吉利德科学是一家成立于1987年的生物制药公司，已成为开发多种疾病（包括HIV、肝病和肿瘤学）创新疗法的领导者。该公司致力于推动医学领域的进步，逐渐认识到AI在其运营中的关键作用。2024年，吉利德科学实现了约283亿美元的年收入，拥有约18,000名全球员工，展示了其在生物技术行业的规模和影响力。
据吉利德科学的领导层表示，AI增强了公司的研究能力，提高了临床和运营流程的效率。这一战略性的AI采用与公司提供及时和实用的医疗解决方案的目标一致。
本文将探讨两个AI应用案例，这些案例服务于吉利德科学的业务目标：
- 缩短搜索时间和提高生产力：通过实施基于机器学习和自然语言处理的搜索工具，构建一个企业级搜索引擎，使信息查找速度提高50%。
- 利用生成式AI（GenAI）优化复杂目标的药物发现：部署GenAI和机器学习，解决具有有限训练数据的复杂蛋白质目标，旨在提高预测准确性。
使用ML缩短搜索时间和提高生产力
制药组织通常面临管理大量数据的挑战，这些数据分布在多个系统中，包括结构化数据库和非结构化来源（如PDF和电子邮件）。伊朗德黑兰医科大学的一篇研究论文指出，碎片化的数据孤岛使得团队难以访问关键信息，导致耗时的手动任务和决策延迟。这些低效问题阻碍了生产力，减缓了药物开发、法规遵从和供应链管理等重要流程。为了保持竞争力，公司需要可扩展的解决方案，集中数据，整合多种格式，并通过先进的AI和机器学习功能提供准确的洞察。
根据AWS发布的一份案例研究，吉利德面临提高员工生产力和简化内部数据管理的挑战，特别是在其制药开发和制造（PDM）业务部门。吉利德的目标是加速治疗威胁生命的疾病的疗法开发。为此，吉利德寻求建立一个可扩展的企业搜索工具，利用AI和机器学习集中数据并提供预测分析。然而，要使该工具在每次自然语言查询中都能产生相关结果，公司需要一套解决方案，组织来自多达九个企业系统和知识库文档的结构化和非结构化数据。
因此，公司与AWS合作，利用AWS服务套件。根据AWS发布的案例研究，吉利德的目标是：
- 提高生产力：减少员工查找相关信息所需的时间和努力。
- 简化数据管理：组织来自多个企业系统的结构化和非结构化数据。
- 加速药物开发：增强从监管、合规、供应链和制造数据中提取洞察的能力。
为了加快项目时间表，吉利德的PDM团队利用了Amazon Web Services（AWS），特别是Amazon Kendra。Amazon Kendra是AWS提供的智能企业搜索服务，使用机器学习帮助用户通过自然语言查询在各种数据源中查找信息。吉利德的PDM团队将Kendra与其新建立的数据湖集成在一起，该数据湖位于Amazon S3中，作为大约250,000个文档和1TB非结构化数据的中央存储库，这些数据来自多达九个企业系统。
根据AWS网站，以下是AWS Kendra的工作原理：
- 数据摄取：
- 连接到数据存储库：Amazon Kendra通过内置连接器连接到各种数据源，如Amazon S3、Microsoft SharePoint、Salesforce和Amazon RDS等数据库。
- 索引文档：Kendra对这些数据源中的文档进行索引，提取文本和元数据。此过程包括自动同步数据源与Kendra索引，以保持更新。
- 优化结果：
- 应用ML模型：Amazon Kendra使用机器学习模型处理和丰富索引数据。该过程包括自然语言处理，以理解内容的上下文和意图。
- 定制和排名结果：Kendra根据用户需求定制搜索结果，并使用ML驱动的语义排名技术对其进行排名，以确保高度准确的答案。
- 部署搜索：
- 集成到应用程序：将搜索功能部署到各种应用程序中，如SaaS平台、自管理OpenSearch或Salesforce等CRM系统，通过Engage360等集成。
- 提供搜索界面：用户可以通过单一搜索界面提交搜索查询，Amazon Kendra快速返回相关且排名的结果，提升员工的内部搜索体验，改善客户互动。
AWS声称吉利德取得了以下业务成果：
- 在不到一年的时间内，建立了使用AI和ML的企业搜索工具。
- 减少了与数据管理相关的手动任务。
- 搜索时间减少了约50%。
- 增加了成本节约。
- 员工生产力提高了25%。
利用GenAI优化复杂目标的药物发现
药物发现是一个昂贵且耗时的过程。根据美国国家生物技术信息中心的数据，将一种新药推向市场平均成本为28亿美元。传统方法在处理复杂蛋白质目标和不足的训练数据时往往遇到困难，导致低效和高失败率——根据美国生物化学和分子生物学学会的统计数据，大约90%的药物候选物在临床试验中失败。
在一份新闻稿中，吉利德宣布与Genesis Therapeutics合作，发现和开发小分子疗法。主要目标是利用Genesis的GEMS AI平台生成和优化针对吉利德选定目标的分子。该合作还旨在通过针对具有有限相关训练数据的蛋白质目标来满足患者需求。
Genesis Therapeutics是一家使用AI发现小分子药物的生物技术公司。其产品Genesis GEMS（Genesis Exploration of Molecular Space）集成了深度学习预测模型、分子模拟和分子GenAI，用于生成和优化复杂目标的分子。尽管Genesis Therapeutics未披露其AI平台的具体细节，但休斯顿MD安德森癌症中心应用癌症科学研究所和瑞典乌普萨拉大学BMC化学系的研究概述了AI驱动的小分子发现平台的典型工作流程。
休斯顿MD安德森癌症中心应用癌症科学研究所和瑞典乌普萨拉大学BMC化学系的一项研究图表描绘了AI-DMTA循环的药物发现过程。（来源：《药物发现今日》）
由于合作仅在两个月前建立，目前尚未分享其进展或成果。然而，印度艾哈迈达巴德国家制药教育和研究所（NIPER-A）的外部研究表明，将AI整合到药物发现中可以提高效率、降低成本并提高预测准确性。定量构效关系（QSAR）模型和虚拟筛选等技术可以预测物理化学性质、生物活性和药物-靶标相互作用，从而简化药物设计过程。此外，AI有助于临床试验优化、患者选择和实时数据监测，进一步加速开发时间线。
(全文结束)
