藥品供應鏈:人工智能的下一潛在爆發點

人工智能(AI)將給整個藥物冷鏈體系帶來變革——這種變革不是在遙遠的未來,而很可能在短短幾年內成為現實。

作為一傢積極參與相關應用構建活動的企業總裁,我親眼目睹著這項技術的快速發展與光明前景,同時也堅信這類利用機器學習技術生成生物制藥冷鏈循環內環境危害預測數據的應用程序,必將在不久的將來迸發出巨大的能量。

將機器學習與預測分析結合起來,AI轉型帶來的智能化升級將表現出遠超搜索層面的深度。這類新型方案有望解決制藥冷鏈管理領域某些最為嚴峻的挑戰。

下面,讓我們從幾個實例開始談起:

• 基於分析的決策制定: 大多數企業隻能捕捉到數據中潛在價值的一小部分。通過將來自多種來源的數據(例如藥品訂單、運送路線以及沿途天氣數據)匯總起來並加以分析,基於AI的系統將能夠面向整體冷鏈體系提供包含完整可見性的預測數據。如此一來,我們就能在冷鏈正式啟動之前做出障礙預測,並有針對性地分配應對資源。

這種基於分析的決策制定方法,要求企業首先在整體冷鏈之內建立起數據可行性與實時可見性。以此為基礎,預測性數據分析將給藥品的及時安全交付帶來嚴格保障。借助分析性決策,冷鏈物流與整體藥品交付成本、患者用藥風險以及藥品輸送管道中的缺口都將大為減少。

例如,來自英國的BenevolentAI公司正在利用一套計算與實驗性技術-流程平臺,希望借此捕捉大規模生物醫學數據並據此做出推理,最終改善並加快藥物發現流程中的各個環節。

• 供應鏈管理 (簡稱SCM): 麥肯錫公司曾在2013年公佈一項研究結果,詳細說明瞭藥品供應鏈領域存在的嚴重敏捷性缺失問題。報告指出,藥品從制造商到配送中心之間的平均補貨周期為75天,而其他行業僅為30天。報告同時提到,藥品供應鏈需要在成本、物流、倉儲以及庫存等方面提高透明度。從保障藥物功效、明確患者身份、監管產銷供應以及改善供應鏈敏捷性等角度出發,AI技術無疑將給整個制藥行業帶來全方位提升。

以DataRobot為例,這是一套由開源算法支持構建的AI平臺,用以構建高敏捷性藥品供應鏈。其中的算法可以利用藥物輸送歷史數據對自動化流程進行建模。供應鏈經理可以借此獲取可靠的模型,進而準確預測特定藥品訂單是否可以與同一地區或者部門掌握的另一項預期訂單進行合並。

• 庫存管理: 生物標志物的普及正使得個性化藥物走向主流。因此,制藥企業未來可能需要儲備更多種治療藥劑,但其中每一種的數量則遠少於以往。基於AI的庫存管理能夠幫助我們確定哪些產品的需求為旺盛(使用頻率最高),準確跟蹤何時能夠將產品交付給患者,提供交付時間並在發生延誤或者其他影響事件的幾小時內快速找到替代性交付通道。

OptumRx正積極利用AI/ML技術管理其在醫療環境中收集到的數據。自投入運行以來,AI/ML系統憑借出色的實際表現,證明自身確實能夠在無需額外幹預的前提下、通過持續分析數據與結果不斷改進自身。早期結果表明,AI/ML確實能夠有效緩解藥品庫存短缺或者過剩等常見問題,這無疑幫助藥品冷鏈體系在敏捷性方面前進瞭一大步。

• 倉儲自動化: 將AI技術整合至倉儲自動化工具當中,能夠加快通信速度並減少“取件與打包”流程中的各類錯誤。從最基本的意義上講,AI技術能夠預測到哪些藥品的存儲周期最長,並據此為其指定最合適的存放位置。以此為基礎,冷鏈服務供應商Lineage Logistics公司一舉將生產效率提升瞭20%。在另一項應用當中,AI技術通過計算為大量商品找到最佳放置方式,從而在幫助員工輕松找到對應商品的同時顯著提升進出貨流量。

>>>FDA熱情擁抱AI與大數據技術

從歷史角度看,由於美國食品藥監局(FDA)在監督方面一直非常嚴格,因此很多制藥企業對顛覆性技術的反應表現得相對較為遲緩。但是,FDA方面已經深刻意識到AI技術帶來的學習與性能改善潛力。FDA方面目前已經批準利用AI技術檢測患者的糖尿病性視網膜病變以及潛在中風可能性,同時計劃盡快出臺最新法規,用以簡化這類重要工具的實際使用。

>>>贏得競爭優勢

對於有意將AI技術納入自傢冷鏈的制藥企業,下面我們將分享一系列簡潔明確的準備步驟:

1. 做好數據準備工作,並保障數據所有權。首先,我們需要強大的數據清潔流水線以及成熟的物流生態系統,與溫度、環境條件以及包裝相關的歷史記錄數據,外加從冷鏈流程之內收集到的一切其他數據。如果這些清潔可靠的數據還沒有落實到位,請馬上著手進行。如果大傢已經掌握瞭數據,接下來要做的就是驗證其所有權。一部分廠商宣稱由其系統生成的所有熱數據皆歸其所有,且不允許任何第三方軟件操作這些數據。在這種情況下,我們當然無法將其與其他數據源結合起來以供AI分析。解決問題有兩種辦法:協商數據所有權,或者換一傢供應商。

2. 確定需求范圍:我們到底需要在哪裡建立競爭優勢?先從能夠對冷鏈產生可量化影響的因素做起——具體因素可以是庫存控制、打包優化、物流運輸、監管策略或者患者依從性等等。跟蹤相關指標,並將其與業務價值緊密聯系起來。

3. 如今合適的人選,驗證企業的內部能力水平。要實施或者支持AI/機器學習策略,我們需要的往往是傳統IT人員缺乏甚至根本不具備的技能。因此請考慮提升IT團隊技能水平,或者以招聘的方式引入掌握AI技術訣竅的新鮮血液。

AI技術正處於發展的歷史性轉折點。在未來十年當中,AI預計將給全球經濟發展做出巨大貢獻。單在生命科學領域,AI技術的當前價值就高達9.021億美元,且預計將從現在到2024年期間保持21.1%的增長速度。作為這一增長中的重要組成部分,我們堅信AI技術將給醫藥供應鏈的轉型升級做出突出貢獻。

Published in News by Awesome.

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *