작성자 : Allison Proffitt, AI 트렌드 편집 이사   

지난주 DECODE : AI for Pharmaceuticals 포럼에서 제약 리더들은 제약 분야에서 AI의 문화적 과제와 기업에서 AI를 더 잘 통합하기 위해 기관이 취하는 조치에 대해 논의했습니다.   

편집자 주 : DECODE 이벤트에 대해 자세히 알아 보려면 회견 Dominie Roberts, Cambridge Innovation Institute 선임 이벤트 디렉터, Emma Huang, Johnson & Johnson Innovation의 데이터 과학 외부 혁신 선임 디렉터, DECODE 자문위원회 위원.   

첫째, Broad Institute의 기계 학습 책임자 인 Puneet Batra는 제약 연구 (특히 생물학)가 AI 추진에있어 중요한 역할 및 컴퓨팅 연구. 그의 작업은 Broad의 새로운 Eric and Wendy Schmidt Center의 일부로, 생물학을 배치하여 차세대 컴퓨팅 시대를 주도하는 임무를 맡고 있습니다.  

Batra는 21 세기의 두 가지 대혁명을 확인했습니다. 데이터 기술 (머신 러닝, 클라우드 등)의 폭발적 폭발과 생물학적 기술 (시퀀싱, 단일 세포 게놈, 의료 영상 등)의 꽃 피는 것입니다. 이 두 가지 혁명은 수렴되고 있지만 목표는 단순히 기계 학습을 생물학적 질문에 적용하는 것이 아닙니다.     

지금까지 머신 러닝은 이미지 인식과 예측 정확도에 의해 주도되었다고 Batra는 지적했다. 기계 학습은 예측 정확도에서 인과 모델링으로 이동하여 "무엇"질문이 아닌 "왜"질문을 처리해야합니다. 생물학과 그 고유 한 생물학적 질문은 컴퓨팅 발전의 핵심 동인이되어야합니다.  

생물학적 질문에는 새로운 기계 학습 및 컴퓨팅 전략을 형성하는 몇 가지 특정 제약이 있습니다. 데이터는 무제한 규모로 사용할 수 없으며 데이터 감소는 생물학적 복잡성을 잃을 위험이 있으며 클리닉에 적용된 모델은 높은 수준의 조사를 요구합니다. 그러나 Batra는 이것이 미래에 컴퓨팅을 형성해야 할 동인이라고 생각합니다. 목표는 "생물학이 해결해야 할 핵심적인 질문,이 인과 적 측면,이 기계 론적 측면을 만들어 컴퓨팅의 추가 발전을 이끄는 주요 요구 요인을 만드는 것"이라고 그는 말했습니다.    

어떤 데이터, 어떤 문제    

질문 중심의 접근 방식은 행사 내내 주제였습니다. 염두에 둔 질문으로 시작하십시오. 패널에서 논쟁, 데이터로 시작하는 대신. PhaseForward의 창립자이자 가장 최근에는 Optum Labs의 설립자이자 현재 Evident Health Strategies의 대표 인 Paul Bleicher는 사람들이 데이터 나 알고리즘에 먼저 초점을 맞추는 경향이 있다고 말했습니다.   

이 접근 방식은보다 근본적인 질문을 놓치고 있습니다. 해결하고자하는 문제는 무엇이며 해결 될 경우 비즈니스와 환자에게 가치 또는 품질을 창출하는 방법은 무엇입니까? 그 후에야 Bleicher는“어떤 데이터가 필요합니까? 액세스 할 수있는 데이터 세트 중 사용할 수있는 것은 무엇입니까? 그 데이터는 언제 잠재적으로 편향을 일으킬까요? 어디에서 문제가 발생합니까? 모든 것을 한 번에 모으고 나면 어떤 알고리즘과 모든 것을 합칠 방법을 파악하십시오. "    

이 문제 우선 접근 방식을 사용하면 실제로 필요한 데이터의 양과 종류 및 처리에 사용할 도구에 대해 명확하게 생각할 수 있습니다. 사용 가능한 모든 시간, 돈 및 리소스를 사용하여 데이터를 사용하고 처리 할 대역폭이 남아 있지 않을 정도로 아름답게 정리 된 데이터 세트를 얻으려면주의하십시오.    

Bristol-Myers Squibb의 화학 및 합성 개발 담당 과학 이사 인 Jacob Janey는 필요한 데이터와 선택한 알고리즘 모두에 대해 최소한의 실행 가능한 모델 접근 방식을 주장했습니다. "충분히 좋은"데이터를 얻으십시오.이 데이터는 대답하려는 질문이나 해결하고자하는 문제에 크게 좌우 될 것이라고 그는 말했습니다. 그런 다음 목적에 충분한 분석 옵션을 선택하십시오. "사람들은 때때로 단순한 회귀 나 단순한 랜덤 포레스트가 될 수있을 때 딥 러닝이나 신경망으로 뛰어 드는 경향이 있습니다. 그 자체로 이점이 있습니다."라고 그는 말했습니다.   

AI 조직도 재구성  

Reza Olfati-Saber, PhD, 글로벌 책임자 AI 및 심층 분석, 디지털 및 데이터 과학 R & D, Sanofi 조직 구조 설명 진정한 AI 기반 제약 회사의 기반이 될 것입니다. 그는 컴퓨팅 (클라우드, 인프라)을 광범위한 기반으로 삼아 애플리케이션 (데이터 스토리지, 앱 개발, 보안), 데이터 (데이터 거버넌스 및 보안), 분석 (데이터 분석 및 시각화), 머신 러닝 및 마지막으로 AI 정책 (품질 및 윤리).   

올라파티-Saber는 제약의 데이터와 AI 기업이 최고의 디지털 전문가와 최고의 AI 전문가가 협력해야한다고 주장합니다. 최고 데이터 책임자가 디지털 전환을 촉진 할만큼 전체 피라미드를 잘 알기를 기대하는 것은 "실질적으로 불가능"하다고 그는 말했습니다. 태그 팀 접근 방식이 필수적입니다. "다른 어떤 것도 그 일을하지 못할 것"이라고 그는 말했다.   

세션 DECODE : 제약 용 AI, 이제 요청시 사용할 수 있습니다. 

코인 스마트. 유로파 최고의 비트 코인-보르 스
출처 : https://www.aitrends.com/ai-and-pharma/drive-ai-into-pharma-by-asking-the-right-questions-suggest-decode-speakers/