葛兰素史克公司是如何利用AI制药的？

人工智能和机器学习在制药工业和消费者保健业务中一直发挥着重要作用。从增强智能应用到预测功能，前者包括疾病识别和诊断、为临床试验识别患者、药物制造等。在《今日AI》的最新播客中，葛兰素史克消费医疗业务美国创新与新兴技术负责人Subroto Mukherjee谈到了制药行业如何运用人工智能和机器学习技术，并介绍了人工智能和机器学习技术的独特使用案例。

问：人工智能目前在制药行业的应用情况如何？

Subroto Mukherjee:人工智能和机器学习在制药行业和消费者医疗保健业务中非常重要。今年，在新冠肺炎疫情和寻找有效疫苗的竞争的推动下，人工智能和机器学习发挥了重要作用。在制药和消费者保健领域，最先进的用途包括：

疾病识别/诊断——的应用范围从肿瘤和新冠肺炎到眼睛退化。

数字治疗/个性化治疗/行为改变——可以有效地用于辅助和识别个体，发现疾病的早期症状，如牙龈疾病，准确地对皮肤病进行分类，基于非处方药给出治疗选择，并作为辅助工具，帮助临床医生提高诊断的准确性，或者帮助您的孩子的老师或您的心理健康专业人员甚至您的医生改善他们的教育和临床决策。

药物发现与制造——它可以根据生物因素在初期预测药物化合物的成功率，帮助人们初步筛选这些候选化合物。快速检测核糖核酸和脱氧核糖核酸。精确药物或下一代测序技术可以帮助更快地找到药物，并根据患者个体定制药物。

预测预测——是本主题中最重要的示例之一。机器学习和人工智能技术也被用于监测和预测世界各地的流行病爆发或季节性疾病。预测性预测可以帮助我们规划供应链，并根据预测的程度在合适的时间储备适量的库存。

临床试验——根据病史、疾病状态等属性(包括感染率、人工统计和种族等。)，选择最适合临床试验的候选人来代表受影响最大的人群。

除了医疗条件之外，我们还看到了很多人工智能和机器学习在医药医疗公司数字化转型中的使用案例，比如营销技术、广告技术、供应链、销售和客服等。

问：制药行业里有哪些人工智能和机器学习技术的独特用例？

Subroto Mukherjee:DeepMind解决了一个棘手的科学问题，这个问题曾经困扰了研究人员半个世纪。该公司和研究实验室使用的人工智能程序AlphaFold显示，它可以预测蛋白质将折叠成什么3D形状。这一发现的好处在于，可以帮助研究人员发现某些疾病的发病机制，为药物设计、更有营养的作物以及可以解决塑料污染的“绿色酶”铺平道路。

葛兰素史克的研发；d团队还有另一个独特的用例。我参加了这个项目，非常喜欢。这个项目是人工智能在感官科学中的应用。食品、饮料、农业和医药行业正在使用人工智能和机器学习技术来提高预测参数。这可能会导致针对不同群体和种族定制的食品、饮料、药品等超级个性化产品的出现；我们广泛使用味觉以外的感官特征，如气味、外观和质地，这将影响我们对吃什么或喝什么的选择。

问：请分享葛兰素史克应用人工智能技术的一些成功案例。

Subroto Mukherjee:例如，我们在消费者医疗保健业务线的用例。

预测：我们正面临季节性疾病的威胁，如过敏、感冒和流感。业务用例使用了一个预测模型，可以预测即将到来的过敏、感冒、流感季节不同地区的出行情况，并预测高峰和低谷何时出现。这些信息的优势在于，它可以在我们的brand.com网站上告知消费者，改善我们在不同国家和地区的媒体投放，并告知零售商季节性激活机会(分销、库存、展示和辅助支持)。

感官模型：人对味道、大小、质地、颜色有不同的反应。感官人工智能模型可以帮助我们从整体上理解、预测和优化消费者的偏好。我们使用各种参数，如味道、质地、颜色等。而机器学习模型可以帮助理解消费者和想要的产品体验之间的关系。我们的品牌提供非处方产品，如软糖、药片和药水。这些模型很有帮助。

眼动跟踪领域的人工智能：我们确实在购物者科学实验室研究我们的消费者和零售商，以监测他们在网上或商店购物时对我们产品的看法。在我们的实验室，同意参与的消费者和零售商将戴上眼睛跟踪眼镜，浏览货架上或互联网上的产品。在这个过程中，人工智能会对捕捉到的图像进行分析。包括对感兴趣区域(AOI)指标的分析，包括首次定位的时间和花费的时间、固定图像、热图和视频再现。这些分析的结果可以帮助我们更好地放置产品，改进我们的展示和标签，并帮助我们了解消费者的行为。

