详细内容或原文请订阅后点击阅览

MSD 探索应用生成式 AI 使用 AWS 服务改进偏差管理流程

2025年11月20日 18:21 33 Comments
X Twitter Instagram Mail

这篇博文探讨了默沙东如何利用生成式人工智能和数据库的力量来优化和转变其制造偏差管理流程。通过创建包含过去事件、偏差和调查结果的准确且多方面的知识库，该公司的目标是显着减少每个新案例所需的时间和精力，同时保持最高的质量和合规标准。

来源:亚马逊云科技 _机器学习
这篇文章是与 MSD 的 Hossein Salami 和 Jwalant Vyas 共同撰写的。 在生物制药行业，生产过程中的偏差受到严格处理。每个偏差都被彻底记录，并仔细检查其各个方面和潜在影响，以帮助确保药品质量、患者安全和合规性。对于领先的制药公司来说，稳健而高效地管理这些偏差对于维持高标准和最大程度地减少干扰至关重要。最近，美国新泽西州拉威市 Merck & Co., Inc. (MSD) 的数字制造数据科学团队认识到，有机会利用矢量数据库和生成式 AI 等新兴技术（由 Amazon Bedrock 和 Amazon OpenSearch 等 AWS 服务提供支持）来简化其偏差管理流程的各个方面。这种创新方法旨在利用组织过去的偏差作为庞大、多样化且可靠的知识源。这些知识可能有助于减少研究和解决每个新偏差所需的时间和资源，并提高效率，方法是利用整个制造网络中类似案例的经验教训，同时保持良好生产规范 (GMP) 要求所要求的严格标准。行业趋势：药品制造中的人工智能制药行业越来越多地转向先进技术来增强其运营的各个方面，从早期药物发现到制造和质量控制。人工智能（尤其是生成式人工智能）在简化复杂流程中的应用是一种日益增长的趋势。许多公司正在探索如何将这些技术应用于传统上需要大量人力专业知识和时间投入的领域，包括上述偏差管理。这种向人工智能辅助流程的转变不仅是为了提高效率，而且是为了提高关键领域结果的质量和一致性
行业 制造 人工智能 认识到 合规性 生成式 领域 所要求的 经验教训 先进技术 利用 Amazon 领先的 高效率 矢量数据 生产过程 所需的 运营的 一致性 仔细检查 结果的 可靠的 增长的 要求的 美国 质量 多样化 数据库 流程 MSD 提高 过去的 新方法 药品 各个方面 偏差 管理 提高效率