Gen AI w sektorze zdrowia: większa dojrzałość, większe wyzwania

Decydenci obszaru rozwiązań AI w firmach sektora zdrowia i life science będą budować oraz doskonalić governance, aby zapewnić ramy dla przyspieszającej w sektorach adaptacji rozwiązań AI.

Raport „Your Journey to a GenAI Future: A Strategic Path to Success in Life Sciences and Pharma” opiera się na badaniu przeprowadzonym przez Coleman Parkes wśród 1 600 liderów odpowiedzialnych za strategię GenAI, dane i analitykę w różnych sektorach, z czego 237 respondentów to przedstawiciele branży life sciences i farmacji.

W jaki sposób sektor wypada pod względem adopcji, barier i korzyści płynących z GenAI w na tle innych branż? Z raportu wynika, że 97% firm z sektora life sciences korzysta lub planuje wdrożyć GenAI. Rozwiązania generatywnej sztucznej inteligencji wykorzystuje obecnie 58% firm, podczas gdy we wszystkich sektorach średnia wynosi 54%.

Jednak nie tylko poziomem adaptacji, ale także dojrzałością wdrożeń, firmy sektora zdrowia i nauk przyrodniczych przewyższają pozostałe sektory. Aż 63% z nich formalnie przyjęło już politykę dopuszczalnego wykorzystania GenAI, wyraźnie częściej niż w pozostałych sektorach. Jedna trzecia decydentów z tych sektorów codziennie korzysta z rozwiązań opartych na GenAI – w pozostałych branżach średnia wynosi 29%. Kolejne 38% korzysta z generatywnej sztucznej inteligencji przynajmniej raz w tygodniu.

Wyzwania: governance AI

Badanie zwraca uwagę na podstawowe bariery i wyzwania adaptacji Gen AI w sektorze zdrowia i life sciences. Główne wyzwanie dla ankietowanych stanowi przejście od fazy koncepcyjnej do praktycznego wykorzystania. Odpowiedzi takiej udzieliła połowa ankietowanych decydentów.

Podobnie istotną trudność stanowi wykorzystanie danych własnych i publicznych. Ta informacja koresponduje z diagnozą sytuacji w zakresie procesów gromadzenia i przetwarzania danych w sektorze zdrowia, którą podzielił się na naszych łamach ostatnio prof. Jan Poleszczuk, CTO w firmie CliniNote. Wskazując utrzymujący się niski poziom dojrzałości zarządzania danymi, szczególnie na wejściu, zwrócił uwagę na paradoks, że „(…) gdybyśmy podnieśli jakość danych na wejściu, ułatwiając pracę lekarzom, to AI może nie byłoby tak potrzebne. Jeśli zadbamy o jakość danych, to wchodzimy zarazem w domenę „old school” data science – generowanie wypisu z gotowych elementów, bez interpretacji i halucynacji(…)”.

Dojrzałość ankietowanych decydentów sektora zdrowia przejawia się w ich obawach o przetwarzanie danych w rozwiązaniach wykorzystujących GenAI. Blisko 80% ankietowanych obawia się o ochronę danych pacjentów, trzy czwarte o kwestie cyberbezpieczeństwa. Prawie 60% badanych uznaje za wyzwanie jakość governance dla AI. W mniejszym stopniu jest to związane z brakiem dostępu do odpowiednich narzędzi monitoringu i nadzoru, co wskazuje 30% badanych. Niespełna jedna piąta badanych twierdzi, że nie posiada odpowiednich środków na budowę governance i monitorowanie użycia GenAI. Jedynie 14% badanych firm przyznaje, że posiada dobrze ugruntowane i kompleksowe ramy governance dla AI. Niemal dwie trzecie – 63% badanych firm – nadal je opracowuje. Niemal 40% organizacji rozważa zakup zewnętrznych rozwiązań do wykrywania uprzedzeń, które model nabył w trakcie treningu lub doszkalania, a 32 % – rozwój narzędzi wewnętrznych. Jedynie 7 % ma obecnie systemy do pomiaru uprzedzeń, którymi obciążone są duże model językowe.

Oczekiwania: oszczędności i innowacja

Adaptacja GenAI będzie przyśpieszać. Aż 85 % organizacji planuje zwiększyć inwestycje w GenAI w kolejnym roku finansowym, a 92 % z nich już wydzieliło w tym celu specjalny budżet.

Badani liderzy w większości potrafią wskazać korzyści, jakie przynieść ma wykorzystanie GenAI. Niemal 80% organizacji raportuje już zresztą oszczędności czasu i kosztów dzięki wdrożeniom GenAI. Niemal dwie trzecie – 64% ankietowanych – uważa, że Gen AI przyspieszy innowacje i wzmocni przewagę konkurencyjną (odpowiada tak średnio 57% badanych w pozostałych sektorach).

Inną zaletą rozwiązań Gen AI jest poprawa procesów i praktyk obszaru danych. 57% ankietowanych spodziewa się dzięki jej stosowaniu wzrostu dokładności analiz predykcyjnych, 86% – usprawnienia przetwarzania dużych zbiorów danych, a 84% – poprawy zarządzania ryzykiem i zgodnością z przepisami.

Rekomendowane kolejne kroki

Z raportu wynika, że rekomendowana kolejność kroków implementacji GenAI powinna w sektorze zdrowia i nauk przyrodniczych przebiegać następująco:

• utworzenie lub aktualizacja polityk AI/GenAI – dostosowanych do specyfiki sektorowej, z naciskiem na zgodność z regulacjami;
• edukacja i zaangażowanie pracowników – transparentna komunikacja celów, strategii i zasad użycia GenAI;
• wykorzystanie danych syntetycznych i modeli cyfrowych bliźniaków – w celu wzbogacenia i anonimizacji danych pacjentów;
• wzmocnienie governance danych – w zależności od typu i stosownego standardu ochronnych danych;
• priorytetyzacja obszarów wdrożeń – tworzenie harmonogramu wdrożenia GenAI w najbardziej obiecujących jednostkach biznesowych, aby minimalizować ryzyko.