生命科學領域的 AI 如何改變您的業務？
邁向個人化治療與精準醫療的趨勢，對資料與分析效能將有更高的要求。AI、生成式 AI 與 AI 代理，可協助生命科學客戶加速創新，以因應此需求，同時提升以病患為中心的能力、簡化營運流程，並在市場中取得競爭優勢。
生命科學的 AI 應用有哪些？
探索如何導入可信賴的 AI 能力，以提升效率並推動生命科學創新。
加速藥物發現
運用 AI 加速新分子的辨識，簡化需要數百萬資料點支撐的高強度科學研發流程，從而推動藥物開發。
此解決方案的價值：
- 更快做出決策。
- 可靠的洞察。
- 競爭優勢。
此解決方案採用的 AI 技術：
- 機器學習用於分析大量資料，以提升藥物發現的效率與成功率。
- 大型語言模型 (LLM) 可用於識別藥物標靶，並預測藥物交互作用。
- 合成資料可用來補足資料缺口、模擬試驗，並保護病患隱私。
AI 如何提供協助：
- 運用 AI 分析大型資料集，更快識別藥物標靶。
- 生成並運用合成資料，以深入理解分子交互作用。
- 預測候選藥物的安全性與有效性，協助優先排序化合物並簡化臨床前測試。
AI 模型提供下列優勢：
- 合成資料提供獨特的機會，讓您能更快獲得更多洞察。
- 演算法以科學相關性為基礎。
- 模型可實質改善藥物開發流程。
AI 代理：最佳化臨床試驗資料工作流程
運用 AI 與大型語言模型，自動化並加速 FDA 就緒準備，並提升資料品質，包含支援標準化資料生成與驗證，以及合成資料的建立。
此解決方案的價值：
- 降低人工投入、加快送件時程，並有效處理來自 OMICS 與數位健康裝置的複雜資料。
- 提升程式碼驗證的效率與準確度。
- 提升臨床試驗的準確度、降低錯誤，並強化法規遵循。
- 加速申報流程，並改善文件品質。
- 為高效率的資料轉換，提供策略性決策依據。
此解決方案採用的 AI 技術：
- 以中繼資料驅動的自動化。
- LLM。
- 自動化與合成資料生成。
- 多代理程式架構。
AI 如何提供協助：
- 支援持續更新研究資料表模型 (SDTM) 與分析資料模型 (ADaM)，降低撰寫程式碼的需求，並支援高效率的資料審查。
- 自動化程式碼與結果審查，降低人工驗證作業。
- 偵測不一致之處，並自動化驗證流程。
- 縮短表格、清單與圖表 (TLF) 的製作時間，支援早期程式碼驗證，並提升資料透明度。
AI 模型提供下列優勢：
- 自動化 SDTM、ADaM 以及 TLF/ADRG 的生成與設定管理。
- AI 輔助的程式碼驗證與法規遵循檢查。
- 自動化錯誤偵測與驗證邏輯。
- 合成資料生成、異常偵測與文件自動化。
- 為 SDTM、ADaM 與 TLF/ADRG 的轉換架構，提供策略性洞察。
保護試驗參與者的安全
運用 AI 與數位孿生的預測分析，在提升臨床研究效率的同時，保護研究參與者的安全。
此解決方案的價值：
- 提升安全性。
- 加速創新。
- 更快速做出決策。
此解決方案採用的 AI 技術：
- AI 代理可即時標示不良事件的早期徵象，並建議調整試驗計畫。
- 數位孿生可用於模擬藥物交互作用、識別藥物再利用的候選對象，並理解病患的替代治療途徑。
- 預測分析可用於識別，哪些病患族群最有可能對未來藥物產生良好反應。
AI 如何提供協助：
- 加深對疾病、病患族群以及藥物交互作用與療效的理解。
- 在確保病患安全的前提下，加速臨床研究。
- AI 代理可透過在臨床研究的設計、監測與決策流程中，嵌入智慧化、自主系統，藉此保護臨床試驗參與者的安全。
AI 模型提供下列優勢：
- 數位孿生驅動的模擬，讓研究人員能在實際病患接觸實驗性治療前，預先評估風險並最佳化試驗計畫。
- 預測模型有助於識別，哪些病患族群最可能受益於治療，或可能受到傷害。這讓研究人員能更早介入，在維持試驗完整性的同時提升安全性。
延伸控制組
延伸控制組是臨床試驗中，傳統對照組的替代方案。研究人員不再將病患隨機分派至安慰劑或標準治療組，而是使用既有資料（如歷史臨床試驗資料、真實世界資料或合成資料），來模擬對照組。
