我们正处在一个前所未有的颠覆时代，创新的步伐令人惊叹，影响着全球各行各业的连接和沟通方式。人工智能（AI）的创新远比其他技术突破更快，制药公司、生物技术、学术界和初创企业的合作正将新的改变游戏规则的工具带入医疗市场。
从科学研究到患者接触点，AI可以在各个层面优化和提升。领导力是关键，鼓励团队重组并以开放的心态看待其领域的AI应用至关重要。波士顿咨询集团（BCG）提出了成功生成式AI（GenAI）转型的10-20-70规则，即10%的精力用于构建新算法，20%用于基础设施，70%用于人员和流程。领导者必须认识到，只有通过文化变革，创造人们开放接受变化的氛围，才能充分发挥AI创新的全部潜力。
AI作为变革性的发现工具
AI工具可以通过更快验证药物靶点、优化临床试验设计结构和加快新药筛选过程来推进研究和开发，最高可提速50%。例如，Iambic Therapeutics最近宣布了一种名为Enchant的新AI药物发现模型，该模型通过预测药物在早期开发阶段的表现，简化了研究过程，缩短了耗时且昂贵的临床前开发时间。
采用AI意味着放弃旧的工作方式。技术将指出最具投资潜力的项目和不太可能成功的项目。资源将被重新分配，一些项目将被取消，这需要文化和心态上的转变，而这并不容易实现。各级组织的领导者必须鼓励团队扩大他们的创造力，专注于最佳机会领域。
革新临床试验招募
招募始终是一个持续的挑战，每年花费近20亿美元，导致85%的临床试验无法招募或保留足够大的样本量。领导者可以利用AI工具通过高效识别符合条件的参与者来简化这一复杂过程。例如，强生公司应用机器学习和AI算法将试验直接带给患者。赛诺菲、Open AI和Formation Bio最近合作开发了Muse，这是第一个用于加速临床试验招募的AI工具。赛诺菲计划在其多发性硬化症三期研究中实施Muse。利用这些AI工具将解决及时患者招募的常见挑战，提高可及性和整体体验，鼓励患者参与临床试验活动。
“在当今时代，向参与的转变将是确保利益相关者支持的关键。” ——Kathy Bloomgarden，Ruder Finn首席执行官
个性化医疗和治疗规划
人们期望并应得到AI已经帮助医疗专业人员开发的个性化解决方案，包括个体化治疗计划。这些关系映射可以确定预期的患者结果并识别最适合的治疗方法。基因组学和斯坦福大学的研究表明，新的基因筛查测试可以识别那些患有常见早发性疾病的风险，包括高血压、乳腺癌和糖尿病。这些工具将识别这些条件的遗传预警信号，使健康专业人士能够为高风险群体提供早期干预和治疗，有可能预防24.5%的过早死亡。
AI驱动的技术和治疗方法可以帮助患者做出更明智和积极的医疗决策。然而，沟通工作必须触及患者，建立对医疗建议的信任，鼓励他们主动了解自己的风险因素并坚持治疗计划。
善用数据
重要的是要记住，生成模型的质量取决于输入的数据。需要进行患者外展，鼓励客户同意将其数据用于进一步研究，这有助于补充数据集，增加研究人员可以参考的实际案例。例如，基因泰克已经开始使用基于自身生成数据的“实验室循环”训练AI。
随着数据池能力的增强，隐私担忧也在上升。为应对这些疑虑，Owkin等公司利用联邦学习确保存储的数据构建一个数据图谱，其中关键发现经过分析得出受控解决方案，但数据仍保留在学术中心。此外，还有在医疗机构之间共享创新的潜力。赛诺菲采用了“所有船只齐升”的心态，开放其数据集供小型AI项目受益。
通过将对医疗行业的看法和希望从单一公司到消费者的直接管道转变为再生循环模式，我们可以扩大做好事的能力。
转变视角
任何新技术都会遇到阻力。早期采用者和领导者必须将这些工具如何在实际中使用的具体方式传达出去。核心在于需要文化变革，转向一种奖励实验和创新的学习心态。萨提亚·纳德拉（Satya Nadella）表示，我们必须从教育组织转变为学习组织。医疗保健传统上专注于提供教育和建议。在当今时代，向参与的转变将是确保利益相关者支持的关键。
医疗保健领导者需要认识到，无论多么伟大的创新，都需要全面的沟通策略来建立信任，增强采纳，最终实现可能影响每个患者生活的重大突破。
(全文结束)
