“Patiënten verdienen beter dan 12 tot 15 jaar te moeten wachten op een nieuw geneesmiddel dat op de markt komt. We hebben AI nodig om daar verandering in te brengen”, aldus Dr. Patrick Schorderet, Global Head of AI Execution bij Novo Nordisk Research and Development. In een interview voor ICT&Health Global legt hij uit hoe de farmaceutische industrie AI toepast en waarom het bedrijf van plan is om in 2026 meer data te genereren dan in de afgelopen 50 jaar.
De farmaceutische sector scoort verrassend laag op het gebied van publiek vertrouwen, zelfs lager dan de olie- en gassector. Kan kunstmatige intelligentie helpen om het vertrouwen te herstellen, en waar moet de farmaceutische industrie beginnen?
Het is interessant om te zien dat het publiek – inclusief de patiënten – de farmaceutische sector als onderdeel van het probleem ziet, in plaats van als onderdeel van de oplossing. Dat is in veel opzichten een les in nederigheid. Het is een roep om hulp. Het is een duidelijke boodschap dat patiënten meer van ons verdienen. Het goede nieuws is dat wij de kaarten in handen hebben – en AI zal ons helpen om beter te worden.
In veel lage- en middeninkomenslanden (LMIC's) is de belangrijkste uitdaging bijvoorbeeld de toegang tot gezondheidszorg. Mensen wonen misschien op enkele uren rijden van de dichtstbijzijnde kliniek of het dichtstbijzijnde ziekenhuis, maar velen hebben een smartphone, wat een fantastische kans biedt. Stel je een wereld voor waarin patiënten in afgelegen gebieden, in plaats van urenlang te reizen, toegang hebben tot op AI gebaseerde diagnostiek en zorgplannen die zijn ontwikkeld en gecontroleerd door de beste artsen. Een jong meisje in de Tibetaanse wildernis zou toegang hebben tot dezelfde zorg als een welgesteld persoon in Londen. De zorg wordt naar de patiënt gebracht. Het wordt dichterbij. Inclusiever. Betrouwbaarder.
Aan de andere kant, terwijl toegang tot zorg de grootste uitdaging is in LMIC's, vragen regio's met een hoog inkomen om betere toegang tot innovatie en meer transparantie over de kosten.
Patiënten verdienen meer dan 12-15 jaar te moeten wachten tot een nieuw medicijn op de markt komt. De farmaceutische industrie moet, samen met de hele gezondheidszorgsector, beter presteren. Het probleem is dat de huidige processen om geneesmiddelen bij patiënten te brengen al meer dan honderd jaar te veel zijn geoptimaliseerd, dus we moeten niet verwachten dat daar verandering in komt. De afgelopen tien jaar heeft kunstmatige intelligentie echter een enorme vlucht genomen dankzij de opkomst van technologie en de toegang tot high-performance computing, en heeft het een enorm potentieel om het volgende paradigma te stimuleren.
Op het gebied van transparantie valt er veel te bespreken, maar laten we dat voor een ander interview bewaren.
Veel farmaceutische bedrijven hebben nu digitale strategieën. Hoe volwassen is de toepassing van AI in de sector? Wat werkt goed en waar ziet u beperkingen?
Farmaceutische bedrijven blijven over het algemeen erg vastgeroest in hun eigen werkwijzen, wat de belangrijkste reden is dat wanneer technologische disruptors verschijnen, de acceptatie en schaalbaarheid een uitdaging blijven. Niet omdat bedrijven niet bereid zijn, maar omdat het moeilijk is om iets te zijn wat je niet bent. Alles wat met de implementatie van geavanceerde technologische innovatie te maken heeft, is nieuw voor de farmaceutische sector. Van de mensen die je in dienst neemt tot de manier waarop je investeringen beheert.
Bekijk het eens op deze manier: het is niet omdat je een uitstekende hardloper bent, dat je ook een uitstekende triatleet bent. Je hebt fundamenteel andere vaardigheden nodig. Aan de positieve kant helpt het wel dat je een goede hardloper bent, omdat je dan verstand hebt van training, voeding en toewijding. Het verschil zit hem in hoe je die kennis toepast om een even goede zwemmer en fietser te worden. Hetzelfde geldt voor de farmaceutische sector. Wij begrijpen biologie en chemie als geen andere sector, maar we staan nog maar aan het begin van onze kennismaking met AI. En dat zal tijd kosten.
