使用辉瑞的生成式人工智能，在生命科学领域推动以患者为中心的创新

自 1849 年成立以来，辉瑞一直专注于将科学创新作为核心价值。辉瑞药物科学小分子（PSSM）数据和数字创新主管 Vijay Bulusu 表示：“为了跟上技术步伐，我们必须让员工不断花时间学习 AWS 发布的技术，而通过与 AWS 合作，辉瑞能够留出时间专注于科学，同时又能利用 AWS 所提供新技术的广度和深度

2021 年，辉瑞的 PSSM 团队和 AWS 推出了 PACT，将 AWS 在分析、机器学习、计算、存储、安全和云数据仓库方面的能力应用于辉瑞实验室、临床生产和临床供应链工作。辉瑞的药物开发和临床生产团队提出可行想法，AWS 则通过解决方案架构师和 AWS 原型设计和云工程团队提供技术专业知识。

辉瑞团队可以心无旁骛地高度关注正在进行的技术项目，PACT 负责解决原型设计所需带宽方面的挑战。“通过这种合作，AWS 让原型设计团队融入业务和 IT 团队，从而直接合作应对相关挑战。”Bulusu 表示，“此举能够让我们通过快速学习、提供信息和快速失效机制的周期，快速进行原型设计。”

AWS 专业服务团队是一个全球专家团队，可以帮助组织通过 AWS 实现预期的业务成果，在专家指导下，成功的原型设计将进入最简可行产品（MVP）阶段，并可能进入生产阶段。“对我们而言，最大的价值在于不必使用内部带宽进行评估和原型设计，因为这需要大量的深厚技术知识。”Bulusu 表示，“通过与 AWS 合作，我们可以测试新技术，从而解决挑战并扩展解决方案，无需费心钻研那些我们无法确定是否要继续使用的技术。”

借助 PACT，辉瑞大幅缩短了原型实现 MVP 所需的时间。“假设在我们能找到带宽和具备适当技能人员的前提下，如果我们自行完成这些工作，那么至少需要 3 个月的时间。”Bulusu 表示，“PACT 的原型设计通常不超过 6 周。” PACT 根据创新的预期商业价值来选择用例，重点关注跨内部业务的问题。

首个用例旨在将 1500 名 PSSM 科学家在数据发现上所花费的时间减少多达 80%。开发一种药物大约会生成 2 万份文件，科学家通常必须使用各种工具手动查找数据，才能找到历史数据。早期的实验促成了一项全新 AWS 服务的开发：Amazon Kendra，这是一项智能企业搜索服务，可供组织通过内置连接器在不同的内容存储库中进行搜索。

为了提高搜索能力的效率，PACT 团队现在使用生成式人工智能，通过 Amazon Bedrock 访问 Anthropic 的 Claude 2.1。Amazon Bedrock 是一项完全托管的服务，可提供领先人工智能公司的高性能基础模型。科学家通过名为 Vox 的内部平台访问 Amazon Bedrock，以自然语言提出问题，通过语音命令和聊天机器人进行文档搜索。辉瑞估计，科学家每年可以节省多达 1.6 万小时的数据搜索和提取时间。辉瑞还估计，其基础设施成本将降低 55%。

另一 PACT 原型在辉瑞的便携式连续微型和模块化（PCMM，这是一种生产固体口服药物的连续生产工艺）生产中发现了异常情况。工程师们使用 Amazon SageMaker 构建了 PCMM 异常检测原型，Amazon SageMaker 是一项完全托管的服务，汇集了大量几乎适用于任何用例的高性能、低成本机器学习工具。

当 PCMM 生产中出现异常情况时，辉瑞科学家可以进行检测，预测维护需求，并通过在 AWS 上建立的解决方案的机器学习能力来减少设备停机时间。该解决方案还使用了 Amazon Lookout for Equipment，这是一项机器学习工业设备监控服务，可检测设备异常行为，以便组织采取行动并避免计划外停机时间。解决方案还使用了 Amazon Lookout for Metrics，它可以自动检测指标中的异常并确定其根本原因。最终，这项工作推动了制造分析工具的实施，该工具专门用于处理时间序列数据。“我们的大分子团队现在也在使用这项技术。”Bulusu 表示，“从 PACT 项目中吸取的经验激发了多个辉瑞团队和业务线领域的创新。”

PACT 鼓励辉瑞团队发挥创新热情，即使有的想法尚未成熟。例如，该团队探讨了使用虚拟和增强现实进行训练的想法。“在这个项目中，我们可以快速制作原型，然后发现尚未为这项技术做好充分准备，这就是一个很好的例子。”Bulusu 表示，“通过此类原型设计实验，我们可以经历快速学习和快速失效机制，这对我们而言是一大益处。”