CEO の AI 探求ガイド: 組織と考え方の変革

デザイナーのチャールズ・イームズの有名な言葉「決して理解を委任してはいけない」。私も心から同意します。しかし、私はリーダーとして、組織の将来にとって重要であるかどうかにかかわらず、新しいアイデア、テクノロジー、機能を深く掘り下げる能力を備えた人たちから学ぶことの価値と必要性も認識しています。 CEO として、チームが日々のアプリケーションを調査している間、トレンドを注意深く監視し続けることが重要です。過去 10 年間、私たちの多くは人工知能 (AI) の出現に対してこのアプローチを採用してきました。

AI はライフサイエンスにおける新しい概念ではありません。長年にわたり、チームは機械学習 (ML)、自然言語処理 (NLP)、その他の AI 関連機能を使用して、医学研究や新しい治療法を進歩させ、管理の生産性を促進してきました。実世界データ (RWD) の分野では、電子医療記録 (EMR) から情報を抽出し、ライフ サイエンス企業の臨床試験の設計をより効率的にするために AI アルゴリズムが適用されているのを目にしてきました。

その後、2022 年 11 月に ChatGPT が開始されました。これにより、データ サイエンスの専門知識を持たないユーザーでも、非常に具体的で複雑なクエリを検索バーに入力し、詳細で平易な言葉で数秒で応答を受け取ることができるようになりました。大規模言語モデル (LLM) は、データを操作するための新しい道を開くように見えました。これは多くの企業リーダーにとって警鐘でしたが、進むべき道は明らかであるように見えました。社内、パートナー、顧客との間でこの新しい働き方をすぐに習得できるか、それとも遅れをとるかのどちらかです。

こうして、RWD およびライフ サイエンス業界、そして私を含む個々の企業やリーダーにとって、AI の旅が加速し始めました。 AI が組織にもたらす可能性のある変化と価値に対処しようとしている CEO に対して、私は、ビジネスの 3 つの重要な側面、つまりチームの働き方の変更、顧客との関わり方の変更、および当社のサービスの拡張という 3 つの主要な側面にわたって AI を探求するための次の考慮事項を提案します。新しいパートナーにリーチします。

まずは内部変革の機会を特定することから始めます

AI と LLM が社内の生産性を向上させる方法を検討する際には、まず最も明確な可能性がある分野に焦点を当てることが重要です。 RWD 分野の人々にとって、これはデータの抽象化とキュレーションのプロセスである可能性があります。現在、データセットを構築する場合、医療専門家のチームは、EMR 内の単一の医療記録からデータを抽出するのに最大 6 時間を費やしています。これには、患者を特定する情報の削除、重要なデータ ポイントの抽出、欠落しているデータまたは不正確な可能性のあるデータの特定が含まれます。これを評価する必要がある数千のレコードに当てはめると、その労力は数千時間に相当し、運用コストのかなりの割合を占めることになります。組織にかかる負担を考えると、このプロセスは、急速に出現する AI 機能がどのようにスケジュールを短縮し、コストを削減できるかを検討する絶好の機会となります。

構造化データは、EMR 内の定義されたフィールドにすでに分類されており、最も簡単に操作できるデータです。これは LLM を構築するための優れた出発点であり、医療専門家がより多くのデータをより迅速にデータセットにキュレーションするのに役立ちます。それを理解したら、LLM を使用して医療記録のメモセクションから情報を取得するなど、より複雑なアプリケーションに進むことができます。この機能は、NLP ツールなどの以前のテクノロジーでは許容できる品質では不可能でした。初期の結果は有望であり、AI によって私たちが持っているリソースを活用してより多くのことが可能になり、これまでよりも速い速度でさらに多くのデータを顧客に提供できることが証明されました。結果が発表され続け、テクノロジーが発展し続けるにつれて、データ抽象化のタイムラインは現在の長さの 3 分の 1 に短縮され、コストは半分になると私は予想しています。

