La scienza dei dati e l'intelligenza artificiale stanno aggiungendo una nuova dimensione alla scoperta e allo sviluppo di farmaci, enfatizzando il calcolo e l'apprendimento automatico. Dato questo cambiamento, le aziende farmaceutiche stanno attivamente costruendo infrastrutture, dati, strumenti e team per riunire scienziati dei dati con esperti di biologia e scienze della vita.
L'innovazione farmaceutica e biotecnologica offre uno sguardo su come le grandi organizzazioni integrano strumenti e tecniche di intelligenza artificiale con esperti in materia tradizionali che possiedono una profonda comprensione dei problemi sottostanti da risolvere.
Leggi anche
Strategia di trasformazione digitale presso Philip MorrisCIO: diventare un chief information officer trasformazionale CIO dell'Organizzazione mondiale della sanità su dati sanitari, privacy, fiducia ed etica per partecipare all'episodio n. 717 della serie di conversazioni CXOTalk con persone che plasmano il nostro mondo. Egli è responsabile di causale & Analisi predittiva, scienza dei dati e amp; AI, presso il Novartis AI Innovation Center.
Il Dr. Kızıltan è una delle persone più articolate che conosca sulla gestione e la guida degli sforzi di intelligenza artificiale, quindi guarda il video per consigli utili e pratici sulla gestione dei team di data science e AI.
Assicurati di controllare la trascrizione completa e di leggere le selezioni modificate di seguito.
Informazioni sull'intelligenza artificiale e sulla scienza dei dati nel settore farmaceutico
La scoperta e lo sviluppo di farmaci hanno subito un rallentamento negli ultimi cinque-dieci anni a causa dei costi elevati e perché l'espansione è molto difficile. Speriamo che l'intelligenza artificiale possa venire in soccorso, così tante aziende farmaceutiche stanno investendo in questo settore.
L'intelligenza artificiale e la scienza dei dati, in generale, possono operare in due modi. Un modo è essere guidati dai casi d'uso, fornendo tali servizi alle unità aziendali.
L'altro caso è quello in cui ci posizioniamo all'intersezione tra il mondo accademico e le unità aziendali. Il mondo accademico sta creando la conoscenza, lo sviluppo tecnologico e le infrastrutture per ampliare le cose.
Nella scienza dei dati, in genere le persone credono che i team lavorino con i big data e quando c'è una quantità limitata di dati, la proposta di valore diminuisce. [Tuttavia] copriamo l'intero spettro, dai piccoli dati ai big data perché quei termini sono definiti in modo vago e non abbiamo un modo chiaro per quantificare i piccoli e grandi dati.
Abbiamo creato funzionalità di base per estrarre informazioni di previsione da dati limitati fino ai big data, come li chiamiamo noi. Estraiamo informazioni da dati limitati nei settori della sanità, delle biotecnologie e della medicina.
La gestione dei talenti e team diversificati nel settore farmaceutico
L'innovazione dell'IA, in particolare la scienza dei dati, è un dominio molto interdisciplinare e multidisciplinare. Vogliamo attrarre talenti da diverse discipline che possano portare la mentalità del proprio dominio nelle nostre operazioni.
Certamente, le funzionalità di base di data science e machine learning sono necessarie, ma siamo aperti a tutti gli ambiti. Come forse saprai, sono stato addestrato come astrofisico e ho studiato le stelle di neutroni e l'astrofisica dei buchi neri per la maggior parte della mia carriera. Ma in quel campo, ho lavorato a stretto contatto con matematici applicati, pionieri dell'apprendimento automatico, per portare quelle tecnologie nel campo dell'astrofisica.
Siamo molto consapevoli che la diversità è necessaria per pensare fuori dagli schemi e innovare nell'IA. Attualmente, stiamo facendo crescere i nostri team e stiamo cercando talenti per portare le capacità di base necessarie con l'apprendimento automatico, ma possono provenire da fisica, matematica, psicologia. Avevo lavorato con persone provenienti dalla sociologia, dall'economia, e chi più ne ha più ne metta.
