它可能会觉得好像AI应用，如机器视觉和自然语言处理最有潜力的价值制药公司因为他们的能力，摄入量和转化非结构化的医疗数据。这是机器视觉尤其如此，因为医学成像数据可以跨多个部门当AI软件分析使用。
尽管如此，仍有的使用情况相对等量预测分析软件需要更多的准备和结构化数据的药品。领导者设计的临床试验可能受益于预测分析工具，可以与操作和过去的试验程序比较他们的计划。用户还可以能够搜索基于药物的种类过去的试验中进行测试，发现其行为导致的主导药物的成功。
这同样适用于可用于产生新的药物的新的分子和化合物的发现如此。营销团队也可以在他们可以确定预测分析解决方案中受益，其中对某些药物的需求可能分布在不同地理位置上涨。他们还能够使用该软件来比较市场营销活动的新药物，战略，并与现行做法的销售技巧。
我们采访了丹妮拉布拉加，创始人和首席执行官DefinedCrowd，数据丰富和众包公司，有关企业领导者如何确定新的AI项目的数据需求。对于制药公司，这将是一个预测分析解决方案，找到正确的数据集之间遗留数据的大店可能很难尤为重要。
至于清洁和机器学习模型和数据的科学实验使用准备数据，布拉加说：
所以，你需要收集数据，你需要注释的数据。有参与实体标注了很多。这是尤其是最困难的任务之一，在域。你需要有时域专门的人来标注这些实体。并且有测量周围人的质量，因为我们结合人的机器，使我们的数据处理更加高效和准确的整体方式。
我们提醒那些希望实现预测分析软件的商业领袖们注意，通过机器学习模型对数据进行清理和结构化处理可能是必要的。
该报告涵盖了应用预测分析面临的制药公司的以下业务问题的可能的使用案例：
- 临床试验设计和优化
- 药物发现
- 营销
有兴趣的读者可能需要阅读我们的完整报告AI在欧洲制药业和AI在亚洲制药业。
我们的报告首先预测分析的设计和优化的应用临床试验，和商界领袖如何能够更好地了解过去的类似药物，他们正在寻找测试的一个试验。
临床试验设计和优化
药品中预测分析最突出的用例是临床试验的设计和优化。人工智能软件解决方案可以分析病人的档案和他们的病史，以确定哪些病人对正在测试的药物反应最好。这可以帮助制药公司节省时间，当试图找到最好的病人询问登记试验。
一些预测分析软件可以用于基因聚类，或者将客户群划分为反映每个个体对药物良好反应机会的群体。
企业还可以利用病人的病历这里因为有解决方案，可以让企业检测药物不良反应发生之前进行测试。这可能来自一个过敏或使用已知与药物被测试严重相互作用的药物的历史。
制药公司也可以使用预测分析寻找和建立基于其过去的试验或其他公司的试验数据的数据库临床试验的最佳实践。这些文件将包含有关临床试验操作，程序和审判的相对成功的信息。
那么AI软件可以通过所有这些数据的筛选，找到类似的试验的例子有成功的不同程度。这将允许一个企业的领导者，以比较它们的计划与可能没有看到的同类型药物的一个成功的操作的新的审判。相反，企业的领导者也能找到一种新的方法，他们想通过临床试验。一些预测分析解决方案将自动突出显示过去和现在的审判之间的相似性为用户或有用户创造可能更直接地说明了他们的预测模型的一些基础设施。
重要的是大多数临床试验是满足对这些类型的药物的市场需求的不测。正因为如此，制药公司可能希望使用分析来衡量市场需求和医生如何可能被规定他们的产品。这是可以做到用电子病历(EMR)数据、医生数据和销售数据。
下面是Dataiku关于他们的DSS软件平台的演示视频。该视频展示了用户利用数据集预测医生不同药物处方的过程。视频有13分钟长;然而，我们找到了最重要的部分，并在这里列出:
- 0:00是用户与找到必要的数据集，因为他们想使预测开始。
- 2:30用户解释了这个实验的分析和联合收割机的数据集的目标，看看是否有任何矛盾或incongruencies。
- 在6:30显示用户如何连接数据集和“清除”数据集之间的任何不一致。在这个练习中，用户需要确保所有的医生ID号码都显示正确，或者找出为什么某些号码可能不存在。
- 8:25是用户将所有相关数据生成到一个表中，在这个表中，他们可以找到某些行，这些行可以组合成一个表，以便进行更细粒度的分类。
- 在9:58用户通吃的清洗和组织的数据，并利用它来生成一个预测模型。
不幸的是，当我们寻找出一家医药公司的预测分析软件用于此目的的成功案例我们的研究没有结果。这样看来，这个用例比别人相对新生的，但这样的厂商Dataiku，Domino数据实验室，与Medidata公司在提供这种类型的软件客户端和相邻的医药行业。这些客户包括西甲蓝十字和全球临床试验。
