MENA Newswire ၊ ဆန်ဖရန်စစ္စကို – ကမ္ဘာလုံးဆိုင်ရာ ဆေးဝါးထုတ်လုပ်သူများသည် ဆေးခန်းဖွံ့ဖြိုးတိုးတက်မှု၏ အချိန်အကြာဆုံး အစိတ်အပိုင်းများကို လျှော့ချရန် အတုဉာဏ်ရည်ကို ပိုမိုအသုံးပြုလာကြသည်။ စမ်းသပ်မှုနေရာများ ရွေးချယ်ခြင်း၊ ပါဝင်သူများကို စစ်ဆေးခြင်း၊ အချက်အလက်စီးဆင်းမှုကို စောင့်ကြည့်ခြင်းနှင့် စည်းမျဉ်းဆိုင်ရာစာရွက်စာတမ်းများ စုစည်းခြင်းကဲ့သို့သော လုပ်ငန်းများတွင် နည်းပညာကို အသုံးချလာကြသည်။ ကုမ္ပဏီများသည် နှောင်းပိုင်းအဆင့် အစီအစဉ်များတွင် အချိန်ဇယားများကို လျှော့ချရန်နှင့် လက်ဖြင့်လုပ်ဆောင်ရသည့်အလုပ်ကို လျှော့ချရန် လက်တွေ့ကျသောနည်းလမ်းများကို ရှာဖွေနေချိန်တွင် အမှုဆောင်အရာရှိများနှင့် ရင်းနှီးမြှုပ်နှံသူများသည် မကြာသေးမီက စက်မှုလုပ်ငန်းဆိုင်ရာ ရှင်းလင်းပွဲများတွင် ပြောင်းလဲမှုအကြောင်း ဖော်ပြခဲ့ကြသည်။
ဖြန့်ကျက်နေသောကိရိယာများတွင် စွမ်းဆောင်ရည်နှင့် လူနာဒေတာကို ခွဲခြမ်းစိတ်ဖြာသည့် စက်သင်ယူမှုစနစ်များမှသည် နည်းပညာဆိုင်ရာစာသားများကို ရေးဆွဲပြီး စစ်ဆေးသည့် generative AI ဆော့ဖ်ဝဲအထိ အမျိုးမျိုးရှိသည်။ ကုမ္ပဏီများသည် အချိန်မီစုဆောင်းရန်ဖြစ်နိုင်ခြေရှိသော နေရာများကို ဖော်ထုတ်ခြင်း၊ ပရိုတိုကောများကို ဒေသဆိုင်ရာလိုအပ်ချက်များနှင့် ချိန်ညှိခြင်းနှင့် ကမ္ဘာလုံးဆိုင်ရာဖိုင်များတွင် စာမျက်နှာထောင်ပေါင်းများစွာအထိ ပါဝင်သော စံသတ်မှတ်ထားသောစာရွက်စာတမ်းများကို ပြင်ဆင်ခြင်းအပါအဝင် စမ်းသပ်မှုများကို ပုံမှန်နှောင့်နှေးစေသည့် လုပ်ငန်းလည်ပတ်မှုအဆင့်များကို ဦးစွာအာရုံစိုက်ခဲ့ကြသည်။
Novartis က အချိန်ကုန်သက်သာစေခြင်း၏ အရှင်းလင်းဆုံး ဥပမာတစ်ခုကို ကိုးကားဖော်ပြခဲ့သည်။ Leqvio ကုထုံးနှင့် ချိတ်ဆက်ထားသော လူနာ ၁၄၀၀၀ ပါဝင်သော နောက်ဆုံးအဆင့် နှလုံးသွေးကြောဆိုင်ရာ ရလဒ်လေ့လာမှုကို စတင်လိုက်ရာတွင် AI သည် အလားအလာရှိသော စမ်းသပ်မှုနေရာများကို ကျဉ်းမြောင်းစေပြီး အဆင့်သတ်မှတ်ရာတွင် ကူညီပေးခဲ့ပြီး ပုံမှန်အားဖြင့် လေးပတ်မှ ခြောက်ပတ်အထိ ကြာမြင့်သည့် ရွေးချယ်မှုလုပ်ငန်းစဉ်ကို နှစ်နာရီကြာ အစည်းအဝေးအဖြစ် ပြောင်းလဲပေးခဲ့ကြောင်း ကုမ္ပဏီက ပြောကြားခဲ့သည်။ Novartis က ယင်းချဉ်းကပ်မှုသည် ပစ်မှတ်နှင့် နီးစပ်စွာ ပြီးဆုံးသော စာရင်းသွင်းမှုကို ပံ့ပိုးပေးခဲ့ကြောင်း ပြောကြားခဲ့သည်။
