人工智能在生命科学中的价值隐藏在哪里？

报告生命科学中，通用人工智能的价值在哪里？HCP/患者参与：55%的受访者希望利用生成式AI来提升医疗服务提供者（HCP）/患者参与度，行业中的显著转变是从以产品为中心转向以客户为中心的方法。自主客服、增强型客户支持和虚拟助手是生成式AI在参与度方面的关键应用。员工体验：专注于使用生成式人工智能进行技能重塑和技能提升是明确的，51%的人优先考虑提升员工体验。这项研究表明，员工满意度、生产力和生成式人工智能投资之间存在密切联系。研究与开发（R&D）：人们越来越有信心，认为生成式人工智能能够解决研发中的当前挑战，如临床试验运营和将现有药物用于新适应症。42%的受访者计划投资生成式人工智能用于研发目的。生命科学产业正发生剧变，越来越多的公司使用生成式人工智能（Gen AI）。A2024委托全球研究由 ForresterConsulting 代表 SoftServe 进行的一项调查详细说明了生成式人工智能在该领域的当前实施情况及其发展方向。商业战略：越来越多的公司正转向数据驱动预测，其中57%将改善商业战略列为首要的生成式人工智能目标。尽管85%预计生成式人工智能将在这方面变得更为重要，但32%表示需要帮助来完善他们的战略路线图。软银科技的报告探讨了生命科学组织对通用人工智能现状的实地见解，以及如何加速采用进程的观点。软件开发：53%的人认为利用生成式AI改进软件开发是优先事项。在未来12-18个月内，87%的人相信生成式AI将在这一领域发挥更大的作用。2024年的研究表明，生命科学公司正积极探索人工智能解决方案，以转型其商业模式，并履行其开发创新疗法以提升患者照护的使命。因此，他们正在以下领域寻求价值： 2 创新紧急呼吁当今生命科学领域中最重要的Gen Al目标寻找价值提升商业战略提升客户参与度改进软件开发提升员工体验提高运营效率改进研发改进风险管理/监管提升销售报告生命科学中，通用人工智能的价值在哪里？一项由 Forrester Consulting 代表 SoftServe 于 2024 年委托进行的全球研究表明，生命科学公司了解人工智能的强大之处。因此，它们正在寻求以下领域的价值。像许多行业一样，2024年的生命科学行业面临着重大外部不利因素，例如盈利能力和ROI下降、资本成本上升以及治疗组合过时。此外，还有来自通用药物和生物类似药的激烈竞争，加上专利到期。随着竞争加剧，该行业难以从医疗支付方获得报销并确保分销渠道。研发和制造成本不断上升，对盈利能力造成压力。同时，企业需要跟上技术变革的快速步伐，包括人工智能、物联网和数字健康方面的进展。在此期间，仍需保护敏感的患者数据并确保符合数据隐私规定。面对这些挑战，行业现在正热衷于采用生成式人工智能。人们迅速而热情地启动了雄心勃勃的概念验证项目。例如，公司正在探索加快药物发现、提高临床试验效率、加速监管审批以及快速创建高度个性化营销材料等用例。 57%55%51%43%42%42%30%53% 3 福雷斯特咨询的研究提供了有趣的见解：1：改进商业策略生命科学中，通用人工智能的价值在哪里？报告面对生命科学产业所面临的高成本和激烈竞争压力，越来越多的公司正寻求以数据驱动的洞察来指导其商业战略。数据战略性地应用正在改变组织如何优先考虑研发、处理监管合规、建立合作以及管理其人才的方式。一个成功的商业战略应该提供患者所需的疗法，同时创造价值、提升市场地位并确保长期可持续性。然而，我们注意到规模较小的公司对尝试生成式人工智能有些犹豫。他们的保守态度源于一个信念：他们现有的系统已经足够好。尽管有所保留，这些公司正密切关注主要竞争对手，一旦他们看到生成式人工智能在其他地方运作良好，就会立即加入。这突出了在采用生成式人工智能之前制定全面商业策略的重要性。然而，研究也揭示了一些令人担忧的问题：32%的人承认他们需要帮助来完善他们的商业策略以跟上通用人工智能的发展。这个问题似乎比其他行业更为普遍。