Novo Nordisk підключає AI-агентів до розробки лекарських засобів
Novo Nordisk та AWS відкрили спільний AI-хаб у Лондоні та розпочали використання AI-агентів для пошуку нових мишеней та проектування терапій у розробці лекарень. Це прискорює виявлення лекарень та зменшує витрати на доклінічні та клінічні етапи, підвищуючи конкурентоспроможність компанії у фармацевтичному секторі.
💰 AI-агенти вже показують ефективність у Novo Nordisk, скорочуючи підготовку документації на 90% — це готовий інструмент для фармачних компаній з доступом до хмарних ресурсів та даними.
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Більше 25 тисяч співробітників Novo Nordisk отримали доступ до генеративних інструментів на базі Claude для внутрішніх завдань.
- •Одна система на базі Claude скоротила підготовку частини клінічної документації на 90% без зміни якості.
- •У спільному AI-хабі у Лондоні інженeri AWS та вчені Novo Nordisk працюють над інтеграцією AI-агентів у наукові workflow для аналізу геномних та медичних даних.
- •AI-агенти будуть шукати перспективні молекули, ранжувати кандидати та передавати найкращі варіанти на лабораторні випробування.
- •Проект передбачає регулярний перегляд результатів кожні місяці для оптимізації пошуку нових терапєв та скорочення циклу розробки лекарень.
Як це змінить ваш ринок?
У фармацевтичній індустрії основним блоком є довгий і дорогий процес пошуку нових мишеней та передоклінічного вивчення, який може тривати до шість років і коштувати сотні мільйонів доларів. Впровадження AI-агентів дозволяє скоротити цей етап на 30-50%, зменшуючи фінансові ризики та прискорюючи вихід нових лекарень на ринок.
Для кого це і за яких умов
Для ефективного використання подібного рішення компанії потрібна доступ до хмарних платформ типу AWS або аналогів, команда биоінформатиків та данових вчених (мінімум 5 фахівців), бюджет на хмарні ресурси та розробку від $500 000 до $2 мільйонів річне, а також внутрішні дані геноміки та клінічних досліджень. Масштаб: від 500 співробітників у дослідньово-розробковому підрозділі, час впровадження — від 6 до 12 місяців для pilot-проекту та інтеграції з існуючими системами.
Альтернативи
| Продукт | Ціна | Де працює | Мін. вимоги | Ключова різниця |
|---|---|---|---|---|
| Google Cloud Life Sciences | дані не розкриті | Google Cloud Platform (GCP) | Потребно мати обліковий запис GCP та доступ до BigQuery та геномічних даних | Спеціалізовані інструменти для аналізу ДНК та співпраця з Broad Institute |
| IBM Watson Health | дані не розкриті | IBM Cloud | Потребно мати обліковий запис IBM Cloud та ліцензію на Watson AI моделі | Глибока інтеграція з електронними картками пацієнтів та підтримка регуляторних вимог |
| Microsoft Azure AI for Health | дані не розкриті | Microsoft Azure | Потребно мати Azure subscription та доступ до Azure Machine Learning та FHIR сервісів | Вбудовані шаблони для клінічних досліджень та безпечна робота з захищеними даними (HIPAA) |
💬 Часті запитання
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Навчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiupskill.live