人工智慧和機器學習在製藥行業和消費者保健業務中一直發揮著重要作用。從增強智能應用程式到預測性功能不一而足，前者包括疾病識別和診斷、為臨床試驗確定患者、藥物製造等內容。在最近的一期《今日AI》播客中，葛蘭素史克公司消費者保健業務美洲創新和新興技術負責人Subroto Mukherjee，談到了製藥行業是如何使用人工智慧和機器學習技術的，且介紹了人工智慧和機器學習技術的獨特用例。
問：人工智慧目前在製藥行業的應用情況如何？
Subroto Mukherjee：人工智慧和機器學習在製藥行業和消費者保健業務中至關重要。今年，受到新冠疫情和尋找有效疫苗競賽的推動，人工智慧和機器學習發揮了重要的作用。在製藥和消費者保健領域裡，最高級的用途包括：
疾病識別/診斷——適用的範圍從腫瘤和新冠肺炎一直到眼睛退化。數字療法/個性化治療/行為改變——可以有效地被用於協助和識別個體，發現疾病的早期症狀，例如牙齦疾病，對皮膚病進行準確分類，給出以非處方藥為主的治療選擇，並且作為輔助工具，幫助臨床醫生提高診斷的準確性，或者幫助你的孩子的老師或者你的心理健康專業人員甚至是你的醫生改善他們做出的教育和臨床決策。藥物發現和製造——它可以根據生物學因素，在最初階段預測藥物化合物的成功率，幫助人們對這些候選化合物進行初步篩選。快速檢測RNA和DNA。精密藥物或新一代測序技術可以幫助更快地發現藥物，並針對患者個體量身定製藥物。預測性預測——預測流行病爆發是這個話題中最重要的例子之一。機器學習和人工智慧技術還被用於監控和預測全球範圍內的流行病爆發或者季節性疾病。預測性的預測可以幫助我們規劃供應鏈，並且根據預測的程度，在正確的時間儲備適當數量的庫存。臨床試驗——根據病史和疾病狀況以及其他屬性（包括感染率、人工統計學因素和種族等），為臨床試驗挑選最合適的人選，以代表受影響最大的人群。除了醫療保健條件外，我們還在製藥和醫療保健公司的數位化轉型領域中，看到了很多人工智慧和機器學習方面的用例，例如營銷技術、廣告技術、供應鏈、銷售和客戶服務等領域。
問：製藥行業裡有哪些人工智慧和機器學習技術的獨特用例？
Subroto Mukherjee：DeepMind破解了一個棘手的科學問題，這個問題曾經困擾了研究人員長達半個世紀之久。該公司和研究實驗室使用的人工智慧程序AlphaFold表明，它可以預測蛋白質將摺疊成何種3D形狀。這項發現的好處在於，它可以幫助研究人員發現導致某些疾病的機制，並為藥物設計、營養更豐富的農作物以及可以解決塑料汙染的「綠色酶」鋪平道路。
葛蘭素史克公司的研發團隊有另一個獨特的用例，我參與了這個項目並且非常喜歡，該項目是在感官科學領域應用人工智慧。食品、飲料、農業和醫藥行業，正在利用人工智慧和機器學習技術提高預測性參數。這可能會導致出現針對不同人群和種族定製的超級個性化的食品、飲料和藥物等產品；我們廣泛使用了味覺之外的感官特性，例如氣味、外觀和質地，這些因素會影響我們對「要吃什麼」或者「喝什麼」的選擇。
問：請分享一些葛蘭素史克公司應用人工智慧技術的成功用例。
Subroto Mukherjee：比如，我們在消費者保健業務線中的用例。
預測：我們面臨著過敏、感冒和流感等季節性疾病的威脅。商業用例使用了一個預測模型，該模型可以預測即將到來的過敏、感冒和流感季節在不同地區的行程情況，並且預測高峰和低谷將在何時出現。這些信息的優勢在於可以在我們的brand.com網站上告知消費者，改善我們在不同國家和地區的媒體投放，並且就季節性激活時機（分銷、存貨、展示和輔助支持）通知零售商。感官模型：人們對口味、大小、質地、顏色的反應各不相同，感官人工智慧模型能夠幫助我們從整體上理解、預測並優化消費者的偏好。我們使用了多種參數，例如味道、質地、顏色等，而機器學習模型可以幫助理解消費者和渴望的產品體驗之間的關係。我們的品牌提供非處方的軟糖、片劑和藥液等產品，這些模型是有幫助的。眼動追蹤領域中的人工智慧：我們確實在我們的購物者科學實驗室中對我們的消費者和零售商進行研究，監控他們在線上或者商店購物時對我們產品的看法。在我們的實驗室中，同意參與的消費者和零售商會佩戴眼動追蹤眼鏡並瀏覽貨架或者網絡上的產品。在這個過程中，人工智慧會分析捕捉到的圖像。分析包括感興趣區域（AOI）指標，包括首次定位時間和花費的時間、注視的圖像、熱圖和視頻重現。這些分析的結果可以幫助我們更好地擺放產品，改善我們的呈現和標籤，並幫助我們理解消費者的行為。問：大型組織採用人工智慧技術會面臨哪些挑戰？
Subroto Mukherjee：