此解決方案的價值：
- 當因資料不足、時間限制或倫理考量，而無法設置傳統對照組時，可透過模擬方式建立控制組。例如，在罕見疾病、危及生命的疾病，以及腫瘤學相關試驗中，延伸控制組特別具有價值。
此解決方案採用的 AI 技術：
- 人工生成的資料——模擬真實病患資料，但不對應任何實際個體——可用於延伸控制組。
- AI 代理可匯入大量真實世界資料 (RWD)，將治療組病患與歷史試驗資料中相似的病患進行配對，並模擬延伸控制組的結果。
- AI 代理可建立數位孿生，模擬病患在對照條件下的狀態。
AI 如何提供協助：
- 合成資料可透過模擬真實世界資料集中代表性不足的病患族群，補足資料缺口，提升控制組的多樣性與穩健性。
- AI 生成的合成資料集，讓研究人員在招募任何一位病患之前，就能模擬數千種試驗情境。這可透過降低失敗率並最佳化設計，加速試驗設計流程。
- 透過減少安慰劑組的需求，延伸控制組能在維持科學嚴謹性的同時，確保更多病患能接受潛在的救命治療。
- 當隨機對照試驗 (RCT) 不可行時，合成控制組已被用來支援 FDA 加速藥物核准。
- 數位孿生技術（虛擬病患複本），正用來大規模模擬藥物交互作用，並預測不良事件。
AI 模型提供下列優勢：
- SAS Data Maker 採用多種 AI 模型與技術，生成高品質的合成資料。
- 這些模型會評估合成資料與原始資料的相似程度，同時確保符合隱私門檻。
- 模型會評估相似度指標、隱私風險分數與合成資料品質指標，包含 SMOTE（合成少數類過取樣技術）、GAN（生成對抗網路），以及隱私風險與相似度評分模型。
簡化試驗計畫書的開發
運用模型簡化臨床試驗計畫書流程，透過資訊轉移，將內容整理為可直接套用於範本的「計畫書就緒」資料，為臨床專案經理、試驗設計師與醫學主管，省下大量人工撰寫時間。
此解決方案的價值：
- 加速創新。
- 透過自動化與可重複、具文件化的流程，大幅提升生產力。
此解決方案採用的 AI 技術：
- LLM 可協助研究人員與計畫書撰寫者，更快速地開發資料與內容。
- 小型 LLM 可確保計畫書撰寫者，在有限且明確的脈絡範圍內，將計畫書內容範本化。
- 智慧決策提供透明且自動化的工作流程，符合業務需求並引導 AI 代理運作。
AI 如何提供協助：
- 大、小型語言模型可依不同法規要求，加以客製化與調整。
- 研究人員能更快速地建立、編輯與更新計畫書，並降低人為錯誤。
AI 模型提供下列優勢：
- 大、小型語言模型可縮短計畫書開發流程，為撰寫者節省寶貴時間。
- 大、小型語言模型可協助填入範本，並自動化建立計畫書組件，提升整體效率。
- 大、小型語言模型可有效微調計畫書內容，以支援法規遵循。
提升試驗據點與病患及成員的互動
建立聊天機器人，更有效率且更有成效地與病患、試驗據點、研究人員與研究團隊互動。
此解決方案的價值：
- 更快解決問題。
- 提升客戶服務品質。
- 支援全天候的大規模個人化推廣，涵蓋廣大的病患與成員族群。
此解決方案採用的 AI 技術：
- LLM 與自然語言處理可用來訓練聊天機器人，使其能有效與病患和研究團隊互動。
- 智慧決策有助於提升互動品質。
AI 如何提供協助：
- 最佳化資源配置，並提升互動成效。
- 在維持資料隱私的同時，提高病患、試驗據點與利害關係人的滿意度。
- 在動盪與不確定的情況下，能更有準備、迅速回應。
AI 模型提供下列優勢：
- 對話式 AI 提供可擴充的支援能力。運用由 LLM 與小型語言模型 (SLM) 驅動的聊天機器人，為病患、試驗據點與研究團隊提供全天候支援，回答副作用、物流、計畫書文件等相關問題。
- 智慧決策，讓代理系統能進行個人化推廣。內嵌式 AI 代理，可依行為與風險對病患進行分群、為推廣進行評分，並為照護團隊推薦個人化的最佳後續行動。
- AI 代理驅動智慧化工作流程，可識別高風險族群、自動進行分流與後續追蹤，並持續從結果中學習，以改善協調效率並降低人工投入。
