En ny global studie från molnbolaget Vultr visar att 67 procent av biotechföretag som strategiskt implementerat AI rapporterar bättre finansiella resultat än sina konkurrenter.
Samtidigt står branschen inför omfattande utmaningar när det gäller att skala upp AI-användningen i en strikt reglerad miljö.
Enligt studien utmärker sig life science-sektorn genom att 43 procent av företagen har nått den högsta nivån av AI-mognad, vilket är över genomsnittet på 35 procent för alla branscher. När man räknar med biotechbolag som nått den näst högsta nivån av AI-mognad handlar det om mer än åtta av tio företag, vilket visar branschens framskjutna position. Studien visar också att hela life science-sektorn aktivt använder eller pilottestar AI inom flera nyckelområden – mer än tre fjärdedelar använder AI för analys av genetisk data för riktade behandlingar, 68 procent gör det inom diagnostik och komplexa analyser av data och 62 procent använder AI inom läkemedelsutveckling och optimering av kliniska prövningar.
– Den här visar att biotechsektorn har kommit rätt långt inom AI-utveckling, men studien blottlägger också de utmaningar branschen står inför. Till skillnad från många andra sektorer måste biotechföretag balansera innovationsförmågor mot regulatoriska krav och säkerställa att AI-lösningar fungerar i komplexa forskningsbaserade miljöer, säger Kevin Cochrane, marknadschef på Vultr.
Studien, som omfattar över två tusen beslutsfattare globalt, identifierar flera avgörande tekniska hinder när en tränad AI-modell gör analyser eller fattar beslut på ny data – så kallad inferens:
• 58 procent rapporterar otillräcklig datorkapacitet för realtidsanalyser.
• 53 procent har problem med fragmenterade data och dåliga anslutningar mellan olika typer av lagringsmiljöer.
• 46 procent brottas med otillräcklig datalagringskapacitet.
• 44 procent har problem med isolerade datasystem.
– Det som utmärker framgångsrika biotechföretag är deras förmåga att bygga en infrastruktur som möter både prestandakrav och regelefterlevnad. Det handlar inte bara om teknisk kapacitet utan om att skapa en miljö där innovation kan samexistera med rigorös kvalitetskontroll och där ligger branschens framtida AI-utmaning, säger Kevin Cochrane.