随着公司努力提升其商业战略，一些公司在实施方面正引领风气之先。在CEO保罗·哈德森富有远见的领导下，赛诺菲设定了成为首个大规模使用AI的制药公司的目标。该公司已推出一个全面的生成式AI平台，该平台汇集并分析内部数据。它允许实时数据交互，提供详细洞察力，并有助于情景规划，使决策过程更加便捷。百分之五十七的公司认为改进其商业战略是首要的生成式人工智能目标，这一数字高于行业平均值的百分之五十一。令人鼓舞的是，百分之八十五的人认为生成式人工智能将在未来12至18个月内在这个领域扮演更大的角色。 4 利用数据分析来了解HCPs和患者偏好什么、他们的行为方式以及他们需要什么，有助于创建更有针对性、更有效的方法与他们互动。许多应用专注于建立理解客户洞察的坚实基础，使企业能够响应实时AI分析。例如，通话后进行笔记记录，而通用人工智能可以筛选这些文本，找出常见问题。这些笔记和AI洞察可以在公司内部共享，以改进医疗保健专业人士与患者和护理人员互动的方式以及他们使用的消息。其他增强互动的应用案例包括：企业利用人工智能与医疗保健专业人士/患者互动具有巨大潜力。然而，许多企业发现满足医疗保健专业人士相关、差异化内容的要求具有挑战性。反映这些挑战，55%的受访者表示改进客户互动是他们在生成式人工智能方面的下一个主要目标，略高于行业平均水平的53%。此外，70%计划在未来12-18个月更关注这一目标。基于人工智能的呼叫中心和聊天机器人 报告生命科学中，通用人工智能的价值在哪里？像移动应用程序、可穿戴设备和远程医疗等数字健康技术正在使医务人员和患者更容易进行个性化且便捷的互动。自动驾驶HCP服务 增强患者支持辅导 5个性化情感分析虚拟助手和医学概念学习 增强，而非取代：生成式人工智能在患者生活中虚拟教练推荐健康饮食报告生命科学中，通用人工智能的价值在哪里？但在接下来的12到18个月里，公司将集中精力于增强型支持，同时逐渐减少对自主型支持的使用。在已使用或试点生成式人工智能进行自主支持的人数中，87%的有一半不计划在未来12-18个月内扩大这种使用。目标是让人类工人的工作更轻松，而不是取代人类工人。该研究显示：例如，2型糖尿病患者可以使用生成式人工智能来管理他们的慢性病。一个虚拟教练（VC）与医疗保健专业人士（HCP）一起支持患者，将失败的感觉转化为动力，并简化他们疾病的管理。与此同时，在64%使用或测试原力智能增强支持的人中，只有三分之一不计划扩大他们的使用。人工智能可以增强行业内患者支持服务，例如，通过分析患者数据提供个性化信息和推荐，从而提高参与度和依从性。公司倾向于启动新的生成式人工智能计划来增强患者支持（32%），而不是自动化它（9%）。研究结果表明，倾向于采用一种结合人工智能与人类互动的混合方法。在拜耳，生成式人工智能正在帮助研究人员访问、识别和关联数据。现在他们可以挖掘大量研究数据以寻找可能的联系，并自动执行将临床试验沟通材料翻译成不同语言这项耗时的工作。目前，有相当一部分（57%）的公司正在使用生成式人工智能自动化服务任务，还有许多公司（30%）处于试点阶段。通过基于数据预测患者需求，通用人工智能可以主动提供相关信息和支持。通用人工智能可以发送及时提醒和个性化信息，以提高用药依从性并改善患者结果。人工智能驱动的虚拟助手可以为患者提供常见问题的即时答案，减轻人工代理的负担。 VC预测回复治疗VC 提升认知并促进坚持DT预测响应进行治疗阿 chatbot提供医疗信息 VC建议菜谱VC 鼓励锻炼VC连接到血糖监测数字孪生(DT)预测倾向 6 基因人工智能提升对预算敏感型客户的软件开发3. 改进软件开发12-18个月内通用人工智能的目标改进软件开发提升商业战略提高运营效率改进研发提升销售提升员工体验改进风险管理/监管提升客户参与度更重要的报告生命科学中，通用人工智能的价值在哪里？软Serve最近进行了关于生成式AI对软件开发影响的研究。我们的发现展示虽然结果可能相似，但通用人工智能（Gen AI）极大地加速了软件开发过程，提高了效率。