Искусственный интеллект меняет бизнес фармкомпаний

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 Forecastспособно 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.

Статья опубликована на сайте «Фармацевтический вестник»

Автор Navicon Надежный ИТ бизнес-партнёр с 2003 года