Allison Proffitt氏、AI Trends社編集ディレクター   

先週のDECODE：AI for Pharmaceuticalsフォーラムで、製薬業界のリーダーたちは、製薬業界におけるAIの文化的課題と、企業にAIをより適切に組み込むために組織が取っているステップについて話し合いました。   

編集者注：DECODEイベントの詳細については、 インタビュー ケンブリッジイノベーションインスティテュートのシニアイベントディレクターであるドミニーロバーツ、ジョンソン＆ジョンソンイノベーションのデータサイエンス外部イノベーションのシニアディレクターであり、DECODE諮問委員会のメンバーであるエマファンと。   

まず、BroadInstituteの機械学習ディレクターであるPuneetBatraは、製薬研究、特に生物学には、 AIの推進において重要な役割を果たす とコンピューティング研究。 彼の作品は、ブロードにある新しいエリックアンドウェンディシュミットセンターの一部であり、生物学を位置づけてコンピューティングの次の時代を推進することを使命としています。  

バトラは、21世紀のXNUMXつの大きな革命を特定しました。それは、データテクノロジー（機械学習、クラウドなど）の爆発的増加と、生物学的テクノロジー（シーケンス、単一細胞ゲノム、医療画像など）の開花です。 これらのXNUMXつの革命は収束していますが、目標は単に機械学習を生物学的質問に適用することではありません。     

これまでのところ、機械学習は画像認識と予測精度によって推進されてきたとバトラ氏は指摘しました。 機械学習は、予測精度から因果モデリングに移行し、「何」の質問だけでなく「なぜ」の質問にも対処する必要があります。 生物学とその独特の生物学的質問は、コンピューティングの進歩の重要な推進力となるはずです。  

生物学的質問には、新しい機械学習とコンピューティング戦略を形作るいくつかの特定の制約が伴います。 データは無制限の規模で利用することはできず、データの削減は生物学的複雑さを失うリスクを伴い、診療所で適用されるモデルはより高いレベルの精査を要求します。 しかし、バトラは、これらが将来コンピューティングを形作るはずのまさに推進力であると考えています。 目標は、「生物学が取り組む必要のある中心的な問題、この因果的側面、この機械的側面を作り、それらの主要なニーズをコンピューティングのさらなる進歩の推進力にすることです」と彼は言いました。    

どのデータ、どの問題    

質問に焦点を当てたアプローチは、イベント全体のテーマでした。 いくつかの製薬会社のリーダーが念頭に置いて質問から始めます パネルで議論、手元のデータから始める代わりに。 PhaseForwardの創設者で最近はOptumLabsで、現在はEvident HealthStrategiesのプリンシパルであるPaulBleicher氏は、人々は最初にデータやアルゴリズムに焦点を合わせる傾向があると述べています。   

このアプローチは、より根本的な質問を見逃しています。どのような問題を解決しようとしているのか、解決した場合、それがビジネスと患者に価値や品質を生み出すのか。 その時だけ、ブライチャーは言いました、あなたは尋ね始めます：「あなたはどんなデータが必要ですか？ アクセスできるデータセットのうち、使用できるものはどれですか？ そのデータはいつバイアスを生み出す可能性がありますか？ どこで問題が発生しますか？ それをすべてまとめたら、どのアルゴリズムとそれをすべてまとめる方法を理解します。」    

この問題優先のアプローチにより、実際に必要なデータの量と種類、およびデータの処理に使用するツールについて明確に考えることができます。 データセットを非常に美しくクリーンアップするために利用可能な時間、お金、およびリソースのすべてを費やして、データを使用および操作するための帯域幅が残っていないことに注意してください。    

ブリストルマイヤーズスクイブの化学および合成開発の科学ディレクターであるジェイコブジャニーは、必要なデータと選択されたアルゴリズムの両方に対する最小限の実行可能なモデルアプローチを主張しました。 「十分に良い」データを取得します。これは、答えようとしている質問や解決したい問題に大きく依存します。 そして、その目的に十分な分析オプションを選択します。 「人々は、単純な回帰または単純なランダムフォレストである場合があり、それ自体に利点がある場合に、ディープラーニングまたはニューラルネットにジャンプする傾向があります」と彼は言いました。   

AI組織図の再考  

Reza Olfati-Sabre、PhD、グローバルヘッドAI＆ディープアナリティクス、デジタル＆データサイエンスR＆D、サノフィ 組織構造の概要 それは真のAI対応製薬会社を支えるでしょう。 彼は、コンピューティング（クラウド、インフラストラクチャ）を幅広い基盤として、アプリケーション（データストレージ、アプリ開発、セキュリティ）、データ（データガバナンスとセキュリティ）、分析（データ分析と視覚化）、機械学習、最後にAIポリシー（品質と倫理）。   

オルファティ-セイバーは、製薬会社のデータとAIエンタープライズは、一流のデジタル専門家と一流のAI専門家が協力して主導する必要があると主張しています。 チーフデータオフィサーがピラミッド全体を十分に理解してデジタルトランスフォーメーションを促進することを期待することは「事実上不可能」だと彼は語った。 タグチームのアプローチは不可欠です。 「他の何も仕事をしないだろう」と彼は言った。   

からのセッション デコード：医薬品向けAI、オンデマンドで利用できるようになりました。 

コインスマート。 BesteBitcoin-ヨーロッパのBörse
出典：https：//www.aitrends.com/ai-and-pharma/drive-ai-into-pharma-by-asking-the-right-questions-suggest-decode-speakers/