摘要:人工智能(AI)将给整个药物冷链体系带来变革——这种变革不是在遥远的未来,而很可能在短短几年内成为现实。作为一家积极参与相关应用构建活动的企业总裁,我亲眼目睹着这项技术的快速发展与光明前景,同时也坚信这类利用机器学习技术生成生物制药冷链循环内环境危害预测数据的应用程序,必将在不久的将来迸发出巨大的能量。

人工智能(AI)将给整个药物冷链体系带来变革——这种变革不是在遥远的未来,而很可能在短短几年内成为现实。

作为一家积极参与相关应用构建活动的企业总裁,我亲眼目睹着这项技术的快速发展与光明前景,同时也坚信这类利用机器学习技术生成生物制药冷链循环内环境危害预测数据的应用程序,必将在不久的将来迸发出巨大的能量。

将机器学习与预测分析结合起来,AI转型带来的智能化升级将表现出远超搜索层面的深度。这类新型方案有望解决制药冷链管理领域某些最为严峻的挑战。

下面,让我们从几个实例开始谈起:

• 基于分析的决策制定: 大多数企业只能捕捉到数据中潜在价值的一小部分。通过将来自多种来源的数据(例如药品订单、运送路线以及沿途天气数据)汇总起来并加以分析,基于AI的系统将能够面向整体冷链体系提供包含完整可见性的预测数据。如此一来,我们就能在冷链正式启动之前做出障碍预测,并有针对性地分配应对资源。

这种基于分析的决策制定方法,要求企业首先在整体冷链之内建立起数据可行性与实时可见性。以此为基础,预测性数据分析将给药品的及时安全交付带来严格保障。借助分析性决策,冷链物流与整体药品交付成本、患者用药风险以及药品输送管道中的缺口都将大为减少。

例如,来自英国的BenevolentAI公司正在利用一套计算与实验性技术-流程平台,希望借此捕捉大规模生物医学数据并据此做出推理,最终改善并加快药物发现流程中的各个环节。

供应链管理 (简称SCM): 麦肯锡公司曾在2013年公布一项研究结果,详细说明了药品供应链领域存在的严重敏捷性缺失问题。报告指出,药品从制造商到配送中心之间的平均补货周期为75天,而其他行业仅为30天。报告同时提到,药品供应链需要在成本、物流、仓储以及库存等方面提高透明度。从保障药物功效、明确患者身份、监管产销供应以及改善供应链敏捷性等角度出发,AI技术无疑将给整个制药行业带来全方位提升。

以DataRobot为例,这是一套由开源算法支持构建的AI平台,用以构建高敏捷性药品供应链。其中的算法可以利用药物输送历史数据对自动化流程进行建模。供应链经理可以借此获取可靠的模型,进而准确预测特定药品订单是否可以与同一地区或者部门掌握的另一项预期订单进行合并。

• 库存管理: 生物标志物的普及正使得个性化药物走向主流。因此,制药企业未来可能需要储备更多种治疗药剂,但其中每一种的数量则远少于以往。基于AI的库存管理能够帮助我们确定哪些产品的需求为旺盛(使用频率最高),准确跟踪何时能够将产品交付给患者,提供交付时间并在发生延误或者其他影响事件的几小时内快速找到替代性交付通道。

OptumRx正积极利用AI/ML技术管理其在医疗环境中收集到的数据。自投入运行以来,AI/ML系统凭借出色的实际表现,证明自身确实能够在无需额外干预的前提下、通过持续分析数据与结果不断改进自身。早期结果表明,AI/ML确实能够有效缓解药品库存短缺或者过剩等常见问题,这无疑帮助药品冷链体系在敏捷性方面前进了一大步。

• 仓储自动化: 将AI技术整合至仓储自动化工具当中,能够加快通信速度并减少“取件与打包”流程中的各类错误。从最基本的意义上讲,AI技术能够预测到哪些药品的存储周期最长,并据此为其指定最合适的存放位置。以此为基础,冷链服务供应商Lineage Logistics公司一举将生产效率提升了20%。在另一项应用当中,AI技术通过计算为大量商品找到最佳放置方式,从而在帮助员工轻松找到对应商品的同时显著提升进出货流量。

>>>FDA热情拥抱AI与大数据技术

从历史角度看,由于美国食品药监局(FDA)在监督方面一直非常严格,因此很多制药企业对颠覆性技术的反应表现得相对较为迟缓。但是,FDA方面已经深刻意识到AI技术带来的学习与性能改善潜力。FDA方面目前已经批准利用AI技术检测患者的糖尿病性视网膜病变以及潜在中风可能性,同时计划尽快出台最新法规,用以简化这类重要工具的实际使用。

>>>赢得竞争优势

对于有意将AI技术纳入自家冷链的制药企业,下面我们将分享一系列简洁明确的准备步骤:

1. 做好数据准备工作,并保障数据所有权。首先,我们需要强大的数据清洁流水线以及成熟的物流生态系统,与温度、环境条件以及包装相关的历史记录数据,外加从冷链流程之内收集到的一切其他数据。如果这些清洁可靠的数据还没有落实到位,请马上着手进行。如果大家已经掌握了数据,接下来要做的就是验证其所有权。一部分厂商宣称由其系统生成的所有热数据皆归其所有,且不允许任何第三方软件操作这些数据。在这种情况下,我们当然无法将其与其他数据源结合起来以供AI分析。解决问题有两种办法:协商数据所有权,或者换一家供应商。

2. 确定需求范围:我们到底需要在哪里建立竞争优势?先从能够对冷链产生可量化影响的因素做起——具体因素可以是库存控制、打包优化、物流运输、监管策略或者患者依从性等等。跟踪相关指标,并将其与业务价值紧密联系起来。

3. 如今合适的人选,验证企业的内部能力水平。要实施或者支持AI/机器学习策略,我们需要的往往是传统IT人员缺乏甚至根本不具备的技能。因此请考虑提升IT团队技能水平,或者以招聘的方式引入掌握AI技术诀窍的新鲜血液。

AI技术正处于发展的历史性转折点。在未来十年当中,AI预计将给全球经济发展做出巨大贡献。单在生命科学领域,AI技术的当前价值就高达9.021亿美元,且预计将从现在到2024年期间保持21.1%的增长速度。作为这一增长中的重要组成部分,我们坚信AI技术将给医药供应链的转型升级做出突出贡献。