AI ve farmaceutickém průmyslu: někdy jsou důležitější než data správně položené otázky
Farmaceutický trh generuje obrovské množství dat, ale skutečný přínos vzniká až jejich smysluplnou a správnou interpretací. Největší výzvou dnes není samotná technologie, ale schopnost správně se ptát, rozlišovat kvalitu dat a nepodléhat iluzi, že umělá inteligence dokáže nahradit odborný úsudek.
My ve Sprinx Pharma si myslíme, že AI může být primárně jako nástroj pro pohodlnější práci s rozsáhlými datovými sadami. Naše modely trénujeme na uzavřených a ověřených datech bez přístupu k internetu, abychom dosáhli maximální míry relevance a reprodukovatelnosti. Vývoj je možná touto cestou pomalejší, ale výsledky jsou spolehlivější. Významnou výzvou zůstává stabilita odpovědí – tedy aby AI na stejný dotaz opakovaně poskytla stejný, ideálně i správný výstup.
Kvalita dat a schopnost s nimi efektivně pracovat jsou dvě rozdílné, ale stejně zásadní bariéry. Jakmile firmy překonají nedostatek dat, začnou se potýkat s opačným problémem – jejich nadbytkem, nekonzistencí nebo limity samotného sběru.
Pokud jde o zdroje, pracujeme s daty SÚKL (DIS, REG, LEK, e-Recept) a s údaji o uhrazené péči od ÚZIS. Jejich kombinace může poskytnout ucelený obraz lékového trhu. Ten se snažíme převádět do našich aplikací, dashboardů a jiných analytických nástrojů.
Skutečná přidaná hodnota AI spočívá podle nás ve schopnosti rychle obsáhnout velké množství dat a připravit podklady pro expertní rozhodnutí. Významná oblast, která je před námi je také práce s textem, jeho analýza i vytváření, což jsou klíčové funkce pro práci s AI v oblasti Market Access. Přesto zůstává nezbytná lidská kontrola – zejména proto, že AI umí doplňovat mezery vlastní tvorbou, pokud odpověď v datech nenajde.
Nejtěžší částí vývoje AI nástrojů vidíme v zajištění reprodukovatelnosti výsledků. Technologická omezení dnes již nehrají zásadní roli – větší výzvou je řídit očekávání a podporovat kulturu sdílení dat napříč týmy. Právě propojení analytiků a specialistů do budoucna rozhodne o tom, jak efektivně budou farmaceutické firmy své datové zdroje využívat.