AI を活用した顧客エンゲージメントの可能性を再考する

AI の探求は、RWD 企業がライフ サイエンスの顧客に新しい方法でデータを活用できるようにする方法も示しています。通常、RWD 研究は、クエリを作成して結果をパッケージ化する、統計とデータ サイエンスの専門知識を持つ専門家の専有領域です。これは長いプロセスであり、この技術的知識を持たないライフ サイエンスのリーダー (たとえば、メディカル アフェアーズ チームを率いる医師や臨床開発の熟練した分子研究者) は、臨床研究を計画するときに自らデータを探索することができません。 LLM はデータへのアクセスを簡素化し、検索バーに質問を入力することでチームが一緒にブレインストーミングを行うことができ、ターゲット集団や分子に関する回答を迅速に得ることができます。重要なクエリをより迅速に優先順位付けし、さらに深く掘り下げることができます。おそらく、「このデータセットの中で、糖尿病を患っている多発性骨髄腫患者は何人いますか?」ということから始めるかもしれません。次に、彼らはどのように治療されたか、生存転帰を知るためにフォローアップの質問をします。これらすべての重要な質問は、適応拡大やその他の機会の訴訟に貢献する可能性があります。

LLM は、研究研究のスポンサーが信頼できる洞察を提供して臨床試験のリスクを回避するのにも役立ちます。今日の臨床試験には、 90パーセントの故障率 – これは、データ駆動型の洞察へのアクセスが制限されていることと、プロセスの実行に時間がかかることが部分的に原因です。私はライフサイエンス企業で臨床試験を指揮していたときに、このことを直接経験しました。私たちは、ある治療法を新しい分子との標準治療の比較対照として使用することを計画していましたが、試験が始まるまでに標準治療は変わっていました。これは、研究が始まって初めて気づいた、コストのかかる間違いでした。わずか数か月後、私たちは研究を中止しなければならず、最終的にはその分子を廃棄しました。 RWD に関する仮説を検証するツールがあれば、進行中の試験を調整して適切な標準治療を反映することができたでしょう。そうすれば、数百万ドルと数え切れないほどの労力を節約できたでしょう。短期的には、これが LLM に影響を与える分野だと私は見ています。彼らの助けがあれば、私たちは試験を成功に向けて配置し、最も有望な治療法の進歩を加速することができるでしょう。

新しい顧客グループを作成し、影響力の拡大を観察しましょう

CEO は将来に目を向けて、AI が新しい顧客グループをどのように支援できるかを検討する必要があります。すでに技術者以外のユーザーでも RWD を操作できるようになりました。がんに関する洞察生成プロセスに他に誰が参加できるでしょうか?確かに、ライフサイエンスへの投資やM&Aを担当するリーダーは、新しい分子を取得する前に、適応外使用、臨床利用、患者の転帰など、現実世界での使用法についての理解を深めることができるでしょう。腫瘍学者は AI を使用して、自分のような患者に対する現実世界の転帰に基づいて新しい治療アプローチを迅速に検討でき、おそらくがん治療モデルを進化させることができます。 LLM は、ドメイン専門家が自分の分野に関連するデータを簡単かつ効率的に探索できる新しい機会を生み出します。

AI の旅に乗り出す

私たちはまだ、集団的な AI の旅の始まりにすぎません。私はそう思っています。私たちは AI に関連するコストと課題を乗り越えながら、成功と新たな機会を見つけています。今日、私たちは AI を生産性を向上させ、顧客をサポートするツールとして捉えています。将来的には、おそらくこれらのモデルは、識別可能な患者データが私たちの目に届く前に抽象化することで、データのプライバシーと保護も向上させるでしょう。

私自身と同じように、特に ChatGPT のようなプラットフォームがさらに登場するにつれて、AI の可能性を理解するこのプロセスに参加していただきたいと思います。さまざまな LLM ベースのツールを自分で試してください。リスク、制限、および業界内で高品質のフレームワークとガードレールの導入に誰が取り組んでいるかを理解します。従業員やパートナーと協力して、今後何が可能になるかについて話し合ってください。この瞬間を、AI で何ができるかを探索し、場合によっては理解するという非常に人間的なプロセスを通じて顧客に近づく機会として利用してください。

写真：ピクトゥム、ゲッティイメージズ

この投稿は、 メッドシティのインフルエンサー プログラム。誰でも、MedCity インフルエンサーを通じて MedCity News でヘルスケアにおけるビジネスとイノベーションに関する視点を公開できます。 方法を確認するにはここをクリックしてください。