Webbinarium om generativ AI och Life Sciences

Är du intresserad av aktuella användningsområden för generativ AI vid översättning för Life Sciences? Funderar du över hur AI-verktyg kan komma till nytta i framtiden? Vill du veta mer om potentiella risker och etiska ställningstaganden? Nedan hittar du svaren på dessa vanliga frågor om generativ AI och Life Sciences.

Hur kan vi använda generativ AI inom Life Sciences för att producera och optimera innehåll?

Kom ihåg att stora språkmodeller (LLM) i princip bara är textproduktionsmaskiner. De skapar det mest sannolika innehållet utifrån given information eller prompt. I praktiken innebär det att de är användbara i alla situationer där ”informationsarbete”, det vill säga den tid som ägnas åt att sammanställa och förmedla information, kommer i vägen för beslutsfattande, kreativitet och andra av människans viktiga uppgifter.

Vilka typer av innehåll lämpar sig för bearbetning med generativ AI? Och vilka gör det inte?

Man kan säga att en LLM kan läsa och förstå på samma sorters innehåll som en människa. Åtminstone i sin nuvarande form har LLM dock begränsningar beroende på vilken situation de ska användas för. Till exempel har LLM ett begränsat ”sammanhangsfönster”. Det leder till att de kan ge opålitliga resultat om de får väldigt långa instruktioner. Dessutom går det inte att lita på att LLM kontrollerar faktauppgifter och de har begränsad förmåga att utföra beräkningar eller resonera på ett logiskt sätt.

Slutligen behöver man ta hänsyn till cybersäkerheten vid vissa typer av innehåll. Vid användning av kommersiella LLM överförs information till tredjepartssystem. Därför är det viktigt att vara försiktig och tänka efter ordentligt om innehållet är:

• Konfidentiellt
• Patenterat eller skyddat
• Underställt sekretessförordningar.

Hur används generativ AI inom Life Sciences i dag?

Det här är ett område under snabb förändring, men vi kan se vissa tydliga trender. På Lionbridge tar vi fram lösningar för att skapa eller göra en ny tagning på nytt innehåll för specifika marknader eller målgrupper. Med utgångspunkt i en lämplig källtext (som ett produktblad) kan vi till exempel instruera en LLM att generera flera typer av innehåll, allt från blogginlägg till korta inlägg för sociala medier. Vi kan anpassa stilen i innehållet efter behov, utifrån målgruppens specifika krav. På liknande sätt kan instruktioner genereras, ändras och anpassas utan traditionella källdokument.

Vi undersöker också hur AI kan ge snabbare arbetsflöden för översättning och språkgranskning och minska ”informationsfriktion”. Om AI används på det här området kan mänskliga experter få mer tid att fokusera på beslut som i slutändan höjer kvaliteten.

Lionbridges team för språktjänster till Life Sciences har för närvarande kunder som vill använda AI inom olika områden, allt från översättning inom klinisk forskning till marknadsföring och allmänspråkliga sammanfattningar.

Vilka potentiella användningsområden finns det för generativ AI inom Life Sciences?

I framtiden kommer innovationer förmodligen dyka upp på områden där ”informationsarbete” sätter käppar i hjulet för de mål som mänskliga experter vill uppnå. Det gäller många språktjänster för Life Sciences. Lionbridge undersöker just nu hur AI kan snabba på följande arbetsuppgifter:

• Skriva och redigera allmänspråkliga sammanfattningar.
• Skriva jämförande granskningar i arbetsflöden för klinisk forskning.
• Uppnå internationell harmonisering vid kliniska utfallsbedömningar.

Vilka risker finns det med att kombinera generativ AI och Life Sciences?

LLM utvecklas i hög takt och de modeller som presenteras har olika styrkor och svagheter. För närvarande ser vi följande generella risker.

• Faktafel: LLM är designade för att producera svar. De kan inte bedöma om informationen de har tränats med är korrekt.

• Beräkningar: Dagens LLM är anmärkningsvärt dåliga på att räkna.

• Begränsat sammanhangsfönster: De beräkningsresurser som är tillgängliga i dag begränsar storleken på det ”sammanhangsfönster” som en LLM kan hålla öppet under interaktioner.

• Dataskydd: AI-verktyg är precis som alla andra tredjepartssystem, om du inte själv är värd för och tränar din LLM. Var försiktig och tänk efter ordentligt innan du överför information till dem.

Hur kan du hantera och minska riskerna med att använda AI-verktyg till arbetsflöden och innehåll inom Life Sciences?

Minska riskerna med att använda AI-verktyg genom att se till att samtliga användare är väl informerade. Ta fram tydliga regler för användningen av AI och ge användarna tillgång till tillförlitligt och uppdaterat utbildningsmaterial. Reglerna och utbildningsresurserna bör stämma överens med aktuella efterlevnadskrav. Både EU:s myndigheter och andra tillsynsmyndigheter funderar redan på att införa AI-förordningar.

Hur kan AI optimera klinisk forskning?

Det sker hela tiden nya, spännande framsteg på det här området. Till exempel ser det ut som om AI kommer att spela en allt viktigare roll vid valet av molekylkandidater till nya behandlingsformer. I hela den kliniska sektorn kan LLM bidra med att

• sammanställa stora och/eller dåligt organiserade datauppsättningar

• hantera och övervaka säkerhetsövervakningsinformation

• minska dokumentationsarbete och bidra till snabbare beslutsprocesser i språkarbetsflöden inom klinisk forskning

• hjälpa till att skriva allmänspråkligt innehåll och göra det mer lättillgängligt

• möjliggöra snabbare implementering av tränings- och utbildningsresurser.

Vilka etiska frågeställningar väcker användningen av generativ AI inom Life Sciences?

Generativ AI skapar inte nödvändigtvis några nya etiska utmaningar. Trots det bör användningen granskas noggrant. Områden som är särskilt viktiga att undersöka är

• vem som har skrivit och äger den immateriella egendom som används för att träna AI och vid andra AI-interaktioner

• att ALCOA-principerna följs vid implementeringar och integreringar som omfattar LLM

• robust skydd av patientuppgifter och annan information som omfattas av dataskyddsförordningar

• förhöjd vaksamhet vid AI-arbetsflöden som innehåller klinisk information

• förhöjd vaksamhet vid AI-arbetsflöden som inbegriper innehåll som vänder sig till patienten.

Vilka begränsningar finns det för användningen av generativ AI inom Life Sciences?

De flesta av AI:s nuvarande och potentiella tillkortakommanden är välkända bland leverantörer av översättningstjänster för Life Sciences och kliniska prövningar. Det rör sig om samma slags misstag som en människa kan begå. Lionbridge har tagit fram ett sofistikerat system med kontroller och avstämningar för att motverka och förhindra misstag, oavsett om de orsakas av AI eller den mänskliga faktorn. Det spelar ingen roll hur avancerade AI-verktygen blir – de kommer ändå fortsätta göra fel. Våra system hanterar (eller förhindrar) dem.

Kontakta oss

Är du intresserad av att införa AI i ditt arbetsflöde för produktion och optimering av innehåll, flerspråkiga kliniska prövningar och översättning för kliniska prövningar? Lionbridges översättningstjänster för Life Sciences använder AI på ett säkert och innovativt sätt för att leda våra kunder genom hela processen med att skapa och översätta innehåll, skriva allmänspråkliga sammanfattningar med mera. Kontakta oss för att se hur vårt team kan tillgodose dina språkbehov.