【小哈划重点：在最近的一期《今日AI》播客中，葛兰素史克公司消费者保健业务美洲创新和新兴技术负责人Subroto Mukherjee，谈到了制药行业是如何使用人工智能和机器学习技术的，且介绍了人工智能和机器学习技术的独特用例。】
人工智能和机器学习在制药行业和消费者保健业务中一直发挥着重要作用。从增强智能应用程序到预测性功能不一而足，前者包括疾病识别和诊断、为临床试验确定患者、药物制造等内容。在最近的一期《今日AI》播客中，葛兰素史克公司消费者保健业务美洲创新和新兴技术负责人Subroto Mukherjee，谈到了制药行业是如何使用人工智能和机器学习技术的，且介绍了人工智能和机器学习技术的独特用例。
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保健业务中至关重要。今年，受到新冠疫情和寻找有效疫苗竞赛的推动，人工智能和机器学习发挥了重要的作用。在制药和消费者保健领域里，最高级的用途包括：
疾病识别/诊断——适用的范围从肿瘤和新冠肺炎一直到眼睛退化。
数字疗法/个性化治疗/行为改变——可以有效地被用于协助和识别个体，发现疾病的早期症状，例如牙龈疾病，对皮肤病进行准确分类，给出以非处方药为主的治疗选择，并且作为辅助工具，帮助临床医生提高诊断的准确性，或者帮助你的孩子的老师或者你的心理健康专业人员甚至是你的医生改善他们做出的教育和临床决策。
药物发现和制造——它可以根据生物学因素，在最初阶段预测药物化合物的成功率，帮助人们对这些候选化合物进行初步筛选。快速检测RNA和DNA。精密药物或新一代测序技术可以帮助更快地发现药物，并针对患者个体量身定制药物。
预测性预测——预测流行病爆发是这个话题中最重要的例子之一。机器学习和人工智能技术还被用于监控和预测全球范围内的流行病爆发或者季节性疾病。预测性的预测可以帮助我们规划供应链，并且根据预测的程度，在正确的时间储备适当数量的库存。
临床试验——根据病史和疾病状况以及其他属性（包括感染率、人工统计学因素和种族等），为临床试验挑选最合适的人选，以代表受影响最大的人群。
除了医疗保健条件外，我们还在制药和医疗保健公司的数字化转型领域中，看到了很多人工智能和机器学习方面的用例，例如营销技术、广告技术、供应链、销售和客户服务等领域。
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破解了一个棘手的科学问题，这个问题曾经困扰了研究人员长达半个世纪之久。该公司和研究实验室使用的人工智能程序AlphaFold表明，它可以预测蛋白质将折叠成何种3D形状。这项发现的好处在于，它可以帮助研究人员发现导致某些疾病的机制，并为药物设计、营养更丰富的农作物以及可以解决塑料污染的“绿色酶”铺平道路。
葛兰素史克公司的研发团队有另一个独特的用例，我参与了这个项目并且非常喜欢，该项目是在感官科学领域应用人工智能。食品、饮料、农业和医药行业，正在利用人工智能和机器学习技术提高预测性参数。这可能会导致出现针对不同人群和种族定制的超级个性化的食品、饮料和药物等产品；我们广泛使用了味觉之外的感官特性，例如气味、外观和质地，这些因素会影响我们对“要吃什么”或者“喝什么”的选择。
问：请分享一些葛兰素史克公司应用人工智能技术的成功用例。
Subroto Mukherjee：比如，我们在消费者保健业务线中的用例。
预测：我们面临着过敏、感冒和流感等季节性疾病的威胁。商业用例使用了一个预测模型，该模型可以预测即将到来的过敏、感冒和流感季节在不同地区的行程情况，并且预测高峰和低谷将在何时出现。这些信息的优势在于可以在我们的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，并且就季节性激活时机（分销、存货、展示和辅助支持）通知零售商。
感官模型：人们对口味、大小、质地、颜色的反应各不相同，感官人工智能模型能够帮助我们从整体上理解、预测并优化消费者的偏好。我们使用了多种参数，例如味道、质地、颜色等，而机器学习模型可以帮助理解消费者和渴望的产品体验之间的关系。我们的品牌提供非处方的软糖、片剂和药液等产品，这些模型是有帮助的。
眼动追踪领域中的人工智能：我们确实在我们的购物者科学实验室中对我们的消费者和零售商进行研究，监控他们在线上或者商店购物时对我们产品的看法。在我们的实验室中，同意参与的消费者和零售商会佩戴眼动追踪眼镜并浏览货架或者网络上的产品。在这个过程中，人工智能会分析捕捉到的图像。分析包括感兴趣区域（AOI）指标，包括首次定位时间和花费的时间、注视的图像、热图和视频重现。这些分析的结果可以帮助我们更好地摆放产品，改善我们的呈现和标签，并帮助我们理解消费者的行为。
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。
