Analisis berbasis AI pun pastinya akan mengakselerasi R&D. Menemukan dan memilih molekul untuk obat-obatan baru adalah tugas yang sarat dalam penggunaan data. Dalam dunia farmasi ada yang dinamai chemical space, di mana di dalamnya adalah katalog berisi kurang lebih 1060 molekul yang berpotensi dikembangkan menjadi senyawa untuk obat-obatan baru. Dengan AI, perusahaan farmasi dapat membuat lebih sedikit molekul tapi dengan tingkat akurasi yang lebih tinggi.
Produksi dan Penjualan Obat-obatan
Dalam memproduksi obat, dan menjualnya, ada faktor-faktor yang memengaruhi konsumsi dan penjualan obat-obatan tertentu, seperti musim, cuaca, dan kualitas udara.
Machine learning dapat membantu memprediksi dan mencegah terjadinya kelebihan dan kekurangan permintaan, masalah pada supply chain, kegagalan di lini produksi, dan lain-lain. Bagi perusahaan farmasi, insight tersebut dapat membantu menghemat biaya produksi maupun logistik.
Informasi seperti data lingkungan dan pergerakan orang memungkinkan perusahaan farmasi memprediksi kebutuhan obat-obatan tertentu di daerah-daerah tertentu. Dengan demikian, tim penjualan pun dapat bekerja dengan lebih efisien dan dapat menyediakan obat-obatan yang tepat di waktu dan tempat yang tepat pula.
Baca juga : Sepuluh Contoh Penerapan Artificial Intelligence di Sektor Manufaktur
Alat Bantu Diagnosis
Di sektor layanan kesehatan, diagnosis terhadap pasien dilakukan berdasarkan gejala. Dan gejala diperoleh melalui tes, data historis pasien, dan faktor-faktor lain. Ada situasi di mana diagnosis bergantung pada sejumlah besar data yang berbeda. Di sini AI bisa berperan.
Namun harus diingat tidak ada algoritme yang benar-benar sempurna mendiagnosis penyakit. Diagnostic assistance tugasnya hanyalah membantu dokter dengan memberikan data atau rekomendasi diagnosis secara real time.
Beberapa contoh penerapan AI di area ini adalah image recognition untuk mendeteksi penyakit diabetes berdasarkan gambar retina atau mendeteksi anomali pada aktivitas jantung dan sebagainya.
Bahkan AI dapat berperan signifikan dengan melakukan text mining terhadap jurnal-jurnal kesehatan dan rekam medis elektronik. Aktivitas ini disebut sebagai biomedical text mining.
Pada bulan Desember 2016, IBM mengumumkan bahwa Pfizer adalah organisasi pertama yang memanfaatkan platform berbasis cloud Watson for Drug Discovery. Program deep learning milik IBM mengakumulasikan data dari 25 juta abstraksi artikel Medline dan 1 juta artikel dari jurnal kesehatan. Ketika seorang periset melakukannya, ia harus membaca 200-300 artikel per tahun.