Onze aanpak is om een duidelijke strategie te hebben. Bepaal waar u wilt spelen en hoe u wilt winnen. De eerste vraag die ik altijd stel is: is uw doel om te digitaliseren of om digitaal te transformeren? Simpel gezegd is digitaliseren alles wat u sneller en efficiënter maakt. Microsoft Copilot is een goed voorbeeld. Je verandert niet de manier waarop je dingen doet, maar je wordt een stuk beter in de dingen die je al doet. Bedrijven beginnen hier vaak mee omdat het een stuk makkelijker is. Het ligt dichter bij huis. Het zal je bedrijf de komende 50 jaar ook niet overeind houden. Blockbuster investeerde veel in het verbeteren van de ervaring. Geautomatiseerd zoeken in hun fysieke winkel.
Online beschikbaarheidinformatie. Het heeft hen niet kunnen redden van de ondergang door streamingdiensten, waardoor de filmverhuurindustrie een digitale transformatie heeft ondergaan. Het gaat erom hoe je op een fundamenteel andere manier aan de behoeften van je klanten kunt voldoen. Uiteindelijk willen onze patiënten medicijnen die werken. Het maakt hen niet uit hoe we dat bereiken.
Dit is een belangrijk gesprek om te voeren. Beslis of je dingen beter wilt doen of betere dingen wilt doen. En zet je daar dan voor in.
Je beweert dat culturele barrières het belangrijkste obstakel zijn voor het opschalen van AI in de farmaceutische industrie. Wat bedoel je met ‘organisatiecultuur in de farmaceutische industrie’ en hoe kan dit worden aangepakt?
De beste medicijnen zijn de medicijnen die mensen innemen. Evenzo zijn de beste digitale oplossingen de digitale oplossingen die mensen gebruiken. De uitdaging bij technologische innovatie is dat de implementatie ervan binnen een bestaande cultuur botst met de cultuur zelf. Laat me het uitleggen: de cultuur van technologische leiders, die je de facto van buitenaf moet halen, verschilt fundamenteel van de bedrijfscultuur. Ze zien de wereld misschien op dezelfde manier, maar ze spreken verschillende talen.
Daarom is het essentieel om beide werelden te combineren door oplossingen te ontwikkelen die zakelijke problemen oplossen, en niet alleen coole technische snufjes. Je hebt mensen nodig die de kloof kunnen overbruggen. Geef beide kanten energie. Wees echt tweeledige leiders. Door mede-eigendom af te dwingen, zorg je ervoor dat de kloof tussen technologie en wetenschap kleiner wordt in plaats van groter. Ik zeg altijd tegen mijn team dat als iets mislukt, er iemand in het bedrijf moet zijn die er genoeg om geeft om je te bellen en samen een plan B te bedenken. De rest is luchtkasteels bouwen.
Wat is het ‘boemerangmodel voor innovatie’ dat je hebt gepresenteerd op de conferentie ‘AI in Health’, en hoe verklaart dit de uitdagingen van het opschalen van AI?
Het boemerangmodel is een simplistische weergave van het pad dat veel bedrijven volgen wanneer ze technologie in hun bedrijf willen implementeren. Het beschrijft hoe digitale volwassenheid verband houdt met organisatorische constructies. Kort samengevat vindt technologische innovatie in het begin decentraal plaats. Denk aan de eerste persoon in je team die je kantoor binnenstormde om zijn enthousiasme over ChatGPT te delen. De disruptors zijn overal. Het is vaak rommelig omdat deze mensen zich alleen voelen. Verspreid.
Naarmate het bedrijf volwassen wordt, probeert het synergieën tussen deze gelijkgestemde individuen te benutten door ze te centraliseren. Eerst in centres of excellence (CoE). Later in innovatiefuncties, waarbij soms zelfs een chief digital officer wordt aangesteld. Maar naarmate deze groep zich uitbreidt en groeit – en extern personeel aanneemt – wordt de kloof met het bedrijf steeds duidelijker. De doorlooptijden worden langer. Plotseling moet je een ticket openen om iets eenvoudigs gedaan te krijgen. Het bedrijf raakt steeds meer gefrustreerd, totdat het besluit om zelf digitaal onderlegde mensen aan te nemen om aan hun eigen behoeften te voldoen. Innovatie wordt opnieuw gedecentraliseerd terwijl de volwassenheid toeneemt, met als heilige graal een volledig gedecentraliseerd digitaal personeelsbestand. Dit is echter een generatiekwestie, dus ik verwacht niet dat dit van de ene op de andere dag zal gebeuren, zeker niet in de farmaceutische industrie.
Het goede nieuws is dat er geen goed alternatief is. Er zijn geen snelkoppelingen. Ik raad dus aan om je bewust te zijn van het boemerangmodel, maar er niet te intellectueel over te doen.
