Искусственный интеллект меняет бизнес фармкомпаний

22.11.2017

Программы искусственного интеллекта – AlphaGo, Libratus, DeepMind или ACE – играют в шахматы и го, сочиняют стихи и музыку и помогают в расследованиях коррупции. Кажется, эти пользовательские задачи никак пересекаются с решением ваших бизнес-задач? Тем временем, искусственный интеллект меняет бизнес фармацевтических компаний прямо в эту минуту. Директор по развитию международного бизнеса Navicon Илья Народицкий объясняет, почему фармпроизводителям стоит вкладываться в искусственный интеллект уже сегодня.

Принцип работы нейросетей разработали еще в 1943 году Уоррен Маккалок и Уолтер Питс, но лишь через 70 лет они полностью изменили облик общества и бизнеса. В 2017 году технологии, способные самостоятельно обучаться и выполнять задачи, традиционно присущие только человеческому мозгу, «взорвали» рынок разработки. Пользователи мечтают о роботе-помощнике с нейроинтерфейсом, чат-боты завоевывают сердца клиент-ориентированных бизнесов. ИТ-компании уже сегодня переходят от принципа “mobile first” к “AI first” (Artificial Intelligence, или ИИ): по данным Forbes, только IBM потратил на «интеллектуальную» технологию IBM Watson порядка 15 млрд долларов США.

Искусственный интеллект: от иллюзий к практике

Совсем недавно люди представляли себе «искусственный интеллект» в виде человекоподобного андроида или мощного суперкомпьютера. Сегодня под «искусственным интеллектом» понимают сложные математические алгоритмы и компьютерные системы, способные выполнять задачи, ранее требовавшие участия человека: обучение, визуальное, слуховое распознавание, обработка изображений и видео и другие. Пожалуй, главное отличие искусственного интеллекта от других систем на базе самообучающихся алгоритмов – способность самостоятельно принимать решения и общаться с человеком “face-to-face”.

По сути, весь пласт ИИ-решений можно условно разделить на несколько больших групп — однако, для фармпроизводителей наиболее интересны две из них.

  • Аналитические решения и системы. В эту группу попадают все виды «интеллектуального», «когнитивного» анализа, прогнозной, или предиктивной, аналитики (предсказания вероятности наступления событий) и построения сценарных моделей. Сейчас искусственный интеллект помогает анализировать данные настолько глубоко, насколько это было невозможно при простом анализе: искать скрытые закономерности, выявлять причинно-следственные связи и строить прогнозы на основании анализа тысяч похожих событий.
  • Технологии распознавания. Сюда относятся все решения, способные обрабатывать неструктурированную информацию, такую как фото, видео, образы или естественную речь. Для иллюстрации, голосовые помощники и поисковые системы типа Alexa или Siri – это сложное ПО, которое преобразует голос в цифровые идентификаторы (сигнатуры). А затем находит во внутренней базе данных «перевод» похожих сигналов на язык математики – и формулирует ответ. В бизнесе такие технологии задействованы реже, преимущественно в общении с потребителями.

Фарминдустрия – одна из самых динамичных отраслей, и первой реагирует на все изменения на рынке, в том числе технологические. Поэтому инновации, способные оптимизировать дорогостоящие процессы выпуска, продвижения и сбыта товаров, почти мгновенно оказываются на фармрынке. Аналитический отчет “Artificial Intelligence: next frontier for connected pharma” показывает, что в фармотрасли технологии искусственного интеллекта уже сейчас востребованы на трех этапах производственного и бизнес-процесса: в разработке формулы препаратов (R&D), фармаконадзоре и маркетинге.

Мы в Navicon считаем, что искусственный разум в ближайшем будущем поможет компаниям еще и управлять взаимоотношениями с клиентами и партнерами, а также координировать работу производства, отдела закупок и сбытовых служб.

