros simultáneamente. En lugar de optimizar solo la eficacia, los modelos sugerirán moléculas que sean eficaces, no tóxicas, fabricables y con una buena vida útil, todo al mismo tiempo. Podemos incluso ver el primer fármaco disponible comercialmente comercializado como “generado por IA”.
¿Quieres aprender cómo preparar a tu organización para este futuro? Escucha la conversación completa con Rameez Chatni para obtener más información sobre la implementación de la IA y las mejores prácticas.