Webinar: Generative KI in den Life Sciences

Möchten Sie wissen, wie generative KI schon heute für Übersetzungen in den Life Sciences eingesetzt werden kann? Fragen Sie sich, wie KI-Tools in Zukunft sinnvoll eingesetzt werden können? Und was ist mit potenziellen Risiken und ethischen Fragen? Die Antworten auf diese häufig gestellten Fragen zu generativer KI in den Life Sciences finden sie in diesem Beitrag.

Wie lassen sich generative KI und Life Sciences für Contenterstellung und -optimierung verbinden?

Große Sprachmodelle (Large Language Models, LLM) sind im Wesentlichen Maschinen, die Texte vervollständigen. Sie generieren die am wahrscheinlichsten zu einer bestimmten – auch als Prompt bezeichneten – Eingabe passende Ausgabe. In der Praxis bedeutet dies, dass sie in jeder Situation nützlich sind, in der Zeit für das Verarbeiten und Übermitteln von Daten aufgewendet wird, die dann bei der Entscheidungsfindung und anderen kreativen Prozessen von Menschen fehlt.

Welche Contenttypen eignen sich für den Einsatz generativer KI? Welche Typen sind ungeeignet?

Generell können LLM alles verarbeiten, was auch ein Mensch lesen und verstehen kann. Allerdings unterliegen LLM – zumindest in ihrer derzeitigen Form – Beschränkungen, die mögliche Einsatzbereiche in bestimmten Situationen limitieren. Zum Beispiel ist das kontextuelle Verständnis von LLM begrenzt. Infolgedessen arbeiten sie insbesondere bei sehr langen Prompts bzw. Anweisungsfolgen gelegentlich unzuverlässig. Diese Unzuverlässigkeit tritt auch bei der Validierung von Tatsachenbehauptungen sowie bei Berechnungen und logischen Schlussfolgerungen auf.

Schließlich muss in Abhängigkeit vom Contenttyp auch die Cybersicherheit berücksichtigt werden. Bei Verwendung kommerziell verfügbarer LLM werden die Daten unweigerlich an Systeme von Drittparteien weitergeleitet. Deshalb muss Content, der den folgenden Kriterien entspricht, sorgfältig beurteilt werden:

• Vertraulich
• Eigentumsrechtlich geschützt
• Datenschutzbestimmungen unterliegend

Welche aktuellen Beispiele gibt es für die Anwendung generativer KI in den Life Sciences?

Dieses Segment zeichnet sich durch eine schnelle Innovationsfolge mit deutlichen Trends aus. Bei Lionbridge entwickeln wir Lösungen für das Generieren von Content sowie das Zusammenstellen von Content für bestimmte Märkte oder Zielgruppen. Wir können ein LLM beispielsweise mit geeignetem Input (z. B. Produktinformationen) beauftragen, Content unterschiedlichen Typs zu generieren: Blogbeiträge, Posts für soziale Medien usw. Wir können den Stil dieser Ausgaben nach Bedarf und unter Berücksichtigung der Zielgruppen anpassen. Auf ähnliche Weise kann Content zu Schulungszwecken ohne herkömmliche Quelldokumente erstellt, bearbeitet und angepasst werden.

Außerdem beschäftigen wir uns mit der Frage, wie KI Übersetzungs- und Korrekturworkflows beschleunigen kann, um Verzögerungen bei der Verfügbarkeit von Informationen zu vermeiden. Dieser Einsatzbereich der KI erlaubt es menschlichen Experten, sich auf Entscheidungen zu konzentrieren, die für Qualität sorgen.

Viele unserer Kunden im Bereich der Life Sciences sind derzeit an der Anwendung von KI in verschiedenen Szenarien interessiert – von der Übersetzung klinischer Studien über die Erstellung von Marketingcontent bis hin zu Zusammenfassungen in verständlicher Sprache.

Was sind mögliche zukünftige Anwendungsfälle für generative KI in den Life Sciences?

Innovationen sind künftig dort zu erwarten, wo die Verarbeitung der Daten Zeit in Anspruch nimmt, die menschlichen Experten dann für kreative Prozesse fehlt. Dies gilt für viele unterschiedliche Sprachservices für Life Sciences. Lionbridge untersucht, wie KI diese Aktivitäten optimieren kann:

• Verfassen und Bearbeiten von Zusammenfassungen in verständlicher Sprache
• Schreiben vergleichender Analysen in klinischen Workflows
• Internationale Harmonisierung in Bezug auf die Ergebnisse klinischer Studien

Welche Risiken gibt es beim Einsatz generativer KI in den Life Sciences?