Задача 1. Разработка лекарственных средств - R&D

На разработку одного лекарственного средства в среднем уходит до 2,6 млрд долларов США и до 14 лет, по оценке Университета Тафтса и «Управления по санитарному надзору за качеством пищевых продуктов и медикаментов в США». При этом далеко не все препараты успешно выходят на рынок.

Сложность проведения R&D состоит в том, что исследователи должны изучить десятки тысяч молекул, чтобы методом проб и ошибок обнаружить «кандидатов» на включение в состав лекарственного средства, затем тщательно протестировать их и найти соотношение компонентов, которое эффективно при лечении конкретного заболевания. Анализ всех химических составов – это сложный и дорогостоящий процесс даже для больших компаний.

Чтобы оптимизировать поиск идеальной формулы ЛП, фармкомпании внедряют механизмы обработки текстов и естественного языка на машинном обучении для анализа массивов медико-биологических данных. Система ИИ в лаборатории проводит глубокий семантический анализ информации из специализированных баз данных и открытых источников в интернете, и на основании обработанных данных оценивает потенциальную эффективность каждого кандидата в препараты (например, инновационной молекулы). Причем для ИИ-инструментов неважно, геномные данные это, выступления и исследования аналитиков или научные статьи – любые типы неструктурированных данных обрабатываются автоматически, без участия человека.

Например, фармпроизводитель AstraZeneca заключил договор о сотрудничестве с компанией Berg. Технологии Berg будут помогать фармкомпании в определении «кандидатов-препаратов»: в лаборатории будут анализировать все обнаруженные исследователями фрагменты соединений и выбирать из них потенциально эффективные.

ИИ полезен и на более поздних стадиях разработки препарата: так, после одобрения лаборатории лекарственному средству предстоит пройти еще несколько фаз клинических испытаний. Глубокий анализ данных о пациентах помогает подобрать наиболее подходящих людей для исследований – для этого анализируются огромные массивы данных о потенциальных кандидатах и состоянии их здоровья. Искусственный интеллект может сделать это быстро и на выходе составить профиль пациентов, для которых применение нового ЛП будет оптимальным.

Задача 2. Взаимоотношения с партнерами и клиентами

Работа медицинских представителей и КАМов фармкомпаний, которые непосредственно взаимодействуют с партнерами и клиентами (врачами, госпитальными учреждениями, аптечными сетями) в регионах, – одна из самых больших статей расходов производителей. При этом эффективность каждой такой «живой» встречи далеко не очевидна: на демонстрацию одного продукта у представителя есть обычно всего 3-5 минут – этого недостаточно для продвижения препарата. На помощь приходят виртуальные ИИ-помощники на базе «умных» алгоритмов.

Алгоритмы ИИ могут обрабатывать массивы учебных данных о каждом клиенте, снабжать медицинского представителя необходимыми маркетинговыми материалами на основании анализа и даже прогнозировать исход встречи. Таким образом, инструменты на базе искусственного интеллекта способны подсказать медицинскому представителю, какой следующий шаг в отношении клиента будет оптимальным для повышения продаж в будущем, и заранее выстраивать оптимальную повестку встречи. Более того, уже сегодня появляются системы, которые анализируют итоги предыдущих встреч и сами подсказывают медицинскому представителю, с кем и когда встречаться.

Чаще всего такие AI-помощники встраиваются в CRM-системы – специализированные ИТ-решения для управления работой медицинских представителей компании, а также для координации маркетинга и продаж.

Задача 3. Аналитика продаж и маркетинг

Пожалуй, самое любопытное направление для применения AI в фарминдустрии, которое активно развивается, в том числе, в нашей компании, — управление маркетингом и сопутствующий анализ продаж. В отличие от ритейла и розничной торговли, где востребованы, прежде всего, голосовые и другие виртуальные помощники для непосредственного общения с клиентами, в фармотрасли заметен спрос на технологии интеллектуального анализа данных.

