Das letzte halbe Jahrzehnt hat Veränderungen, Innovationen und allgemeine Störungen in den Bereichen Gesundheitswesen und Biowissenschaften (HCLs) geführt, die sich normalerweise im Laufe der Jahrzehnte aufbauen. An der Spitze dieser schnellen Veränderung stand der Aufstieg aufkommender Technologien wie künstliche Intelligenz (KI) und generative künstliche Intelligenz (Genai). Wenn man einen Schritt zurücktritt, ist es bemerkenswert, darüber nachzudenken, wie sich der Diskurs um aufstrebende Technologien in den letzten zwei bis drei Jahren entwickelt hat. Gespräche, die sich einst auf das „Was“ konzentrierten, konzentrieren sich jetzt ausschließlich auf das „Wie“. Wie können wir diese Technologie effektiv und verantwortungsbewusst nutzen? Wie können wir Mediziner upskillieren und schulen, um die Technologie verantwortungsbewusst zu nutzen? Wie können wir sicherstellen, dass wir die vollen Funktionen dieser Tools maximieren? Vor diesem Hintergrund hat der Aufstieg dieser Technologien in HCLS gleichzeitig Licht auf ein anderes zentrales Bedürfnis gegossen: die Notwendigkeit von hoher Qualität, umfassende reale Daten (RWD).
In Anbetracht des Mangels hochwertiger Daten wecken Unternehmen, die Daten effektiv erstellen und verwaltet, von Industriepartnern das Interesse und unterscheiden sich von ihren Konkurrenten.
Während es eine Vielzahl von Faktoren im Spiel gibt, finden Sie hier nur einige der Möglichkeiten, wie sich auftretende KI -Anwendungen befeuern und die Notwendigkeit von RWD über HCLs neu definieren.
Erhöhung der Gesundheitsversorgung
In vielerlei Hinsicht ähnelt das Wachstum von AI -Anwendungen und das Bedürfnis nach hochwertigem RWD einem Staffelrennen. Die Kette von Informationsklinikern, die Patienten diagnostizieren, behandeln und überwachen, ist vom Stab der historischen Daten angewiesen. Diese Daten müssen nicht nur effektiv bestanden werden, sondern auch auf eine Weise, die keine kritischen Details übersieht. AI präsentiert dieses kritische Glied in der Kette, aber letztendlich ist die Qualität des RWD und der Wert, den sie bieten kann, für den Erfolg von AI -Anwendungen.
Umgestaltung der Lebenswissenschaften
Ähnlich wie im Gesundheitswesen entsteht die KI in den Biowissenschaften weiterhin und haben mit IT -Pharmaherstellern und Biotech -Unternehmen ihre eigenen unabhängigen Initiativen, um therapeutische Vermögenswerte zu entdecken, zu kommerzialisieren, die die Technologie nutzen. Unabhängig davon, ob sie neue therapeutische Ziele suchen und identifizieren oder Patienten schichten, die mehr oder weniger wahrscheinlich auf ein Medikament reagieren, dient RWD als Verankerungsfaktor. Einfach ausgedrückt benötigen Biopharma und Biotech -Unternehmen hochwertige RWD, um ihre KI -gesteuerten Innovationen zu versorgen.
Es beginnt mit Daten
Wir haben das alte Sprichwort gehört, dass Wissen Macht ist, und wenn es um KI -Anwendungen für Anwendungen im Gesundheitswesen, Biopharma und medizinischer Geräte geht, sind Daten diese Leistung. Insbesondere authentische, gut kuratierte Patientendaten. Solche Daten stellen jedoch häufig Herausforderungen. Beispielsweise können Daten in Silos oder in verschiedenen Systemen vorhanden sein. Um jedoch zu klinischen Schlussfolgerungen zu gelangen, muss die Grundlage solcher Modelle Patientendaten sein. Aus diesem Grund macht der Aufstieg von Genai -Anwendungen in HCLS die Notwendigkeit von RWD noch größer als zuvor. Gen -AI -Modelle produzieren häufig Halluzinationen oder Ergebnisse, die in den tatsächlichen Daten nicht vorhanden sind. Solche Ungenauigkeiten machen KI -Anwendungen unbrauchbar und betonen die unverzichtbare Rolle von Qualitäts -RWD bei der Entwicklung funktionaler und zuverlässiger AI -Anwendungen im Gesundheitswesen.
Der Weg voraus
Da sich die Anwendungen über HCLs beschleunigen und die Notwendigkeit des RWD, diesen Fortschritt weiterhin zu befeuern, weiterhin der Schwerpunkt verlagert, um den Wert der Daten für HCLS -Organisationen zu maximieren. Wir beginnen bereits, beispielsweise Organisationen im Gesundheitswesen zu sehen, die Patienteninteraktionen verwalten, die von Krankenhäusern bis hin zu häuslichen Gesundheitsdienstleistern reichen und Schritte zur besseren Organisation und Vorbereitung ihrer Daten für nachgelagerte Verwendungszwecke implementieren. Dies ist sowohl innerhalb ihrer Pflegezentren als auch von außen der Fall. Die Investition in die Dateninfrastruktur, die Governance -Prozesse und die effektiven RWD ist für HCLS -Organisationen von entscheidender Bedeutung, wenn sie ihre KI -Reisen fortsetzen. Diejenigen, die so gut abschneiden, werden am besten positioniert, um Wert aus ihren Daten zu erzielen und gleichzeitig die Patientenergebnisse zu verbessern.
Foto: ACE2020, Getty Images
Kristin Pothier ist der US -amerikanische Sektor -Life Sciences -Leiter bei KPMG US Kristin hat fast 30 Jahre Erfahrung in der Strategieberatung und -forschung in der Gesundheits- und Biowissenschaftsbranche. Ihre Schwerpunkte sind kommerzielle Strategie, Wachstumsstrategie und M & A für Pharma-, Diagnostik-, Geräte- und Verbrauchergesundheitsunternehmen, Investoren und medizinische Einrichtungen weltweit.
Ash Shehata ist die US-amerikanische Gesundheitsleiterin bei KPMG US Ash. Ash ist eine in den USA ansässige Beratungsleiterin mit über 25 Jahren Erfahrung, die sich auf das Gesundheitswesen spezialisiert hat.
Dieser Beitrag erscheint durch das Medcity Influencers -Programm. Jeder kann seine Sichtweise auf Geschäft und Innovation im Gesundheitswesen in Bezug auf MedCity -Nachrichten durch MedCity -Influencer veröffentlichen. Klicken Sie hier, um herauszufinden, wie.