这对预算约束严格的公司尤其重要。我们的研究表明，通用人工智能（Gen AI）：加快价值和洞察力的交付速度提升软件开发是目前Gen AI的第三优先事项，53%认为其重要。在未来12-18个月内，87%相信Gen AI将在这一领域发挥更大的作用。该研究强调IT和软件部门正在从Gen AI中获得最大的收益，62%的IT工作者报告了显著的价值。这一比例明显高于所有行业的平均水平（51%）。让数据洞察更易于每个人获取 742%45%43%42%42%40%40%38%40%38%42%36%40%36%40%30%更加重要将AI集成到诊断软件中改善医院医疗系统的同步性和准确性自动创建技术设计 这些发现表明公司：该研究揭示了：4：提升员工体验报告生命科学中，通用人工智能的价值在哪里？在未来 12-18 个月，预计有 77% 的受访者将使用生成式人工智能来改善员工体验。智能企业搜索是另一个具有高潜力的应用，目前有四分之一的公司正在测试它，另外25%的公司正在使用它，并计划在明年扩大使用规模。智能员工支持是生成式AI最被广泛应用的用例，其中包括对话搜索、摘要、数据分析、创造力和内容生成等工具。员工体验和人力资源在实现其生成式人工智能项目投资回报方面仅次于IT。目前，51%的人表示提升员工体验是他们的首要目标，这显著高于行业平均水平的44%，也超过了医疗保健领域41%的比例。展望未来，对改善员工体验日益增长的关注以及智能企业搜索的潜力表明，生命科学公司将继续投资于增强员工敬业度和获取关键信息能力的Gen AI解决方案。今天，46%的人报告从这些举措中获得了“巨大价值”，超过了其他部门（41%）。看到员工满意度和整体生产力之间存在密切联系受访者意识到，如果不能提升员工的技能，就不可能规模化创新和人工智能。因此，重点在于再培训和提升技能，以确保内部有强烈的重视。一个实际例子是默克正在使用MyGPT（与ChatGPT相当）内部提升效率和生产力的方式，在Merck的数据基础设施内安全、可靠且合规。新增功能包括“自带文档”。 在实现生成式AI的益处方面领先于其他行业投资于使员工更容易获取信息并更高效地执行其工作的技术 8 40%该研究揭示了：5：改进研发人们对该技术解决当前研发挑战的潜力正日益增强信心。以一项实际应用为例，百时美施贵宝公司已成功发现首个免疫学复合候选者并且有炎症指示物，通过由一个生成式AI精准医疗平台创建的更有效的药物设计和发展过程。其他有前景的应用案例包括：生成式人工智能对临床试验的影响是另一个充满潜力的领域。例如，制药公司面临高昂的成本才能将药物投入临床试验。招募合适的试验参与者既昂贵又耗时。由于生成式人工智能能够快速分析大量的结构化和非结构化数据，它可以用作强大的研究团队伙伴，可以分享见解以帮助指导最佳的临床试验参与者，并提出有效的干预措施以改善临床试验的结果。另一个例子是将自然语言处理和生成式人工智能结合起来，以识别可用于新适应症的现有药物。报告生命科学中，通用人工智能的价值在哪里？软 Serve 与英伟达在药物发现领域的合作是战略伙伴关系，专注于利用人工智能和高性能计算加速药物发现流程。软 Serve 使用英伟达的 BioNeMo 平台，包括其强大的 GPU 和框架，来加速药物发现的 AI 模型训练和推理。40%的受访者表示，在未来12-18个月内，使用通用人工智能来提高研发将变得更加重要；38%的人认为它非常重要。精准医疗，一种考虑个体基因、环境和生活方式差异，量身定制疾病预防和治疗方法的创新路径，前景广阔。然而，它面临数据收集、成本和隐私问题等挑战。基因人工智能或许能提供解决方案，通过生成合成数据来创建一个保护隐私的病人数字孪生，从而推动以患者为中心的医疗发展。疾病预测与原型设计 >1/2分子设计蛋白质结构预测临床试验优化超过一半的被调查者计划投资通用人工智能或已经在试点项目中测试它，另外11%的受访者表示他们的部门计划在未来12-18个月内扩展用例