药物发现
预测分析可以服务的另一个制药领域是药物发现或通过公司可以分离特异性分子和测试其有效性用于治疗疾病和疾病的方法。
我们和Murali Aravamudan谈过，创始人兼首席执行官Qrativ生物技术，关于AI和ML的药品中的可能性。在采访中，Aravamudan突出了“服用大量的药物和资产的能力,经历了一些临床前测试,但利用其他资产的数据,我们已经和遇到一些新信息”作为人工智能的一个重要区别药物发现方法和药物发现方法从最近的过去。从这句话中可以明显看出，他将人工智能和数据分析视为提高药物研发效率的重要一步。
一些AI厂商提供，可以利用大量的医药数据，以确定是衡量长期成功的重要药物分子的物理和化学特性的软件。这可能是他们与其他分子，以及如何分子的原子必须结合在一起互动的方式。预测分析解决方案可通过关于与相似的一个分子的任何数据点搜索正在测试，他们的成功或失败的比较，帮助企业领导了解分子的商业可行性。
一旦一个分子已经被分离和鉴定，一个公司可以使用预测分析，以确定它是如何可能用于测试时的药物做的很好。这会来的药物以往进入临床试验，使企业领导者可以工作在寻找最安全的药物测试。这将是基于过去的临床试验数据，最具体地提出来治疗同一疾病相似的分子和化合物或药物的组成药物。
为了使用预测分析或其他可能的AI应用在分子水平来分析药物，其他技术可能有责任协助采购与训练的机器学习算法，数据的发挥。这是真实的AI供应商Xtalpi该公司将预测分析与基于云的高流程计算引擎相结合。他们还声称他们使用量子化学和物理原理来帮助计算和分析。
据称，Xtalpi的软件可以帮助公司找到生产药物的最佳物理形式，无论是药片、凝胶胶囊还是其他制造方法。他们说，这可能有助于药物开发的后期阶段，包括大规模生产和包装的药物。该解决方案还可能提供关于该药物及其可能生产的形式的信息，以帮助推动临床试验的成功并抵御专利挑战。
因为他们声明它可以确定的可能性相结合的药物分子当某些类型的晶体结构会形成Xtalpi调用它们的联合预测分析和量子化学溶液，“晶体结构预测”。他们提供四个案例研究他们的服务页面上显示的各个药品的他们的软件的分析结果。
值得注意的是，案例研究，不点名制药业客户是很重要的。取而代之的是，案例研究突出了大量的信息，他们的软件能够从未来的药物分子的样本搜集。
内每个案例研究，他们详细药物的所述分子或化合物可以形成与氢化学键H键受体或原子的数目。研究还表明该分子将形成基于化学反应的能量和的原子的结合密度的晶体结构的类型的可能性。
下面是一段6分钟的短片莱拉Pirhaji的首席执行官和创始人ReviveMed，解释了人工智能发现药物的可能性。ReviveMed是2016年的一家人工智能药物研发的初创公司，它使用代谢组学，即从代谢过程中记录的数据。她详细描述了她的公司的人工智能平台如何利用以前的人工智能技术无法使用的身体属性。
医药营销
预测分析也有营销界的地方，也有医药营销的具体使用情况。对于这些使用情况的可能性列举如下：
- 分析销售速度和市场状况
- 确定领土和这些领土的分段内的销售统计
- 优化营销活动
- 从现有客户那里寻找新的销售机会
公司可以使用预测分析解决方案来分析分布在不同地理位置的销售率。洞察包括零售商看到了销量最高的一款产品，其人口正在使用的产品最多，且在一定产品的需求上升。
预测分析解决方案，也可以跨越地域的领土段的销售率在部门内分配给更小的营销团队。这些可以帮助企业领导人了解哪些销售人员吸引到最多的销售或地区可能会更加困难比别人卖。具体取决于伤害的销售，如新的销售人员仍然在训练或某些产品显著低需求的因素，企业领导可以改变领土分配，试图抵消这些问题。
除了销售和市场条件下，制药企业也可以模拟他们的营销活动，看看哪些类型的广告系列中看到投资的最大回报。如果一个公司的预测分析解决方案模拟这两种东西，他们可以找到更好的营销策略以及零售商吸引最大的人口正在使用该产品。
另一种可能性是预测客户的机会价值，或客户提供更多销售产品机会的可能性。有了客户档案、零售商和销售数据，以及营销投资数据，公司就可以知道有多少销售产品的零售商在他们的日常生活中遇到了客户。然后，他们可以调整营销投资，让更多的零售商或广告进入这些领域。
显而易见的是，在药物中预测分析的可能性是在不同部门和不同应用广泛。随着临床和管理解决方案，目前销售给制药行业，企业领导人可以选择哪些流程实现自动化。这将允许他们留在自己的业务运营的控制，同时整合新技术。
标题图片信用：在-制药技师