GSK သည် ပန်းနာရင်ကျပ်ရောဂါ လေ့လာမှုများတွင် AI ပါဝင်သော ဒစ်ဂျစ်တယ်ကိရိယာများကို အသုံးပြုခြင်းမှ တိုင်းတာနိုင်သော ကုန်ကျစရိတ် လျှော့ချမှုများကို အစီရင်ခံခဲ့သည်။ ကုမ္ပဏီက ဒေတာကိုင်တွယ်ခြင်းနှင့် လေ့လာမှုလုပ်ငန်းများနှင့် ဆက်စပ်နေသော လက်ဖြင့်လုပ်ဆောင်ရသည့် အလုပ်များကို လျှော့ချခြင်းဖြင့် ပေါင် ၈ သန်းနီးပါး ချွေတာနိုင်ခဲ့ကြောင်း ပြောကြားခဲ့ပြီး ဆေးဝါးအသစ်များ ရှာဖွေတွေ့ရှိခြင်းဆိုင်ရာ အခြေခံသိပ္ပံပညာသည် ရှုပ်ထွေးပြီး နှေးကွေးနေချိန်တွင်ပင် ကြီးမားသော ထုတ်လုပ်သူများသည် အလိုအလျောက်စနစ်တွင် ရင်းနှီးမြှုပ်နှံနေကြသည်ကို အလေးပေးဖော်ပြခဲ့သည်။
ဆေးခန်းဖွံ့ဖြိုးတိုးတက်မှုတွင် လုပ်ငန်းလည်ပတ်မှုအလိုအလျောက်စနစ်
အစမ်းသုံးခြင်းအပြင် ကုမ္ပဏီများသည် စည်းမျဉ်းစည်းကမ်းဆိုင်ရာ တင်သွင်းမှုများကို အရှိန်မြှင့်တင်ရန် AI ကို အသုံးပြုနေကြပြီး ထပ်ခါတလဲလဲ ရေးဆွဲခြင်းနှင့် အပြန်အလှန်စစ်ဆေးခြင်းသည် အဖွဲ့ကြီးများကို လပေါင်းများစွာ ပင်ပန်းစေနိုင်သည်။ ဆေးဝါးထုတ်လုပ်သူများစွာက ၎င်းတို့သည် လက်တွေ့လေ့လာမှုအစီရင်ခံစာများ၏ အပိုင်းများ၏ ပထမမူကြမ်းများကို ဖန်တီးရန်၊ စမ်းသပ်မှုရလဒ်များကို စံသတ်မှတ်ထားသော ပုံစံများအဖြစ်သို့ ပြောင်းလဲရန်နှင့် စည်းမျဉ်းထိန်းသိမ်းရေးအဖွဲ့များအတွက် ပက်ကေ့ချ်များကို အပြီးသတ်မပြုလုပ်မီ ဇယားများ၊ ဇာတ်ကြောင်းများနှင့် နောက်ဆက်တွဲများတစ်လျှောက် ባህሪያየትစစ်ဆေးမှုများကို လုပ်ဆောင်ရန် ဖန်တီးနိုင်စွမ်းရှိသော AI ကို အသုံးပြုနေကြောင်း ပြောကြားခဲ့သည်။
ကုမ္ပဏီအချို့သည် အတွင်းပိုင်းဒေတာဘေ့စ်များစွာမှ အချက်အလက်များကို ဆွဲယူခြင်း၊ ဖွဲ့စည်းတည်ဆောက်ပုံရှိသော အနှစ်ချုပ်များနှင့် တင်သွင်းရန်အသင့်ပုံစံများအဖြစ် ထုပ်ပိုးခြင်းကဲ့သို့သော လူသားထည့်သွင်းမှုအကန့်အသတ်ဖြင့် အဆင့်များစွာပါဝင်သော လုပ်ငန်းစဉ်များကို ပြီးမြောက်စေရန် ဒီဇိုင်းထုတ်ထားသော “အေးဂျင့်” စနစ်များကိုလည်း စမ်းသပ်နေကြသည်။ အတိုင်ပင်ခံကုမ္ပဏီ McKinsey က ပိုမိုအလိုအလျောက်လုပ်ဆောင်နိုင်သော AI သည် ဆေးခန်းဖွံ့ဖြိုးတိုးတက်မှုတွင် ငါးနှစ်အတွင်း ထုတ်လုပ်မှုစွမ်းအားကို ၃၅% မှ ၄၅% အထိ မြှင့်တင်ပေးနိုင်သည်ဟု ခန့်မှန်းထားပြီး ကုမ္ပဏီများက တစ်ခုတည်းသောလေ့လာမှုများထက်ကျော်လွန်၍ စမ်းသပ်မှုများကို တိုးချဲ့ရာတွင် ယင်းကိန်းဂဏန်းကို ကိုးကားဖော်ပြခဲ့ကြသည်။
AI မှထုတ်လုပ်သောအထောက်အထားများအတွက် စည်းမျဉ်းစည်းကမ်းဆိုင်ရာအတားအဆီးများ
