波士頓:生物制藥企業：GenAI技術的五大應用方向

生成式人工智能（GenAI）必將改變生物制藥企業開發、生產、商業化推廣新藥的方式，這一點毋庸置疑?？梢钥吹?，應用該技術后，藥物研發時間已大幅縮短。該技術在價值鏈其他環節的潛力也顯而易見。

但在生物制藥這樣一個業務復雜且面臨嚴格監管的行業中，應用GenAI不可能一路綠燈。GenAI的“野蠻生長”帶來了許多難題，比如我們應在哪些領域以何種方式應用該技術？何時應當推廣該技術的應用普及？又該如何推廣？如何管理由此產生的大規模變革？要想為快速試驗和推廣創造條件，企業必須將前沿技術與整體戰略緊密結合，并根據組織自身的具體情況做出審慎選擇。

潛力無限，選擇多樣，但也受到多重因素制約

GenAI之所以潛力無窮，主要是因為其具備三個能夠改變游戲規則的特征：

• 能夠處理（和學習）太字節（terabyte）量級的結構化和非結構化數據（如學術文獻、臨床試驗信息、批量記錄、質量調查報告、電子病歷和醫保數據庫）。

• 能夠生成文本、媒體（圖像、語音和視頻）、設計和代碼等全新內容。

• 具備直觀、會話式的用戶界面，可以減少AI的應用障礙，服務更多普通用戶。

在生物制藥領域，GenAI可以應用于價值鏈的各個環節，除研發外，運營、商業與醫療事務以及各職能部門都可以成為其施展拳腳的舞臺，通過優化現有流程，該技術有機會大幅提高相關工作的效率和效益（參閱圖1）。但GenAI也有其風險，而且在生物制藥這樣一個患者安全至上的行業，其風險可能進一步放大。不過考慮到該技術所能帶來的大量機遇，再加上生物制藥行業的獨特特點，企業在應用GenAI技術時勢必要在機遇和挑戰之間做好權衡。

數據方面。生物制藥企業已將目光投向高度多樣化的數據環境，并運用深厚的科學知識和市場認知來挖掘其中價值。憑借處理非結構化數據的能力，GenAI讓用戶能夠使用更廣泛的新數據源。隨著GenAI應用的推廣，非結構化數據的價值將進一步提高，因此，企業需要重新構建自身的數據管理戰略，將這些數據源也納入其中。

與其他行業相比，生物制藥價值鏈對風險的容忍度要低得多。這里再次凸顯了數據訪問與管理的重要性。企業必須解決使用GenAI管理數據（包括臨床試驗系統里產生的監管級數據以及財務和人力資源等業務系統中使用的不太敏感的數據）時面臨的實際限制。

企業必須能解釋輸出結果的意義，還要能說明解決方案的制定方式。歐盟已明確規定，在其成員國中使用的AI系統必須做到“安全、透明、可追溯、非歧視和環?！?， 同時還要“由人工而非自動化程序進行監管，防止發生有害結果”?？紤]到與生物制藥工作流程相關的風險狀況，企業需要采取并遵循“負責任的AI應用政策”，并設置覆蓋整個組織的治理程序。

在生物制藥領域，AI流程還必須與人工操作（如質量保證、濕性研發實驗室或商業銷售電話）相結合。要想充分享受GenAI帶來的好處，企業需要重新設計自身的核心流程，必要時可以進行一場從頭開始的全面變革。

這一領域的復雜性和各種制約因素也能成為發明創造的催化劑。BCG收錄了生物制藥價值鏈中的130多個潛在用例，包括利用非結構化健康記錄數據來尋找目標患者、規劃端到端供應鏈方案、生成定制化推廣文案與醫療文檔、提供對話式數字銷售代理、提供自助式客戶服務和實現辦公應用自動化。GenAI不會取代現有AI，在大多數情況下，它將能與現有模型協同工作。有些時候GenAI未必是最佳解決方案。企業要優先處理那些具有明確、可衡量目標的用例，這一點至關重要。同時我們還要注意，隨著時間的推移，用例也會不斷演變，其影響力會逐漸增強，直至產生變革性影響。

最有前景的用例

在生物制藥領域，有些用例屬于“小打小鬧”，只是使用現有模型來提高效率、優化企業各職能部門（如人力資源、財務、IT 和法律）的運營水平，門檻較低；有些則是真正能夠幫助企業在長期競爭中占據優勢地位的“黃金用例”。據BCG估計，在生物制藥的部分職能部門，GenAI解決方案可以幫助提高30%的生產效率。

從結果來看，領先的生物制藥企業圍繞五類“黃金用例”發力，我們認為，GenAI的大部分差異化價值最終都將集中體現在這些用例上（參閱圖2）。其中包括：

• 加快藥物分子設計進程。GenAI可以在生物信息學領域發揮作用，協助研發人員更快發現、優化小分子和大分子候選藥物，更快實現早期藥物研發突破，由于該技術拉近了“新發現”與“臨床試驗”的距離，后期研究的速度也能有所提升。多年以來，AI在這方面一直成果顯著，將研發時間縮短了25%。而GenAI可望進一步加快藥物設計速度。

• 加快臨床研發和入市速度。GenAI主要通過兩種方式加快臨床研發和入市速度。首先是在臨床研發過程中自動生成醫療文檔（如方案、臨床研究報告和監管事務呈件），可以減少最高30%的醫療文檔撰寫時間。其次，GenAI可以提高臨床試驗的設計水平，通過生成更簡單、有效的方案來管理實驗效果，并借助模擬實驗防止進度出現延誤。

• 提高質量管理質效。作為制造質量保證流程的組成部分，GenAI 可以優化或自動生成質量、監管方面的分析和報告，如管理標準程序出現的偏差、協助完成年度產品質量審查等。該技術可以從不同來源（如質量系統、制造系統和供應商數據）的大量文件中發現規律和反復出現的問題，并幫助生成對監管合規至關重要的質量結果初步報告。BCG預計，通過強化這些常規任務，可以將員工的工作效率提高30%。

• 提高內容創作、個性化與適配的效果。GenAI可以幫助用戶收集、組織來自不同數據源的復雜信息，真正實現個性化互動。它還可以根據文化背景和應用渠道的不同對內容進行調整?？紤]到醫療行業的合規性風險，更多的企業在起步階段會把GenAI生成的內容作為中間產出，加以人工審核后再應用到客戶場景中。

• 輔助審查流程。隨著內容個性化程度的提高，醫療、法律和監管審查將成為更大的瓶頸因素。GenAI可以自動完成材料預審，并協助人工完成部分流程（如風險識別、訴求引用和草稿優化等），進而加快審查流程。根據我們的經驗，GenAI可以幫助員工將執行這些常見任務的效率提高40%。

關于作者

Julius Neiser是BCG X董事總經理，全球合伙人。

Krishna Srikumar是波士頓咨詢公司（BCG）董事總經理，全球合伙人。

Myrto Lee是波士頓咨詢公司（BCG）董事總經理，全球合伙人。

Camille Engel是波士頓咨詢公司（BCG）董事總經理，全球合伙人。

Ganga Kannan是波士頓咨詢公司（BCG）董事總經理，全球合伙人。

Dhruv Jayanth是波士頓咨詢公司（BCG）董事經理。

Keyur Patel是波士頓咨詢公司（BCG）合伙人。

感謝Carolina Fejgielman、Marie Humblot-Ferrero、Aryana Jacobs、Stefan Leve、Anne Witt和Keyur Patel為本文做出的貢獻。