Oferecer IA repetível, mensurável e pronta para uso empresarial em ciências da vida
Empresas farmacêuticas e de ciências da vida utilizam IA para aprimorar a descoberta de medicamentos, o desenvolvimento clínico e as experiências dos pacientes. Nesses tipos de ambientes regulados, a chave para desbloquear avanços assistidos por IA e retorno sobre o investimento (ROI) é uma abordagem de volta ao básico dedicada a unificação de dados, interoperabilidade, segurança e governança.
No episódio mais recente do podcast Healthcare IT News, HIMSSCast, Rameez Chatni, diretor global de soluções de IA da Cloudera, explica que a indústria está passando de um foco emergente em estratégia de IA para o alicerce de uma base sólida de dados.
Garanta a interoperabilidade em toda a cadeia de valor
Uma organização farmacêutica global típica compreende de 12 a 15 verticais distintas, semelhantes a empresas como P&D, fabricação, comercial e assim por diante, e a construção de um conjunto de dados pronto para IA exige o gerenciamento de arquiteturas sofisticadas e distribuídas.
A unificação de dados é difícil e a solução não é forçar todos os dados em um sistema homogêneo. Em vez disso, as organizações estão adotando uma arquitetura híbrida que acomoda sistemas locais, multinuvem e soluções de software como serviço (SaaS).
O uso de tecnologias open-source e interoperáveis compatível com formatos de dados abertos garante que múltiplos motores de consulta possam acessar dados para uma variedade de cargas de engenharia e análise e IA, além de reduzir o risco de bloqueio do fornecedor.
O objetivo final da unificação de dados é dar aos modelos de IA o contexto necessário para conectar os pontos em toda a organização e apresentar os melhores resultados. Um modelo contextual que muitas empresas farmacêuticas estão utilizando é um gráfico de conhecimento. Essa estrutura captura as relações dentro da empresa, ligando medicamentos a genes, doenças, ensaios clínicos e dados comerciais que os humanos muitas vezes perdem, criando um conjunto de dados verdadeiramente abrangente e utilizável.
No entanto, essas arquiteturas avançadas dependem de uma primeira etapa crítica, muitas vezes negligenciada: o inventário e a linhagem de dados. Esses são os heróis anônimos e os pilares fundamentais que impedem que diversas funções (como P&D e manufatura) dupliquem licenças para os mesmos conjuntos de dados e desperdicem recursos.
Trate a governança como uma funcionalidade, não como um defeito
Em um setor que procura inovar rapidamente com dados, a governança frequentemente fica em segundo plano e consequentemente projetos podem ficar paralisados por até nove meses. Rameez argumenta que a governança deve ser tratada como uma característica essencial, não como defeito. Isso significa transformá-la em "governança como serviço", uma capacidade proativa e contínua dentro da empresa.
A única maneira de alcançar a governança como serviço é por meio de um centro multidisciplinar de excelência (CoE) que conecta líderes empresariais, estrategistas de dados, arquitetos de tecnologia e advogados de privacidade e jurídico. Isso garante que as equipes técnicas, que entendem como os dados se movem, possam se comunicar de forma eficaz com as equipes jurídicas, que entendem as restrições de privacidade e consentimento.
Fundamentalmente, a governança deve ser aplicada desde o início. A falta de consideração do cumprimento de normas, como as restrições ao uso de dados de ensaios clínicos para fins secundários, pode paralisar todo um projeto em sua fase final. Na verdade, a IA deveria ser aplicada à própria governança para acelerar as revisões de contratos e garantir que as verificações de conformidade sejam automáticas e auditáveis.
Comprove o ROI para alcançar escala
O setor está repleto de relatórios de falhas de pilotos de IA. As organizações que estão apenas começando suas jornadas de IA devem encontrar primeiro os casos de uso de IA operacional. Automatizar tarefas "tediosas" como a redação de protocolos de ensaios clínicos (economizando uma semana em cada um dos mil documentos) ou processar eventos adversos mais rapidamente são ganhos claros e rápidos.
Rameez aconselha que o sucesso começa com a definição de um ROI (retorno sobre o investimento) claro e mensurável e alinhado com o negócio. Na indústria farmacêutica, possibilitar uma cultura de "falha rápida" é considerado um ROI. Uma falha computacional é significativamente mais barata do que uma falha em um ensaio clínico em estágio avançado.
Rameez enquadra esse retorno de investimento de forma simples, aconselhando que as organizações tomem medidas para identificar e resolver problemas rapidamente, antes que elas se acumulem: "Quanto mais cedo você encontrar problemas... Você pode chegar a uma solução muito mais rápido antes que ela se torne um problema muito maior".
Finalmente, padronize seus sistemas: defina os frameworks agênticos, as ferramentas, os modelos de suporte e o mais importante: tenha regras claras para a promoção do desenvolvimento para um ambiente de produção validado e auditável.
A Próxima Fronteira: IA Personalizada
Olhando para o futuro, os próximos três a cinco anos prometem uma transformação ainda maior. Veremos um aumento no número de agentes personalizados que adaptam as interações e as informações ao usuário individual.
Os modelos de IA evoluirão para otimizar múltiplos parâmetros simultaneamente. Em vez de otimizar apenas a eficácia, os modelos sugerirão moléculas que sejam eficazes, não tóxicas, viáveis para fabricação e que tenham uma boa vida útil, tudo ao mesmo tempo. Podemos até mesmo ver o primeiro medicamento disponível comercialmente sendo comercializado como "gerado por IA".
Quer saber como preparar sua organização para esse futuro? Ouça a conversa completa com Rameez Chatni para obter todos os detalhes sobre a implementação de IA e as práticas recomendadas.