ဘေးကင်းရေး၊ ထိရောက်မှု သို့မဟုတ် အရည်အသွေးဆိုင်ရာ ဆုံးဖြတ်ချက်များကို ရလဒ်များက လွှမ်းမိုးနိုင်သည့်အခါ AI ကို မည်သို့အသုံးပြုမည်ဆိုသည့် မျှော်လင့်ချက်များကို စည်းမျဉ်းထိန်းသိမ်းရေးအဖွဲ့များက တရားဝင်ဖြစ်အောင် စတင်လုပ်ဆောင်နေကြပြီဖြစ်သည်။ အမေရိကန် အစားအသောက်နှင့် ဆေးဝါးစီမံခန့်ခွဲရေးဌာန (FDA) သည် ၂၀၂၅ ခုနှစ် ဇန်နဝါရီလတွင် မူကြမ်းလမ်းညွှန်ချက်ထုတ်ပြန်ခဲ့ပြီး သတ်မှတ်ထားသောအသုံးပြုမှုအခြေအနေအတွက် AI မော်ဒယ်များ၏ ယုံကြည်စိတ်ချရမှုကို အကဲဖြတ်ရန်အတွက် အန္တရာယ်အခြေခံ မူဘောင်တစ်ခု ချမှတ်ခဲ့ပြီး မော်ဒယ်၏ အထောက်အထားထုတ်လုပ်ခြင်းတွင် ပါဝင်သည့် အခန်းကဏ္ဍနှင့် အချိုးကျသော မှတ်တမ်းတင်ခြင်းနှင့် စမ်းသပ်ခြင်းများ ပါဝင်သည်။
၂၀၂၆ ခုနှစ် ဇန်နဝါရီလတွင် FDA နှင့် ဥရောပဆေးဝါးအေဂျင်စီတို့သည် ဆေးဝါးဖွံ့ဖြိုးတိုးတက်ရေးတွင် “ကောင်းမွန်သော AI အလေ့အကျင့်” အတွက် ပူးတွဲလမ်းညွှန်မူများကို ထုတ်ပြန်ခဲ့ပြီး လက်တွေ့စမ်းသပ်မှုများမှသည် ထုတ်လုပ်မှုနှင့် ဘေးကင်းရေးစောင့်ကြည့်ခြင်းအထိ အဆင့်များတစ်လျှောက် AI ကို အသုံးချရန်အတွက် ကျယ်ပြန့်သောအုပ်ချုပ်မှုနှင့် သက်တမ်းစက်ဝန်းထည့်သွင်းစဉ်းစားမှုများကို ဖော်ပြထားသည်။ သီးခြားစီအနေဖြင့် FDA သည် ပြန်လည်သုံးသပ်ခြင်းလုပ်ငန်းစဉ်တွင် ဝန်ထမ်းများ၏ ထပ်ခါတလဲလဲလုပ်ဆောင်ရမည့်အလုပ်များကို ကိုင်တွယ်ဖြေရှင်းရာတွင် AI ကိရိယာများကို ပြည်တွင်း၌ ဖြန့်ကျက်နေကြောင်းလည်း ပြောကြားခဲ့သည်။
လက်ရှိ အတည်ပြုနိုင်သော အကျိုးကျေးဇူးများသည် AI တစ်ခုတည်းဖြင့် တိုးတက်မှုရှိသော ဆေးဝါးများ ထုတ်လုပ်ခြင်းထက် အကောင်အထည်ဖော်မှုနှင့် စာရွက်စာတမ်းများတွင် အာရုံစိုက်နေကြောင်း ကဏ္ဍတစ်လျှောက်တွင် အမှုဆောင်အရာရှိများက အလေးပေးပြောကြားခဲ့သည်။ လက်ခံကျင့်သုံးမှု ကျယ်ပြန့်လာသည်နှင့်အမျှ ကုမ္ပဏီများသည် အလိုအလျောက်စနစ်သည် စမ်းသပ်မှုလုပ်ငန်းများနှင့် တင်သွင်းမှုပြင်ဆင်မှုတွင် အမြန်နှုန်းနှင့် အရည်အသွေးကို မည်သည့်နေရာတွင် တိုးတက်ကောင်းမွန်စေသည်ကို ခြေရာခံနေကြပြီး တစ်ချိန်တည်းမှာပင် ဆေးခန်းဆိုင်ရာ ဆုံးဖြတ်ချက်များနှင့် နောက်ဆုံးစည်းမျဉ်းစည်းကမ်းဆိုင်ရာ တာဝန်ခံမှုအတွက် လူသားကြီးကြပ်မှုကိုလည်း ထိန်းသိမ်းထားကြသည်။
ဆေးဝါးဖွံ့ဖြိုးတိုးတက်ရေးတွင် AI အသုံးပြုမှုအတွက် FDA နှင့် EMA တို့၏ မူများကို အကျဉ်းချုပ်ဖော်ပြသည့် ပို့စ်သည် UAE Gazette တွင် ပထမဆုံးပေါ်လာခဲ့သည်။