- 所有 AI 系統皆內建治理機制，並保留「納入專人」的做法，包含對高風險決策的人為監督、可解釋性、可稽核性，以及與法規標準的一致性，以確保信任與合規。
最佳化製藥供應鏈與倉儲的庫存管理
運用由 LLM 驅動的聊天機器人與 AI 代理，最佳化 SKU 層級的倉儲庫存，並依最新需求預測動態調整情境。
此解決方案的價值：
- 最佳化庫存。
- 高準確度預測存貨。
- 更快速做出決策。
- 有效擴展規模。
此解決方案採用的 AI 技術：
- AI 驅動的機器學習模型可分析大量資料、辨識模式並持續調整，以提供準確且自動化的庫存預測與風險評估。
- 使用小型語言模型與自然語言處理 (NLP) 的 GenAI，能理解使用者輸入、產生具情境性的回應，並自動化溝通任務，以更高的資源效率實現類人互動。
- 智慧決策提供透明且自動化的工作流程，符合業務需求並引導 AI 代理運作。
AI 如何提供協助：
- 透過機器學習所產生的洞察，整體供應鏈可依資料驅動的預測來最佳化庫存水準，減少浪費、降低成本，並提升整體績效。
- 模型會考量交期、儲存成本、到期日與供應商可靠性等因素，協助最佳化庫存水位，確保在需要時有適量存貨。
AI 模型提供下列優勢：
- 機器學習模型會分析歷史銷售資料、季節性趨勢與外部因素（如市場需求與法規變化），更精準地預測未來庫存需求，藉此避免缺貨或庫存過剩。
- 機器學習模型會隨著新資料輸入，而持續學習與調整，在市場條件、產品需求或供應鏈因素異動時，持續提升預測的準確度。
- 模型會持續監控並評估風險，例如供應鏈中斷、需求變化或供應商延誤，並提供即時、動態的風險評估。
- AI 代理負責管理庫存，並預測潛在的中斷狀況。
- AI 代理可自動化承運商下單流程，並提升供應鏈效率。
加速病患族群建立
運用 AI 代理程式與自然語言處理 (NLP)，自動從龐大且多樣的資料集中，擷取並精煉病患族群。
此解決方案的價值：
- 產生更多真實世界證據。
- 更快速做出決策。
- 縮短招募時間，並降低成本。
- 保護病患安全。
- 支援去中心化臨床試驗方法。
- 將人力投入轉向高價值工作。
此解決方案採用的 AI 技術：
- 在多代理系統中，AI 代理可簡化整個族群建立流程，並建立持續監測機制。
- 運用 NLP 將非標準資料格式情境化，加速分析。
- 運用 NLP 加速病患特徵的辨識。
AI 如何提供協助：
- 透過 NLP 分析多元資料來源並自動化查詢，提升臨床研究中族群生成的效率和準確度。
- 降低建立臨床試驗、成果研究與營運分析所需族群時的時間和專業門檻。
AI 模型提供下列優勢：
- NLP 在病患族群生成中扮演要角，可自動擷取資料、提升族群定義的準確度，並整合多元資料來源。
- 隨著 AI 模型持續進化，將進一步強化研究能力、簡化臨床試驗流程，並改善病患結果。
- 用於病患招募的 AI 代理，會掃描電子病歷 (EHR) 與社群媒體，以識別符合條件的參與者。
- 用於候選人篩選的 AI 代理，會分析生物標記與共病狀況，以最佳化族群組成。
利用 SAS AI 提高生產力與績效
「透過由 SAS Viya 驅動的 SAS AI，我們加速了藥物開發。SAS 的 AI 大幅降低臨床試驗分析所需的工作量，並提升了分析效率。」 Dr. Yoshitake Kitanishi Associate Corporate Officer, Head of Data Science Department Shionogi
生命科學 AI 推薦資源
SAS 是 AI 解決方案的領導者
SAS 是 2024 年 Gartner® 資料科學與機器學習魔力象限™的領導者。
精選的產品與模型
探索 SAS AI 產品與模型的變革力量——協助製造商自動化任務、優化生產、提升安全性、彌補人力缺口，並做出即時、數據驅動的決策。有了 SAS AI，您將能隨時保持領先，並推動永續成長。
Since 1976, companies worldwide have trusted SAS.