克服生活科学AI的数据和人才挑战

丹尼尔Faggella.
头像

Daniel Faggella是Emerj研究的首脑。丹尼尔呼吁由联合国,世界银行,国际刑警组织和龙头企业,丹尼尔是AI对商业和政府领导者竞争战略影响的全球追捧。

克服生活科学AI的数据和人才挑战

摘要摘要:在这一集的AI In In Industry,Innoplexus Ceo Gunjan Bhardwaj探讨了Pharma Giants如何努力克服AI的两个关键挑战:数据和人才。

药物数据是具有挑战性的,因为相同的术语(例如“EGFR”)可以称为“蛋白质”,“生物标志物”或“靶标”。Gunjan探讨了这种相关性和数据的相关性和背景 - 以及Pharma公司如何雇用与制作生命科学和计算机科学团队的人才问题有效地共同努力。

订阅我们的AI在工业播客使用您最喜欢的播客服务:

iTunes-podcast.
soundloud-podcast.
Google-Podcast.
Stitcher-Podcast.

来宾:Gunjan Bhardwaj.,首席执行官和创始人inchopterxus.

专业知识:制药数据,制药业,商业管理

简要认识:Gunjan于2011年创立了Incoplexus,并曾担任首席执行官。他将以前的角色作为EY和BCG兼顾顾问。他于2006年获得了来自普林林大学的MBA,以及欧洲商学院的工商管理和管理博士学位,欧洲商学院奥斯特里奇 - Winkel。枪手说流利的英语,印地语和德语。

大思想

为了制药权,公司需要在内部提供正确的专业知识。Gunjan突出了他似乎是在制药环境中使AI工作所需的三种主要人才类型。商务读者应该注意,通过用“[主题]专家”取代“生命科学专家”来说,这同样的混合可以转化为几乎任何其他业务:

  1. 生命科学专家:制药团队显然需要有一个生命科学专家的核心来帮助AI项目。无法在所有制药数据上培训AI系统,并期望拥有所有生命科学专家留下并返回实验室。系统总会有没有理解的实体,或者通过该领域的专家澄清的信息。人类需要保持领先于医学研究,并不断在那里帮助培训系统,确保机器的理解是手掌的特定生命科学任务。
  2. 数据科学家:数据科学团队必须熟悉AI / ML的方法,但也必须在他们与之合作的主题中努力实现 - 在这种情况下 - 生命科学。一些这一生命科学的背景知识可能来自与生命科学专家并排工作(帮助双方彼此学习的重要途径),但Pharma团队理想地希望找到已经拥有的数据科学专家生命科学背景通过工作或学术界。
  3. 了解业务的人:Gunjan提到有人必须在那里与研究人员合作,以指导他们对最重要的业务成果的努力。“我们在分析什么?”

Gunjan认为,在制药中取得进步的公司将是能够将实验努力直接与商业价值联系起来的公司。“抄袭”与AI应用程序的公司很可能会对他们的团队或股东兴奋,以继续分配资源,以便数据科学努力。

能够产生信心的公司,以便他们为最佳长期商业动机进行编程的资源将在长期取得成功。在一个研究导向的环境中,枪手说,这是为了丢失的商业动机很常见。

(注意:在最近贡献的文章中阐述了一些关于这些想法的枪手“第三波”的AI在医疗保健中。)

采访Intnoplexus的Gunjan Bhardwaj的亮点

在此主题上回答的主要问题列在下面列出。侦听器可以使用嵌入的播客播放器(在这篇文章的顶部)跳到兴趣的部分:

  • (2:30)在高水平,今天在制药行业应用AI的一些主要障碍是什么?
  • (5:10)你提到了来自Pharma数据的见解必须是“上下文意金宝搏吧识” - 当你说的时候,你是什么意思 - 关于现实世界的一些例子是什么?
  • (8:40)似乎在没有带来与生命科学组织中的AI相关人才的情况下,似乎无法解决这一数据问题 - 将数据科学人才进入Pharma公司进行了什么?
  • (14:20)你可能看过一些Pharma公司做得更好比其他人在啮合AI人才和生命科学人才 - 那些做得好的公司的共同点是什么?

订阅我们的AI在工业播客使用您最喜欢的播客服务:

iTunes-podcast.
soundloud-podcast.
Google-Podcast.
Stitcher-Podcast.

本文与innopterxus合作编写。有关内容伙伴关系访问的更多信息Emerj合作伙伴关系页面

标题图像信用:博客Technet - 微软

订阅镜像
保持领先于机器学习曲线

加入超过20,000名以上的可调性的商业领袖,并收到每周提供的最新的AI研究和趋势。

感谢您订阅EMERJ“AI Advantage”时事通讯,请检查您的电子邮件收件箱进行确认。