Laten we het hebben over data voor AI. Welke praktische stappen moeten farmaceutische bedrijven nemen om data voor schaalbare AI voor te bereiden?
Als ik met topmanagers spreek, krijg ik vaak de vraag wat er nodig is om AI een verschil te laten maken, en mijn antwoord is altijd hetzelfde: data. Dit leidt tot dezelfde reactie: “We hebben meer data dan welke concurrent in de sector dan ook, dus we moeten wel winnen.” Wat bedrijven vaak niet begrijpen, is dat data van oudsher wordt gegenereerd om regelgevende instanties in staat te stellen te beslissen of medicijn A beter is dan medicijn B. Zo werkt de ontwikkeling van medicijnen. Aan de andere kant moet AI worden getraind op basis van veel data. Het heeft herhaling nodig. Het heeft hard werken nodig. En vaak is de hoeveelheid ‘historische’ data niet voldoende en moeilijk te beheren. Excel-sheets of CSV-bestanden zijn de norm, opgeslagen op een pc ergens ter wereld, zonder wereldwijde toegang. Verouderde infrastructuur en systemen. Hoe kan het dat de meest efficiënte manier om gegevens te delen in veel internationale bedrijven is om een medewerker te vragen 20 harde schijven in een koffer te stoppen en naar een locatie te vliegen? Dit is geen parabel. Het is helaas een voorbeeld uit het echte leven.
In het tijdperk van AI is het essentieel dat bedrijven hun manier van werken aanpassen en beginnen met het genereren van machine-ready data, niet als een bijzaak, maar als een kernprincipe en doelstelling.
Ik zeg ook niet dat historische gegevens niet nuttig zijn – dat kunnen ze wel degelijk zijn. Maar in een wereld waarin we in één jaar meer gegevens kunnen genereren dan de gecombineerde gegevenspool van 100 jaar, moet het cureren en voorbereiden van historische gegevens, wat tijdrovend en duur is, bewust en doelgericht gebeuren en een echt bedrijfsdoel dienen.
AI-startups betreden met veel elan de farmaceutische sector. Is dit de juiste weg voor innovatie in een sterk gereguleerde sector met hoge veiligheidsnormen?
De meeste farmaceutische bedrijven zullen farmaceutische bedrijven blijven. Aangedreven door AI. Het zijn geen AI-bedrijven op zich. Tegelijkertijd ligt het tempo van innovatie ver boven wat farmaceutische bedrijven gewend zijn. Om dit in perspectief te plaatsen: de tijd tussen chipgeneraties of LLM's is ongeveer 12-18 maanden, terwijl dat bij farmaceutische bedrijven 5-10 jaar is.
Daarom is het essentieel dat farmaceutische bedrijven de kracht opbouwen om externe innovatie te kunnen opnemen en inzetten. Snelle due diligence, druktesten, besluitvorming. Het opbouwen van dit vliegwiel biedt het beste van twee werelden. We kunnen ons concentreren op waar we het beste in zijn en tegelijkertijd profiteren van het snel veranderende technologische ecosysteem.
Hoe ziet u de farmaceutische industrie in 2040?
Veel mensen zeggen al tien jaar dat we op een keerpunt staan. Ik geloof dat dat nu eindelijk zo is, om drie belangrijke redenen. Ten eerste is dankzij enorme investeringen in technologieleveranciers brede toegang tot high-performance computing over het algemeen geen probleem meer. Ten tweede heeft de algoritmische architectuur de afgelopen tien jaar aanzienlijke vooruitgang geboekt, met ontwikkelingen zoals neurale netwerken, transformers, taalmodellen, diffusiemodellen en multimodaliteit, waaronder chain-of-thought-redenering. Ten derde stellen automatisering en robotica ons in staat om datageneratie op een ongekende schaal te realiseren, wat de hoeksteen vormt van de impact van AI.
Hoewel de technologische revolutie een feit is, zal de impact van AI worden bepaald door de mensen. Dit is het enige dat me 's nachts wakker houdt. Om de voordelen van AI voor patiënten te kunnen benutten, moeten we investeren in de ontwikkeling van meertalig talent: mensen die verschillende talen begrijpen en die een brug kunnen slaan tussen technologische toepassingen en uitdagingen in de praktijk. Als we dit in de komende jaren 100 keer kunnen opschalen, wat ik zeker weet dat we kunnen, verwacht ik oprecht dat tegen 2040 de gemiddelde levenscyclus van geneesmiddelen gehalveerd kan worden. Uiteraard alleen als de rest van de industrie zich hieraan aanpast, inclusief regelgevers en betalers.
