人工智能在藥品的供應(yīng)鏈上如何爆發(fā)

人工智能（AI）將給整個(gè)藥物冷鏈體系帶來變革——這種變革不是在遙遠(yuǎn)的未來，而很可能在短短幾年內(nèi)成為現(xiàn)實(shí)。

作為一家積極參與相關(guān)應(yīng)用構(gòu)建活動(dòng)的企業(yè)總裁，我親眼目睹著這項(xiàng)技術(shù)的快速發(fā)展與光明前景，同時(shí)也堅(jiān)信這類利用機(jī)器學(xué)習(xí)技術(shù)生成生物制藥冷鏈循環(huán)內(nèi)環(huán)境危害預(yù)測(cè)數(shù)據(jù)的應(yīng)用程序，必將在不久的將來迸發(fā)出巨大的能量。

將機(jī)器學(xué)習(xí)與預(yù)測(cè)分析結(jié)合起來，AI轉(zhuǎn)型帶來的智能化升級(jí)將表現(xiàn)出遠(yuǎn)超搜索層面的深度。這類新型方案有望解決制藥冷鏈管理領(lǐng)域某些最為嚴(yán)峻的挑戰(zhàn)。

下面，讓我們從幾個(gè)實(shí)例開始談起：

? 基于分析的決策制定： 大多數(shù)企業(yè)只能捕捉到數(shù)據(jù)中潛在價(jià)值的一小部分。通過將來自多種來源的數(shù)據(jù)（例如藥品訂單、運(yùn)送路線以及沿途天氣數(shù)據(jù)）匯總起來并加以分析，基于AI的系統(tǒng)將能夠面向整體冷鏈體系提供包含完整可見性的預(yù)測(cè)數(shù)據(jù)。如此一來，我們就能在冷鏈正式啟動(dòng)之前做出障礙預(yù)測(cè)，并有針對(duì)性地分配應(yīng)對(duì)資源。

這種基于分析的決策制定方法，要求企業(yè)首先在整體冷鏈之內(nèi)建立起數(shù)據(jù)可行性與實(shí)時(shí)可見性。以此為基礎(chǔ)，預(yù)測(cè)性數(shù)據(jù)分析將給藥品的及時(shí)安全交付帶來嚴(yán)格保障。借助分析性決策，冷鏈物流與整體藥品交付成本、患者用藥風(fēng)險(xiǎn)以及藥品輸送管道中的缺口都將大為減少。

例如，來自英國(guó)的BenevolentAI公司正在利用一套計(jì)算與實(shí)驗(yàn)性技術(shù)-流程平臺(tái)，希望借此捕捉大規(guī)模生物醫(yī)學(xué)數(shù)據(jù)并據(jù)此做出推理，最終改善并加快藥物發(fā)現(xiàn)流程中的各個(gè)環(huán)節(jié)。

? 供應(yīng)鏈管理 （簡(jiǎn)稱SCM）： 麥肯錫公司曾在2013年公布一項(xiàng)研究結(jié)果，詳細(xì)說明了藥品供應(yīng)鏈領(lǐng)域存在的嚴(yán)重敏捷性缺失問題。報(bào)告指出，藥品從制造商到配送中心之間的平均補(bǔ)貨周期為75天，而其他行業(yè)僅為30天。報(bào)告同時(shí)提到，藥品供應(yīng)鏈需要在成本、物流、倉(cāng)儲(chǔ)以及庫(kù)存等方面提高透明度。從保障藥物功效、明確患者身份、監(jiān)管產(chǎn)銷供應(yīng)以及改善供應(yīng)鏈敏捷性等角度出發(fā)，AI技術(shù)無疑將給整個(gè)制藥行業(yè)帶來全方位提升。

以DataRobot為例，這是一套由開源算法支持構(gòu)建的AI平臺(tái)，用以構(gòu)建高敏捷性藥品供應(yīng)鏈。其中的算法可以利用藥物輸送歷史數(shù)據(jù)對(duì)自動(dòng)化流程進(jìn)行建模。供應(yīng)鏈經(jīng)理可以借此獲取可靠的模型，進(jìn)而準(zhǔn)確預(yù)測(cè)特定藥品訂單是否可以與同一地區(qū)或者部門掌握的另一項(xiàng)預(yù)期訂單進(jìn)行合并。

? 庫(kù)存管理： 生物標(biāo)志物的普及正使得個(gè)性化藥物走向主流。因此，制藥企業(yè)未來可能需要儲(chǔ)備更多種治療藥劑，但其中每一種的數(shù)量則遠(yuǎn)少于以往?；贏I的庫(kù)存管理能夠幫助我們確定哪些產(chǎn)品的需求為旺盛（使用頻率最高），準(zhǔn)確跟蹤何時(shí)能夠?qū)a(chǎn)品交付給患者，提供交付時(shí)間并在發(fā)生延誤或者其他影響事件的幾小時(shí)內(nèi)快速找到替代性交付通道。

