克服生命科学领域人工智能的数据和人才挑战 - 万博x官网,msports万博体育官网,万博官方软件

克服人工智能在生命科学领域的数据和人才挑战

丹尼尔Faggella 最后更新:2018年11月29日

最后更新:2018年11月29日，由丹尼尔Faggella

丹尼尔是Emerj的研究主管。在联合国、世界银行(World Bank)、国际刑警组织(INTERPOL)和许多全球企业的呼吁下，丹尼尔成为了一名颇受欢迎的专家，研究人工智能对企业和政府领导人的竞争战略影响。

集简介:在这一期的AI In industry中，Innoplexus的首席执行官Gunjan Bhardwaj探讨了制药巨头如何努力克服人工智能的两个关键挑战:数据和人才。

药物数据具有挑战性，因为相同的术语(如“EGFR”)可能被称为“蛋白质”、“生物标志物”或“靶标”。Gunjan探索了数据的这种相关性和背景，以及制药公司可能需要如何雇佣人才，让生命科学和计算机科学团队有效地合作。

订阅我们的人工智能产业播客你最喜欢的播客服务:

客人:Gunjan Bhardwaj的首席执行官和创始人Innoplexus

专业知识:医药数据，医药工业，商业管理

短暂的识别:Gunjan于2011年创立Innoplexus，此后一直担任首席执行官。他曾担任安永和波士顿咨询公司的顾问。2006年，他获得了普弗尔茨海姆大学(Pforzheim University)的MBA学位，以及欧洲奥斯特里茨-温克尔商学院(European Business School Oestrich-Winkel)的工商管理博士学位。Gunjan能说流利的英语、印地语和德语。

伟大的想法

为了获得正确的药物数据，公司内部需要正确的专业知识。Gunjan强调了他似乎是让AI在制药行业工作所需要的三种主要人才类型。商业读者应该注意到，通过用“(主题)专家”取代“生命科学专家”，同样的组合可以转化为几乎任何其他业务:

生命科学专家一个制药团队显然需要一个核心的生命科学专家来帮助AI项目。不可能在对所有制药数据进行人工智能系统培训的同时，期望所有生命科学专家都离开并返回实验室。总是会有系统无法理解的实体，或者该领域的专家需要澄清的信息。人类需要走在医学研究的前沿，不断地帮助训练系统，确保机器的理解对手头的特定生命科学任务有意义。
数据科学家:一个数据科学团队必须熟悉AI / ML的方法，但也必须在他们正在研究的主题(在这里是生命科学)方面有坚实的基础。一些生命科学背景知识可能来自与生命科学专家并肩工作(这是帮助双方相互学习的重要方式)，但制药团队理想情况下希望找到通过工作或学术已经具有生命科学背景的数据科学专家。
了解业务的人Gunjan提到，必须有人与研究人员一起工作，将他们的努力导向最重要的业务成果。“我们为什么要分析?”

Gunjan认为，在制药行业人工智能领域取得进展的公司，将是那些能够将试验成果直接与商业价值挂钩的公司。那些“涉猎”人工智能应用程序的公司，很可能很难激励自己的团队或股东继续将资源分配到数据科学领域。

从长远来看，那些有信心将自己的资源用于最佳长期商业动机的公司将会取得成功。Gunjan说，在一个以研究为主导的环境中，商业动机的丧失是很常见的。

(注:Gunjan elabored在他最近的一篇文章中谈到了这些想法人工智能在医疗领域的“第三次浪潮”)。