  • Прогнозирование покупательского спроса. Прогнозирование покупательского спроса позволяет формировать реалистичные планы и стратегии продаж, и на базе полученной информации строить оптимальные планы производства продукции. Чтобы составить точный прогноз, система анализирует огромные массивы информации о районах продаж, экономической и демографической ситуации и других показателях. В итоге значительно повышается эффективность планирования товарного ассортимента торговых точек, а также минимизируются ситуации over-stock и out-of-stock.
  • Управление эффективностью маркетинга. Интеллектуальный анализ данных помогает определять эффективность маркетинговых каналов, оценивать их вклад в рост продаж и на основании этих данных перераспределять маркетинговые бюджеты. Причем стоимость контакта непрерывно снижается, так как система постоянно обучается и с каждым использованием точнее подсказывает, по каким каналам и какие сообщения доносить до каждого конкретного партнера или клиента.
  • Предотвращение оттока клиентов. «Умная» аналитика позволяет прогнозировать объём оттока клиентов на основе анализа всего массива клиентских данных. ИИ помогает оценить целесообразность удержания или потери каждого отдельного клиента и точечно работать с потенциально полезными для компании клиентами.

Такие решения помогают построить наиболее оптимальную стратегию маркетинга и мгновенно корректировать ее с вводом новых данных в систему.

Задача 4. Управление производством

Основные задачи, которые решает искусственный интеллект для производственных отделов, связаны с оптимизацией производственного процесса. Например, системы на базе ИИ могут прогнозировать длительность цикла производства конкретного продукта и в зависимости от этого прогноза выстраивать оптимальный план загрузки производственных линий.

Другие задачи ИИ на производстве связаны с определением критичных производственных участков, поиском бракованных товаров, предсказанием простоев, поломок оборудования, планированием ремонтов и техобслуживания парка техники. Например, решение AI. Equipment Fault Forecast способно за счет точного планирования ТОиР (техобслуживания и ремонтов) сократить затраты на закупку запасных частей и материалов для ППР – 4%, на их хранение – до 12%.

Искусственный интеллект помогает оптимизировать складскую деятельность, чтобы избегать затоваривания складов, перепроизводства или нехватки товаров, а также находить лучшие конструкторские решения и выбирать более «продающий» дизайн упаковки. По оценке Bank of America Merrill Lynch, 45% производственных задач к 2025 г. отойдут роботам и ИИ.

Алгоритмические войны в фармбизнесе

5 лет назад аналитики прогнозировали начало «алгоритмических войн» в бизнесе. И они начались – полем для конкуренции стали «умные» алгоритмы и технологии искусственного интеллекта. «Умные» аналитические системы стали массовыми в 2011 году, когда вычислительные машины достигли необходимого уровня мощности, и IBM смог представить миру первую «когнитивную» систему. Сейчас, всего через 6 лет, аналитики IBM оценивают потенциал рынка когнитивных вычислений для бизнеса в 2 трлн долларов, 80% руководителей бизнеса вкладывают средства в ИИ-технологии, и каждый третий из них собирается увеличивать объем инвестиций в трехлетней перспективе.

На глобальном фармрынке уже заметен интерес компаний Big pharma к суперкомпьютерам: например, британская фармацевтическая компания GlaxoSmithKline выделила 43 млн долларов США разработчику ИИ на создание эффективного инструмента поиска лекарственных средств. Такие гиганты, как GlaxoSmithKline, Sanofi и Merck, прямо сейчас инвестируют в AI-стартапы и изучают совместно с ними потенциал искусственного разума в фармацевтике.

И это только начало.

Источник публикации: Navicon

Календарь событий
Декабрь 2017
Сегодня
Пн Вт Ср Чт Пт Сб Вс
27 28 29 30 01 02 03
04 05 06 07 08 09 10
11 12 13 14 15 16 17
18 19 20 21 22 23 24
25 26 27 28 29 30 31
Регистрируясь, вы принимаете условия
Пользовательского соглашения