OptumRx正積極利用AI/ML技術(shù)管理其在醫(yī)療環(huán)境中收集到的數(shù)據(jù)。自投入運(yùn)行以來，AI/ML系統(tǒng)憑借出色的實(shí)際表現(xiàn)，證明自身確實(shí)能夠在無需額外干預(yù)的前提下、通過持續(xù)分析數(shù)據(jù)與結(jié)果不斷改進(jìn)自身。早期結(jié)果表明，AI/ML確實(shí)能夠有效緩解藥品庫(kù)存短缺或者過剩等常見問題，這無疑幫助藥品冷鏈體系在敏捷性方面前進(jìn)了一大步。

? 倉(cāng)儲(chǔ)自動(dòng)化： 將AI技術(shù)整合至倉(cāng)儲(chǔ)自動(dòng)化工具當(dāng)中，能夠加快通信速度并減少“取件與打包”流程中的各類錯(cuò)誤。從最基本的意義上講，AI技術(shù)能夠預(yù)測(cè)到哪些藥品的存儲(chǔ)周期最長(zhǎng)，并據(jù)此為其指定最合適的存放位置。以此為基礎(chǔ)，冷鏈服務(wù)供應(yīng)商Lineage Logistics公司一舉將生產(chǎn)效率提升了20%。在另一項(xiàng)應(yīng)用當(dāng)中，AI技術(shù)通過計(jì)算為大量商品找到最佳放置方式，從而在幫助員工輕松找到對(duì)應(yīng)商品的同時(shí)顯著提升進(jìn)出貨流量。

》》》FDA熱情擁抱AI與大數(shù)據(jù)技術(shù)

從歷史角度看，由于美國(guó)食品藥監(jiān)局（FDA）在監(jiān)督方面一直非常嚴(yán)格，因此很多制藥企業(yè)對(duì)顛覆性技術(shù)的反應(yīng)表現(xiàn)得相對(duì)較為遲緩。但是，F(xiàn)DA方面已經(jīng)深刻意識(shí)到AI技術(shù)帶來的學(xué)習(xí)與性能改善潛力。FDA方面目前已經(jīng)批準(zhǔn)利用AI技術(shù)檢測(cè)患者的糖尿病性視網(wǎng)膜病變以及潛在中風(fēng)可能性，同時(shí)計(jì)劃盡快出臺(tái)最新法規(guī)，用以簡(jiǎn)化這類重要工具的實(shí)際使用。

》》》贏得競(jìng)爭(zhēng)優(yōu)勢(shì)

對(duì)于有意將AI技術(shù)納入自家冷鏈的制藥企業(yè)，下面我們將分享一系列簡(jiǎn)潔明確的準(zhǔn)備步驟：

1. 做好數(shù)據(jù)準(zhǔn)備工作，并保障數(shù)據(jù)所有權(quán)。首先，我們需要強(qiáng)大的數(shù)據(jù)清潔流水線以及成熟的物流生態(tài)系統(tǒng)，與溫度、環(huán)境條件以及包裝相關(guān)的歷史記錄數(shù)據(jù)，外加從冷鏈流程之內(nèi)收集到的一切其他數(shù)據(jù)。如果這些清潔可靠的數(shù)據(jù)還沒有落實(shí)到位，請(qǐng)馬上著手進(jìn)行。如果大家已經(jīng)掌握了數(shù)據(jù)，接下來要做的就是驗(yàn)證其所有權(quán)。一部分廠商宣稱由其系統(tǒng)生成的所有熱數(shù)據(jù)皆歸其所有，且不允許任何第三方軟件操作這些數(shù)據(jù)。在這種情況下，我們當(dāng)然無法將其與其他數(shù)據(jù)源結(jié)合起來以供AI分析。解決問題有兩種辦法：協(xié)商數(shù)據(jù)所有權(quán)，或者換一家供應(yīng)商。

2. 確定需求范圍：我們到底需要在哪里建立競(jìng)爭(zhēng)優(yōu)勢(shì)？先從能夠?qū)滏湲a(chǎn)生可量化影響的因素做起——具體因素可以是庫(kù)存控制、打包優(yōu)化、物流運(yùn)輸、監(jiān)管策略或者患者依從性等等。跟蹤相關(guān)指標(biāo)，并將其與業(yè)務(wù)價(jià)值緊密聯(lián)系起來。

3. 如今合適的人選，驗(yàn)證企業(yè)的內(nèi)部能力水平。要實(shí)施或者支持AI/機(jī)器學(xué)習(xí)策略，我們需要的往往是傳統(tǒng)IT人員缺乏甚至根本不具備的技能。因此請(qǐng)考慮提升IT團(tuán)隊(duì)技能水平，或者以招聘的方式引入掌握AI技術(shù)訣竅的新鮮血液。

AI技術(shù)正處于發(fā)展的歷史性轉(zhuǎn)折點(diǎn)。在未來十年當(dāng)中，AI預(yù)計(jì)將給全球經(jīng)濟(jì)發(fā)展做出巨大貢獻(xiàn)。單在生命科學(xué)領(lǐng)域，AI技術(shù)的當(dāng)前價(jià)值就高達(dá)9.021億美元，且預(yù)計(jì)將從現(xiàn)在到2024年期間保持21.1%的增長(zhǎng)速度。作為這一增長(zhǎng)中的重要組成部分，我們堅(jiān)信AI技術(shù)將給醫(yī)藥供應(yīng)鏈的轉(zhuǎn)型升級(jí)做出突出貢獻(xiàn)。

責(zé)任編輯：ct