AI は医薬品の安全性と規制慣行にどのような影響を与えるでしょうか?

これまで、有害事象 (AE) レポートの変換など、ライフ サイエンスの研究開発の目的でインテリジェント自動化システムを検証し、完全な機能を実現するために必要な膨大な労力によって、ビジネス上の根拠が損なわれてきました。. 

現在、これらの障害は取り除かれつつあり、生成型人工知能を推進する LLM (大規模言語モデル) によってコンプライアンスが強化されています。.

製薬業界は、この AI テクノロジーによって 100 年に一度のチャンスを手にするかもしれないが、それは AI テクノロジーを拡張し、業界が直面する特定の困難に対処できる場合に限られる。.

何が可能になるのでしょうか?

機械学習と大規模言語モデルにより、新薬の迅速な検索が可能になり、臨床試験の効率化と規制当局からの承認の迅速化が実現し、非常に焦点を絞ったマーケティング資料が作成されます。. 

製薬業界のほぼすべての側面は生成 AI によって変化しており、これによってビジネス運営の規範も変化し、数十億ドルの価値が生み出される可能性があります。.

マッキンゼー・グローバル・インスティテュート（MGI）の推計によれば、この技術は製薬・医療製品業界に年間600億ドルから1100億ドルの利益をもたらす可能性があるという。. 

これは主に、この技術によって、新薬となる可能性のある化合物を発見するプロセスを加速し、それらの薬の開発と承認を迅速化し、マーケティングを強化することで生産性を向上できるためです。.

可能性は、「文脈に沿った」学習、物語的な推論、そして自発的なデータ発見を、規制当局が理解できる形で活用することにある。ArisGlobal AI専門家 であるラメシュ・ラマニ氏とラヴィカント・ヴァリガリ氏は、製薬会社における潜在的な応用例について議論した。

医薬品安全性における効率的なデータ変換のためのAI

たとえば安全性の監視の場合のように、大量のデータがさまざまな形式で存在し、多くのソースから取得される場合、注目すべき発見をまとめて活用できるようにするには、多くの管理作業が必要になります。. 

機械学習とAIの最新技術によって、プロセス変革に大きな可能性が秘められています。効率性の向上だけでなく、ソフトウェアが探しているものを正確に理解していれば、精度も大幅に向上します。.

これらのギャップを埋め、重要なライフサイエンス研究開発プロセスにおいて高度な自動化を安全かつ信頼できるものにするために、そして重要なことに、継続的な面倒な監視を必要とせずに、LLM、GenAI ツールが参照する膨大なデータバンク、および検索拡張生成 (RAG) などの高度な自然言語処理 (NLP) 技術が現在適用されています。. 

簡単に言えば、RAG は LLM がdentデータと一般に公開されている情報とを組み合わせることを可能にし、より大きな知識ベースとコンテキストを提供することで AI モデルの微調整を容易にします。.

LLM-RAGソリューションによるデータコンパイルの改善

これまで機械学習ソリューションの課題は、トレーニングの負担でした。しかし現在では、LLM（法務・法務・法務）の助けを借りて、単一の技術ソリューションであらゆるタイプの入力に対応できるようになり、AIモデルやアルゴリズムに何に注意すべきか、あるいは何が意味するのかを教える必要がなくなりました。. 

LLM（法学修士）に標準的な運用手順を分かりやすい英語で説明する場合、RAGパターンは非常に役立ちます。これにより、システムは数千もの異なるフォームを、それぞれに固有の設定を必要とせずに処理できるようになります。.

LLM-RAG技術をAE症例の入力変更に適用することで、初期試験において最大65%の効率向上と90%以上のデータtrac品質および精度向上が実現できることが実証されています。これは驚くべき潜在的効果を秘めています。このシステムは現在、安全性症例ストーリー開発のために生成するサマリーにおいて80～85%の一貫性を示しています。しかも、これは過去の経験は一切なく、ゼロから構築したシステムです。.

実際に、これは製薬会社にとって最も困難なデータ駆動型業務の一部を大幅に簡素化するための基盤を提供します。. 

以前はコンプライアンスや信頼性に関する懸念がよりスマートな自動化の導入を阻んでいましたが、今ではこれらの問題に直接対処し、生産性と効率性を目に見える形で向上させる新しいバージョンのテクノロジーを導入したいというtron要望に取って代わられています。.

「変革の勢いを生み出すためには、組織は、次世代のAIユースケースの展開を形作り、その価値を証明するために、早期導入推進者のチームを編成すべきである。」 マッキンゼー。