重点摘要
- 制药业中AI的影响取决于数据、基础设施、文化和监管一致性，而不仅仅是算法。
- AI可以加速药物发现、临床开发和患者获取，但监管障碍仍然存在。
- 公司应专注于特定的AI用例，并建立强大的数据和基础设施以实现最大影响。
- 制药业中AI的采用程度不均；战略重点和监管批准对于更广泛实施至关重要。
基于在全球制药战略和创新中心数十年的经验，causaLens顾问委员会成员、前诺和诺德首席数字信息官Anders Romare阐述了为什么人工智能代表着制药行业的结构性转折点。
在与《Pharmaceutical Executive》的对话中，Romare讲述了他如何从领导全球最复杂的制药公司之一的大规模数字化转型，转向专注于AI驱动的创新。他认为，该技术的真正影响将更多地由数据、基础设施、文化和监管一致性决定，而非算法本身。从药物发现和临床开发到生产力和患者获取，Romare坦率地评估了AI已经在哪些方面重塑行业，以及哪些结构性和组织现实仍在阻碍其承诺的实现。
以下是Romare与《Pharmaceutical Executive》对话的文字记录。
《Pharmaceutical Executive》：请介绍一下您自己。
Anders Romare：好的，我叫Anders Romare，是诺和诺德前首席数字和信息官。在担任CDIO七年多后，我离职并在causaLens退休。
PE：您几十年来一直塑造全球制药业的战略和科学轨迹。是什么促使您离开那个世界投身AI，为什么现在感觉是跳入causaLens的AI驱动创新的时刻？
Romare：我认为有很多因素促成了这一点。正如您所说，我在诺和诺德的制药业度过了很多时间，并在该角色中推动了一些事情。起初，我将组织全球化，建立了组织，然后我推动了诺和诺德的数字化。当然，这带来了许多令人兴奋的时刻，与执行团队、董事会进行了大量对话。然后AI来了，这进一步加速了整个数字化数据之旅。
我必须说，我对AI非常兴奋，但我认为当需要将其交给下一代时，就会出现一个阶段。我已经推动数字化七年了，你必须做出选择，是再推动五年还是不推动。因此，我和公司达成共识，是时候做点别的事情了。我真的很期待下一阶段，我希望仍然能够为行业做出贡献。我称自己为半退休，但我计划在其他方面做事，而AI可能是我最感兴趣的领域。
大约一年前，我在诺和诺德董事会做的最后一次演讲中，我确实描绘了AI将对不仅制药业，而且对整个社会产生根本性影响的图景。所以，我是AI的坚定信徒，我非常高兴和兴奋能够继续我在AI领域的专业旅程。我看到在许多小型任务和与全球各公司进行的许多小型对话中，AI确实处于前沿，所以我非常兴奋。我坚信AI将对行业产生影响。
PE：从您的角度看，您期望哪些根本性转变定义制药开发的下一个时代，AI在引导这些变化方面将有多大优势？
Romare：我认为任何公司都可以从广义上来看，当然，与其他行业一样，提高生产力。您可以阅读任何咨询公司的报告，声称在软件开发方面可以获得20%、25%、30%甚至50%的生产力提升，这适用于各个行业，这本身就足以证明大量投资和兴奋是合理的。但在制药业，有几点使它更加具体。
首先，药物发现和实际到达患者之间有很长的前置时间，此外，成功率相当低。这给了我们很多动力去尝试缩短这个周期时间，当然提高成功的可能性。对我来说，有时你会听到人们甚至行业中的同事作证说，我的亲戚或朋友实际上去世了，而我知道一个潜在的药物候选物在临床管道中，如果能更快地推进给患者，那可能会挽救那个人的生命。所以是的，对于制药业，我们确实挽救人们的生命，当然，你能越快地到达患者，我认为这就是AI实际上具有巨大潜力的地方。有时人们甚至建议你可以将其与量子计算结合起来，但那是最终会到来的另一波技术，但我认为很明显，我们已经开始看到影响。
