شرکت داروسازی بوهرینگر اینگلهیم با ۵۵۰۰۰ کارمند، در تلاش است با بهرهگیری از داده و هوش مصنوعی، درمانهایی نوآورانه برای نیازهای درمانی حلنشده توسعه دهد.
به گزارش ایتنا و به نقل از zdnet، این شرکت چهار گام اصلی برای تحول سازمانی در عصر هوش مصنوعی معرفی کرده است:
۱. ایجاد محیط دادهای:
بوهرینگر از سال ۲۰۲۲ با راهاندازی «دیتالند» زیرساختی جامع برای گردآوری، دستهبندی و تحلیل دادهها ایجاد کرده است. ابزارهایی مانند Snowflake و Collibra روی این محیط اجرا میشوند تا دادهها به شکل مؤثری قابل استفاده باشند. همچنین پلتفرم One Medicine مبتنی بر Veeva، دادهها و فرآیندها را یکپارچه کرده و جایگزین ۵۵ سیستم پراکنده پیشین شده است.
۲. ساخت پلتفرم هوش مصنوعی:
شرکت با استفاده از پلتفرم Apollo، امکان بهرهگیری از حدود ۴۰ مدل زبانی بزرگ (LLM) را فراهم کرده تا پاسخگویی به نیازهای خاص هر پروژه ممکن شود. این رویکرد از مدلهای عمومی مانند ChatGPT تا مدلهای تخصصی را دربر میگیرد. به دلیل هزینه و عملکرد، انتخاب مدل متناسب با کاربرد ضروری است.
به گزارش ایتنا و به نقل از zdnet، این شرکت چهار گام اصلی برای تحول سازمانی در عصر هوش مصنوعی معرفی کرده است:
۱. ایجاد محیط دادهای:
بوهرینگر از سال ۲۰۲۲ با راهاندازی «دیتالند» زیرساختی جامع برای گردآوری، دستهبندی و تحلیل دادهها ایجاد کرده است. ابزارهایی مانند Snowflake و Collibra روی این محیط اجرا میشوند تا دادهها به شکل مؤثری قابل استفاده باشند. همچنین پلتفرم One Medicine مبتنی بر Veeva، دادهها و فرآیندها را یکپارچه کرده و جایگزین ۵۵ سیستم پراکنده پیشین شده است.
۲. ساخت پلتفرم هوش مصنوعی:
شرکت با استفاده از پلتفرم Apollo، امکان بهرهگیری از حدود ۴۰ مدل زبانی بزرگ (LLM) را فراهم کرده تا پاسخگویی به نیازهای خاص هر پروژه ممکن شود. این رویکرد از مدلهای عمومی مانند ChatGPT تا مدلهای تخصصی را دربر میگیرد. به دلیل هزینه و عملکرد، انتخاب مدل متناسب با کاربرد ضروری است.

۳. اتخاذ رویکرد چابک (Agile):
بوهرینگر طی پنج سال گذشته به سمت مهندسی نرمافزار چابک حرکت کرده و ۸۰٪ پروژهها را با این روش انجام میدهد. این تغییر نهتنها شامل ابزارها، بلکه شامل تغییر روش کار و همکاری از طریق انجمنهای عملی و یادگیری مستمر بوده است.
۴. شناسایی کاربردهای مؤثر:
سه مورد اصلی استفاده از هوش مصنوعی در این شرکت عبارتاند از: توسعه فرایندهای هوشمند تولید دارو با الگوریتمهای ژنتیکی، تحلیل ژنوم انسانی برای شناسایی مکانیسمهای بیماری، و تسریع انتخاب جمعیت هدف برای آزمایشهای بالینی. این نوآوریها زمان تحقیقات را کاهش داده و دقت درمانها را افزایش دادهاند.