Die LLM-Entwicklung schreitet schnell voran. Dabei weisen die verschiedenen Modelle unterschiedliche Stärken und Schwächen auf. Nachstehend sind einige der derzeit vorliegenden Risiken aufgeführt.

• Faktische Fehler: LLM sollen Antworten generieren. Allerdings können sie den Wahrheitsgehalt der Informationen, mit denen sie trainiert wurden, nicht beurteilen.

• Berechnungen: Die derzeitigen LLM rechnen wirklich schlecht.

• Eingeschränktes Kontextverständnis: Die verfügbaren Rechenressourcen begrenzen das kontextuelle Verständnis von LLM im Rahmen ihrer Interaktionen.

• Datenschutz: KI-Tools entsprechen diesbezüglich anderen Systemen von Drittanbieter, sofern Sie kein eigenes LLM hosten und trainieren. Gehen Sie entsprechend vorsichtig vor und überlegen Sie sich gut, welche Art von Daten Sie an diese Tools übermitteln.

Wie lassen sich Risiken beim Einsatz von KI-Tools für Workflows und Content der Life Sciences minimieren?

Um Risiken beim Verwenden von KI-Tools zu mindern, müssen zunächst alle Benutzer gut unterwiesen werden. Formulieren Sie klare Richtlinien für den richtigen Einsatz von KI. Ermöglichen Sie den Benutzern auußerdem den Zugriff auf zuverlässige und aktuelle Lernressourcen. Die Richtlinien und Schulungsunterlagen müssen den einschlägigen Complianceanforderungen entsprechen. Behörden in der EU und an vielen anderen Orten weltweit erwägen derzeit die Regulierung des Einsatzes von KI.

Wie kann KI die klinische Forschung optimieren?

In diesem Bereich zeichnen sich spannende Entwicklungen ab. So dürfte KI beispielsweise eine immer größere Rolle bei der Auswahl von Molekülen spielen, die potenziell für neue Therapien geeignet sind. Im allgemeinen klinischen Sektor können LLM bei folgenden Aufgaben helfen:

• Assimilierung großer und/oder schlecht strukturierter Datensätze

• Verwaltung und Überwachung von Sicherheitsüberwachungsdaten

• Verringerung des Dokumentationsaufwands und schnellere Entscheidungen in klinischen Sprachworkflows

• Unterstützung bei der Erstellung von Content in verständlicher Sprache sowie verbesserte Barrierefreiheit

• Schnellere Bereitstellung von Schulungs- und Lernressourcen

Welche ethischen Fragen stellen sich im Zusammenhang mit generativer KI in den Life Sciences?

Die generative KI wirft keine wirklich neuen ethischen Fragen auf. Der Einsatz muss aber in jedem Fall sorgfältig geprüft werden. Dies gilt insbesondere für folgende Aspekte:

• Urheberrecht und andere Rechte an geistigem Eigentum in Bezug auf Daten, die für das Training oder für andere KI-Interaktionen verwendet werden

• Einhaltung der ALCOA-Grundsätze bei Bereitstellungen und Integrationen unter Einbeziehung von LLM

• Strikter Schutz der Patientendaten und anderer Daten, die Datenschutzbestimmungen unterliegen

• Erhöhte Vorsicht bei KI-Workflows für klinische Daten

• Erhöhte Vorsicht bei KI-Workflows für Content, auf den Patienten Zugriff erhalten

Wo liegen die Grenzen der generativen KI in den Life Sciences?

Die meisten aktuellen und potenziellen Mängel der KI sind Anbietern von Übersetzungsservices für Life Sciences und klinische Studien bekannt. Dabei handelt es sich jedoch um Fehler, die auch Menschen unterlaufen. Lionbridge hat ein ausgeklügeltes Kontrollsystem entwickelt, um Fehlern – ob von der KI oder von Menschen verursacht – entgegenzuwirken und sie zu vermeiden. Ganz gleich, wie fortschrittlich KI-Tools auch sein mögen: sie werden nie perfekt sein. Unsere Systeme berücksichtigen dies.

Nehmen Sie Kontakt mit uns auf

Möchten Sie KI für die Erstellung und Optimierung von Content und mehrsprachigen klinischen Studien sowie die Übersetzung klinischer Studien einsetzen? Unsere Übersetzungsservices für Life Sciences umfassen innovative und sichere Anwendungen von KI, um Kunden bei Übersetzung, Contenterstellung, Zusammenfassungen in verständlicher Sprache und vielem mehr zu unterstützen. Kontaktieren Sie uns, wenn Sie erfahren möchten, wie wir Ihre sprachlichen Anforderungen erfüllen können.