其他行业 · AI应用
制药领域的生成式AI应用
Merck & Co., Inc.发现其商业制药价值链中流程冗长,影响效率和决策速度。为此,该公司采用生成式AI技术,包括Amazon Bedrock、Amazon SageMaker和Amazon Textract,以增强数据科学和分析能力。通过挖掘洞察并支持销售策略,Merck将AI/ML集成到业务流程中,使内容审核时间从数周缩短至几小时。这一转变不仅提高了运营效率,还加快了重要药物和疫苗的市场准入,最终惠及患者和医疗提供者。
01
业务背景
Merck & Co., Inc.发现其商业制药价值链中流程冗长,影响效率和决策速度。为此,该公司采用生成式AI技术,包括Amazon Bedrock、Amazon SageMaker和Amazon Textract,以增强数据科学和分析能力。通过挖掘洞察并支持销售策略,Merck将AI/ML集成到业务流程中,使内容审核时间从数周缩短至几小时。这一转变不仅提高了运营效率,还加快了重要药物和疫苗的市场准入,最终惠及患者和医疗提供者。
02
遇到的问题
商业制药价值链中,医学法律监管内容审核流程耗时长达数周,且从大量非结构化数据中提取洞察的效率低下,影响商业决策速度和市场响应能力。
03
AI 解决方案
Merck利用生成式AI技术重构商业流程:通过Amazon Bedrock快速构建基于大型语言模型的应用,用于知识挖掘、竞争情报、医学法律审查流程简化;针对需要历史趋势分析的问题,对基础模型进行监督微调;借助Amazon SageMaker训练和微调模型,使用Amazon Textract处理文档;将生成式AI集成到营销内容审核中,自动标记潜在风险,大幅缩短审核周期。
04
实施结果
该案例未在来源材料中披露量化效果指标,具体成效请参考下方信息来源。
05
风险与边界
审计性和可解释性至关重要,必须证明生成式AI创建的个性化内容不包含患者信息或未经批准的声明;模型参数规模不断扩大将导致结果解释难度增加;需建立实验跟踪机制以确保过程可重复;生成式AI风险较高,必须严格评估每个用例,确保显著收益足以证明风险敞口的合理性。
“Using generative AI during our review of marketing content to flag potential risks can help us shrink the process from weeks to a few hours.”
Suman Giri · Executive Director, Data Science, Merck
信息来源
1 个来源页面内容为结构化改写;关键结论应可追溯到以下材料。