问：大型组织采用人工智能技术会面临哪些挑战？

Subroto Mukherjee：

数据挑战——数据的质量和数量。对于任何机器学习模型来说，要想有效地工作，用至少两年至三年的历史数据构成的训练数据集至关重要。由于合并和收购，或者是原先的数据管理或先前的数据源不可用等原因，这是我们在大型组织中看到的最为重要的一项挑战。

技能挑战——很难找到具备合适背景的人力资源，这一点非常具有挑战性。市场上拥有数据技能的人才池非常有限，这种状况拖累了招聘的节奏，并且让很多人工智能项目受阻。

商业价值——大型组织正在努力证明人工智能项目的商业价值。例如，我们希望基于聊天机器人部署更多的认知服务。然而，适应能力并不显著，这就导致很难证明这些努力的价值。

问：葛兰素史克公司之类的组织在数据隐私、安全性、道德和透明度方面正在面临哪些挑战？

Subroto Mukherjee：对于我们的组织来说，数据隐私和安全是最为重要的头等大事。我们一直在努力确保遵守所有的数据隐私、安全法规，并针对我们不同的产品组合，为我们的合作伙伴和外包员工提供适当的培训。数据分类（PII、CSI、敏感）、我们的各种系统对法规的遵从程度以及GDPR或加利福尼亚州隐私权法案要求的流程，都是我们需要不断面临的一些挑战。

为了确保人工智能道德和透明度，我们确保MLOps流程到位，而且建立了机器学习模型评分、监控和漂移检测，并且建立了透明的反馈循环。我们组建了多元化的机器学习团队，这支团队拥有丰富的经验，并且不断地对模型进行测试，以提高透明度并消除机器学习模型的偏见。

问：新冠疫情确实震撼了整个制药行业。您如何看待人工智能和机器学习在对抗新冠疫情中的应用？

Subroto Mukherjee：根据我的理解，人工智能和机器学习最大的用途在于，找出新冠肺炎的生物秘密，并且从数百万的分子中，找到少数几种可以对抗新冠肺炎的分子，减少药物推向市场的时间——既减少药物发现的时间，也减少临床试验开发以及最终FDA批准的时间。看看现在疫苗开发的速度和敏捷程度——从鉴定出新型冠状病毒基因组到第一项疫苗研究出炉只花了300天，而之前这类研究通常平均要花费8-10年。

医学挖掘：让我专注于一项特定的计划——“美国白宫——行动起来（US White House - Call to Action）”来分析新冠肺炎数据，并将其转化为临床知识。白宫正在与人工智能研究社区合作，通过挖掘医学文献来了解新型冠状病毒。自然语言处理是这个领域内发展最快的实践之一，这项技术有助于实现该计划。使用人工智能和机器学习的医疗影像公司声称在利用CT扫描结果检测冠状病毒诱发的肺炎方面实现了创纪录的准确性，但是一些利益相关方则对培训数据的质量表示担忧。

新冠肺炎产生的另外一个重要的影响是在供应链领域。所有的公司包括我们，都面临着新冠肺炎对供应链和制造环节的冲击。无论是在原材料供应还是成品分销环节，这些技术都能够帮助避免与之相关的风险。企业正在努力应对快速变化的消费者需求，限制某些产品的供应量并使用新的工作场所规则。人工智能和机器学习被用于计划和预测、自动和协作机器人以及价值链上很多的关键环节上。

问：大型组织如何应对变革性技术（例如人工智能技术）带来的变革管理？

Subroto Mukherjee：我们正在整个集团内部实施敏捷变革，以创建有效并且简单的变革管理结构。我们的技术部门、业务团队和领导团队正在接受敏捷培训。变革管理学科已经重新定向，新的人工智能技术解决方案采用了明确的审批层次（主要决策者）。我们会针对现在、以后和未来的变革性技术定义清晰的业务目标和价值。

问：围绕着人工智能，你认为劳动力发展的关键需求是什么？

Subroto Mukherjee：我们需要对劳动力进行技能再培训和教育，不仅仅是在技术方面，还要对于人工智能的商业价值进行培训。善意人工智能或者人工智能道德，是员工和企业界需要理解的另一个重要问题。工人们不应该畏惧人工智能，而是应该拥抱它，并且理解人工智能的好处。在劳动力方面，组织需要通过受监控的结果、一群了解业务的数据科学家、数据工程师和主题专家来缓慢扩展规模。

问：全球监管环境如何对制药行业采用人工智能技术存在何种影响？

Subroto Mukherjee：由于监管机构需要保护消费者，因此必须满足合规性和监管要求，这确实会对新的人工智能解决方案推出的时间表造成影响。但是，组织应该与监管机构合作以简化这些流程，这种做法对所有人都有好处。监管机构和制药公司都可以采用人工智能和其他数字化转型项目来推动经济、成本效率和价值驱动型监管工作的有效性。

问：未来几年，你最期待的人工智能技术是什么？

Subroto Mukherjee：在未来几年，我期待能够看到自然语言处理、机器人技术、语音和计算机视觉的进步和广泛使用。