我们还可以看到识别新的潜在药物类别、分子类别的潜力，也许不是最终的分子本身，但我们可以开始聚焦于这些，并将机器学习AI与湿实验室中的高速通量机器人结合起来，然后将其反馈到Silico中。这确实可以推进新的潜在药物，我在其他制药公司看到了这一点，因为我认为诺和诺德并不独特，但我们取得了一定程度的成功。
我相信下一个挑战可能是临床试验阶段，出于充分的理由，这非常耗时，如果你能找到一种方法，很可能需要与监管机构合作，他们可能需要接受另一种测量和模拟输出的方式，那么你也可以缩短那个时间段。使用AI，你可以在临床开发阶段通过处理数据、更快地编写报告等做很多聪明的事情，但如果你真的想在临床阶段有根本性的不同，那么你需要与监管机构以不同的方式合作。所以，我认为在药物发现阶段，可能需要近10到15年的时间，这对患者、社会以及相关公司来说都有巨大的潜在好处。
如果我们能够更好地关注个体患者并利用数据和AI支持个体患者，我认为这将在制药行业产生巨大影响，但AI和现在正在生成的数据将使我们能够更加精确，为患者创造精准医疗。我认为药物发现过程、提供患者获取的方法以及一般生产力，都将对制药行业产生巨大潜在影响。我相信在不久的将来，我们将看到通过很大程度上依赖AI发现的新药，这是我的个人信念。
PE：制药业多年来一直在尝试AI，但采用程度仍然不均。您在哪里看到公司调整其运营模式，在哪里仍然没有达到目标？
Romare：AI和机器学习已经存在几年了，真正再次启动它的事情，可以说就是生成式AI。在诺和诺德，我直接监督了它，我们基本上爆发了。我们迅速安装并内部化了OpenAI、ChatGPT和类似的LLM，人们开始使用它们。我们看到了巨大的兴趣和影响，许多人要求这些工具，然后公司更有结构性地做出了反应。
我们在诺和诺德的整个价值链上进行了扫描，从早期药物发现到患者获取，作为该旅程的一部分，我们提出了许多用例。大约有60个用例，这很多，所以我们开始利用这一点，过了一会儿我们意识到这可能不是最聪明的方式，因为我们不能分散得太薄，而且技术可能还不成熟。
与制药业和CEO同事交谈，许多公司现在在寻找真正产生差异的用例时更加具体，但我认为这可能因制药公司类型而异。因此，要实现全面影响，你也需要监管批准，我认为这就是AI的局限性所在。我们开始了解AI目前适用的领域，以及我们仍然需要工作的领域。
PE：回顾您在诺和诺德的任期，那段经历如何塑造了您对数据、基础设施和文化现实的看法，这些对于AI在大型企业内部产生影响是必需的？
Romare：我认为这是一个关键问题，实际上也是我们内部一直到董事会的关键信息之一。我的意思是，你可以对技术感到非常兴奋，我见过许多在MIT等公司访问时展望未来的人，你当然会感到兴奋。
但当你在一家公司工作，在一家大公司工作时，特别是，你需要担心的事情要多得多。你需要关注数据、基础设施、流程、人员、文化，最后第五个要素是语言模型或LLM。
当我制定计划并与领导层同事交谈时，我说，不要太担心模型，因为我们通常可以通过从OpenAI和世界上的其他公司购买或获取它们来获得访问权限，但数据、基础设施和人员，我们需要自己建立。我们非常关注数据，建立更多企业范围内的数据骨干市场，尝试解锁数据，建立数据治理，然后提升人员和文化。这是我们五年前开始的旅程，因为我们谈论了数字化和数据，但当我们进入这次AI推动时，它只是加速了对数据的需求。专注于基础设施，让数据在公司内流动，以及公司内的人员，我认为这才是关键。
【全文结束】