數據挑戰——數據的質量和數量。對於任何機器學習模型來說，要想有效地工作，用至少兩年至三年的歷史數據構成的訓練數據集至關重要。由於合併和收購，或者是原先的數據管理或先前的數據源不可用等原因，這是我們在大型組織中看到的最為重要的一項挑戰。技能挑戰——很難找到具備合適背景的人力資源，這一點非常具有挑戰性。市場上擁有數據技能的人才池非常有限，這種狀況拖累了招聘的節奏，並且讓很多人工智慧項目受阻。商業價值——大型組織正在努力證明人工智慧項目的商業價值。例如，我們希望基於聊天機器人部署更多的認知服務。然而，適應能力並不顯著，這就導致很難證明這些努力的價值。問：葛蘭素史克公司之類的組織在數據隱私、安全性、道德和透明度方面正在面臨哪些挑戰？
Subroto Mukherjee：對於我們的組織來說，數據隱私和安全是最為重要的頭等大事。我們一直在努力確保遵守所有的數據隱私、安全法規，並針對我們不同的產品組合，為我們的合作夥伴和外包員工提供適當的培訓。數據分類（PII、CSI、敏感）、我們的各種系統對法規的遵從程度以及GDPR或加利福尼亞州隱私權法案要求的流程，都是我們需要不斷面臨的一些挑戰。
為了確保人工智慧道德和透明度，我們確保MLOps流程到位，而且建立了機器學習模型評分、監控和漂移檢測，並且建立了透明的反饋循環。我們組建了多元化的機器學習團隊，這支團隊擁有豐富的經驗，並且不斷地對模型進行測試，以提高透明度並消除機器學習模型的偏見。
問：新冠疫情確實震撼了整個製藥行業。您如何看待人工智慧和機器學習在對抗新冠疫情中的應用？
Subroto Mukherjee：根據我的理解，人工智慧和機器學習最大的用途在於，找出新冠肺炎的生物秘密，並且從數百萬的分子中，找到少數幾種可以對抗新冠肺炎的分子，減少藥物推向市場的時間——既減少藥物發現的時間，也減少臨床試驗開發以及最終FDA批准的時間。看看現在疫苗開發的速度和敏捷程度——從鑑定出新型冠狀病毒基因組到第一項疫苗研究出爐只花了300天，而之前這類研究通常平均要花費8-10年。
醫學挖掘：讓我專注於一項特定的計劃——「美國白宮——行動起來（US White House - Call to Action）」來分析新冠肺炎數據，並將其轉化為臨床知識。白宮正在與人工智慧研究社區合作，通過挖掘醫學文獻來了解新型冠狀病毒。自然語言處理是這個領域內發展最快的實踐之一，這項技術有助於實現該計劃。使用人工智慧和機器學習的醫療影像公司聲稱在利用CT掃描結果檢測冠狀病毒誘發的肺炎方面實現了創紀錄的準確性，但是一些利益相關方則對培訓數據的質量表示擔憂。新冠肺炎產生的另外一個重要的影響是在供應鏈領域。所有的公司包括我們，都面臨著新冠肺炎對供應鏈和製造環節的衝擊。無論是在原材料供應還是成品分銷環節，這些技術都能夠幫助避免與之相關的風險。企業正在努力應對快速變化的消費者需求，限制某些產品的供應量並使用新的工作場所規則。人工智慧和機器學習被用於計劃和預測、自動和協作機器人以及價值鏈上很多的關鍵環節上。問：大型組織如何應對變革性技術（例如人工智慧技術）帶來的變革管理？
Subroto Mukherjee：我們正在整個集團內部實施敏捷變革，以創建有效並且簡單的變革管理結構。我們的技術部門、業務團隊和領導團隊正在接受敏捷培訓。變革管理學科已經重新定向，新的人工智慧技術解決方案採用了明確的審批層次（主要決策者）。我們會針對現在、以後和未來的變革性技術定義清晰的業務目標和價值。
問：圍繞著人工智慧，你認為勞動力發展的關鍵需求是什麼？
Subroto Mukherjee：我們需要對勞動力進行技能再培訓和教育，不僅僅是在技術方面，還要對於人工智慧的商業價值進行培訓。善意人工智慧或者人工智慧道德，是員工和企業界需要理解的另一個重要問題。工人們不應該畏懼人工智慧，而是應該擁抱它，並且理解人工智慧的好處。在勞動力方面，組織需要通過受監控的結果、一群了解業務的數據科學家、數據工程師和主題專家來緩慢擴展規模。
問：全球監管環境如何對製藥行業採用人工智慧技術存在何種影響？
Subroto Mukherjee：由於監管機構需要保護消費者，因此必須滿足合規性和監管要求，這確實會對新的人工智慧解決方案推出的時間表造成影響。但是，組織應該與監管機構合作以簡化這些流程，這種做法對所有人都有好處。監管機構和製藥公司都可以採用人工智慧和其他數位化轉型項目來推動經濟、成本效率和價值驅動型監管工作的有效性。
問：未來幾年，你最期待的人工智慧技術是什麼？
Subroto Mukherjee：在未來幾年，我期待能夠看到自然語言處理、機器人技術、語音和計算機視覺的進步和廣泛使用。