Life science-sektoren har taget hul på den digitale transformation

20. december 2022 kl. 10:31
CGI
Michael Clausen mener, at maskinlæring kun er én blandt flere stærke nutidige og fremtidige teknologier, som life science-sektoren står foran at skulle absorbere. Illustration: CGI.
I mange brancher kaster man sig grådigt over nye teknologier som f.eks. maskinlæring. Inden for life science-sektoren har man traditionelt holdt lidt igen, men det er ændret i kølvandet på covid-19.

Der lyder nye toner i life science-industrien, når man taler om digital transformation. Nu vil man gerne gå forrest, fastslår Michael Clausen, director for life science i it-virksomheden CGI. Han mener, at branchens potentiale for at optimere gennem digitalisering er meget stort.  

Life science er en branche i rivende udvikling, der skriger efter – og har dybt brug for – at tænke teknologi anderledes, og som nu er mere end klar til at tage udfordringen op. Et eksempel er AstraZeneca, der i høj grad var ”ahead of the curve” mht. til udvikling af covid-19 vaccine. Det forspring blev bl.a. bygget på dyb brug af AI og maskinlæring – typer af software, som har haft en svær start i en meget reguleret branche.

Ældre kvalitetsstyringssystemer blokerer for fremdrift

De kvalitetsstyringssystemer (QMS), man har i life science-virksomhederne, er for manges vedkommende startet op for 25-30 år siden. De har udviklet sig til mastodonter af processer, guidelines, regler og krav og er ikke designet til at håndtere teknologi udviklet inden for de seneste 5-10 år.

»Det har været svært, om ikke næsten umuligt, for branchen at tage de nødvendige livtag med QMS-systemerne for at skabe en fleksibel model, der kan absorbere adfærdssoftware dvs. software, der ændrer adfærd, i takt med at det lærer nye ting,« siger Michael Clausen.

Ifølge Michael Clausen har medicinalindustrien været tilbageholdende med for alvor at anvende digitale teknologier som maskinlæring, kompleks automatisering, NLP m.m.  til at accelerere forretningen. Årsagen har som nævnt været de kvalitetssikringssystemer, der er bygget op omkring forretningen.  

VIL DU VIDE MERE?

CGI hjælper medico- og andre life science-virksomheder verden over med intelligent automation, kvalitetssikring, compliance, managed it og it-støtte til forskning & udvikling.

Læs mere her

FDA's kursændring åbner for nye initiativer

Men i begyndelsen af 2021 søsatte den amerikanske fødevare- og lægemiddelmyndighed, Food & Drug Administration, FDA, nye principper for kvalitetssikring af de computersystemer, der anvendes i sektoren. Det tidligere Computer System Validation blev erstattet af Computer System Assurance.

Dermed åbnede FDA for, at branchen bruger nye typer software til at accelerere sit proceslandskab, og den kursændring har åbnet for nye initiativer. Virksomhederne begynder bl.a. at udvikle smarte måder at arbejde med data på gennem maskinlæring, og alt fra billedanalyse til tekstgenkendelse er i spil. 

»En af life science-sektorens udfordringer i de kommende år er at gennemskue kausaliteten af implementeret, kompleks adfærdssoftware i en dybt reguleret branche,« siger Michael Clausen.

Kunder i verdens top-50

CGI har som verdensomspændende organisation mere end halvdelen af verdens 50 største medicinalvirksomheder på kundelisten. Derfor har Michael Clausen et stort internt bagkatalog at trække på, når han rådgiver medico- og andre life science-virksomheder inden for blandt andet quality engineering, sustainability, cloud, data science, maskinlæring og operationel it m.m.

»Vi er eksperter i både it- og life science-domænet. Vi ved, hvordan it-systemer arbejder sammen, og hvilke krav lovgivningen stiller til implementering af systemerne inden for life science,« siger Michael Clausen, som bl.a. rådgiver kunderne om maskinlæring.

CGI
»Nøglen til at skabe værdi er evnen til at forstå sammenhængen mellem teknologi, domæne, lovgivning og QMS.« - director, life science i CGI, Michael Clausen. Illustration: CGI.

Fra regler til adfærd

Ifølge Michael Clausen er den traditionelle teknologistak regelbaseret. Den gængse måde at programmere teknologi på er, at man sætter nogle regler for, hvordan teknologien fungerer – og så gør den det. Men i maskinlæring er der altid en læringskomponent. Det er lærende software, der ændrer adfærd på baggrund af de data man føder den med.

I en branche, hvor man dokumenterer og risikostyrer alting, har man svært ved at arbejde med software, der er adfærds- og ikke regelstyret. Man kan ikke sætte regler op for, hvordan maskinlæring skal fungere. Hele meningen med maskinlæring er jo, at den skal fortælle os, hvordan den fungerer bedst.

»Hvilke konsekvenser har det så at tage maskinlæring i brug inden for medicodomænet? Det er den slags spørgsmål, vi hjælper vores kunder med at håndtere. Og vi er gode til det, fordi vi har en stærk it-baggrund, som vi kombinerer med den bedste viden fra andre brancher og tilpasser til pharmadomænet.«

»Vores it-ekspertise, sammen med en dyb viden om domænet og regelværket omkring det, giver os en unik position som rådgiver inden for digitalisering af life science-virksomheder,« siger Michael Clausen. 

Meget stort potentiale

Han mener, at maskinlæring kun er én blandt flere stærke nutidige og fremtidige teknologier, som life science-sektoren står foran at skulle absorbere:

»Hele branchen kigger lige nu efter optimering af drift, digitalisering af hele proceslandskaber og nytænkning af hele it-stakke. Nøglen til at skabe værdi er evnen til at forstå sammenhængen mellem teknologi, domæne, lovgivning og QMS. Vigtigt er det at have overblikket til at identificere de nødvendige tiltag – og de tiltag, der ikke er nødvendige.«

»Mange andre brancher er længere fremme på disse områder, og derfor har life science-sektoren et meget stort potentiale til at optimere og nå nye resultater med digitalisering,« siger Michael Clausen.

VIL DU VIDE MERE?

CGI hjælper medico- og andre life science-virksomheder verden over med intelligent automation, kvalitetssikring, compliance, managed it og it-støtte til forskning & udvikling.

Læs mere her

Debatten er slået fra på dette indhold 
Fortsæt din læsning