CC BY
2Искусственный интеллект, как инструмент снижения операционных расходов фармацевтических компаний
Огарков Алексей Игоревич
независимый исследователь, ogarkov@hotmail.com
Деятельность современных фармацевтических компаний сопряжена с рядом эндогенных и экзогенных рисков и сложностей. В результате многие фармацевтические предприятия оказываются не способными обеспечить высокоэффективную производственно-коммерческую деятельность. Все это вынуждает руководителей фармацевтических компаний предпринимать попытки по эффективизации управления сложными производственными структурами и оптимизации использования финансовых и производственных ресурсов. Требуется постоянное внедрение комплексных инновационных управленческих стратегий, позволяющих максимизировать жизненную ценность продукта на основе совершенствования текущих практик операционной деятельности компании Как показывает передовой опыт мировых фармацевтических «гигантов», особенно важными и перспективными направлениями внедрения выступают технологии, основанные на искусственном интеллекте.
Ключевые слова: фармацевтика, фармацевтическая компания, искусственный интеллект, цифровизация, операционные расходы
Фармацевтическая промышленность представляет собой стратегически важный сектор народного хозяйства: во-первых, данная отрасль способна, за счет масштаба оборотов денежных средств, оказывать положительное влияние на макроэкономическую динамику страны, во-вторых, выпускаемый фармацевтами продукт - лекарственные препараты - представляет собой социально значимую продукцию, применяемую для поддержания качества жизни и здоровья населения. Глобальная тенденция старения населения и усиление политик здравоохранения в развитых и развивающихся странах приводят к тому, что развитие фармацевтики становится одной из приоритетных целей официальных программ и стратегий [1, с. 18].
При этом деятельность современных фармацевтических компаний сопряжена с рядом эндогенных и экзогенных рисков, барьеров, сложностей. Здесь можно отметить, к примеру, такие факторы, как турбулентные условия развития отечественной экономики, разрыв логистических и технологических цепочек вследствие санкционных мер, принятых в отношении России, обостряющаяся конкуренция производителей, ограниченность ресурсов, априорная сложность фармацевтического производства. С трудностями сталкиваются не только российские фармацевты - во всем мире, к примеру, издержки на выпуск новых лекарств многократно возросли, что, в совокупности с возникновением все большего числа компаний-конкурентов, приводит к ощутимому снижению финансовых результатов для большинства производителей и дистрибьюторов лекарственных средств. Фармацевтическая промышленность, кроме того, сталкивается с рядом уникальных отраслевых проблем, включая тщательный контроль со стороны регулирующих органов, сложные методы испытаний, наукоемкость и продолжительность исследований, исключительная зависимость компаний от знаний, компетенций и квалификаций сотрудников [7, с. 62]. Как итог - множество фармацевтических предприятий оказываются не способными обеспечить высокоэффективную производственно-коммерческую деятельность [6, с. 119].
Все это вынуждает руководителей фармацевтических компаний предпринимать попытки по эффективизации управления сложными производственными структурами и оптимизации использования финансовых и производственных ресурсов. Требуется постоянное внедрение комплексных инновационных управленческих стратегий, позволяющих максимизировать жизненную ценность продукта на основе совершенствования текущих практик операционной деятельности компании [1, с. 18]. Это касается фармацевтической компании любого рода (Рис. 1).
Разные типы фармацевтических компаний выполняют разные функции в национальных системах здравоохранения. Представленная выше типология дает представление не только о типах компаний в рассматриваемой нами прикладной отрасли, но и позволяет понять специфику деятельности компании каждого типа и определить спектр видов деятельности и, соответственно, статей оперативных расходов, которые несет та или иная компания.
X X
о
го А с.
X
го т
о
м о м
Сл>
Компании-производители
(полный цикл)
Компании, которые
занимаются клиническими исследованиями
Компании-производители
Компании-дистрибьютеры
Компании-производители дженериков
С п ециализиров анны £
фармацевтические
Исследованиях и разработка новых
лекарств и методов лечения. Поиск новых молекул, проведение клинических испытаний; в данную группу входят биотехнологическне стартапы, которые впоследствии приобретаются более крупными компаниями.
Фа рмацевтическн е ■ Признанные мировые лидеры
"гиганты" ■ фармацевтической промышленности.
Рисунок 1 - Типы фармацевтических компаний Примечание: источник - собственная разработка
IP-телефонией, электронной почтой и корпоративными мес-сенджерами [4, с. 22]. В последующем разрозненные цифровые сервисы стали объединяться в рамках единой CRM- или ERP-системы. На технологическом уровне подобные системы представляют собой набор программ, «связанных единой логикой и интегрированных в единое корпоративное информационное пространство организации» [4, с. 22].
Безусловно, конечной целью любой инновации вступает повышение экономической эффективности [4, с. 51]. Цифровые платформы позволяют сокращать объемы операционных расходов, более рационально расходовать кадровые, сырьевые и технологические ресурсы, повышать общую производительность труда и проводить более качественные маркетинговые и иные исследования. Кроме того, экономия финансовых средств путем оптимизации расходов предоставляет возможность перенаправить ресурсы на цели научных исследований, в разработку новых лекарственных препаратов, во внедрение технологических инноваций, модернизацию оборудования и т. п.
Следует отметить, что на смену автоматизации и цифро-визации фармацевтики приходит эпоха интеллектуализации - активное внедрение технологий, основанных на искусственном интеллекте, во все функциональные аспекты фармацевтической компании.
Мировой рынок технологий искусственного интеллекта, внедряемых на фармацевтическом рынке, в 2022 г. оценивался в 908 млн долл. США; к 2032 г. ожидается, что этот показатель превысит 11 813 млн долл. США; ежегодный прирост в течение десятилетия составит 29,30% (Рис. 2):
CS
о
CS CS
0 ш ÛÛ
1
<
СП
0
1 I
Перед подавляющим большинством фармацевтических компаний - даже компаниями «полного цикла» и «гигантами» - стоит задача повышения эффективности и увеличения маржинальности. Ранее прибыльность фармацевтической компании могла быть обеспечена посредством разработки и вывода на рынок т. н. «блокбастера» - лекарственного средства с инновационными свойствами, качественно превосходящее существующие аналоги или даже не имеющее аналогов в принципе. Сегодня основные типы лекарств для известных науке медицинских состояний уже были выработаны и коммерциализированы, поэтому едва ли можно говорить о возможности выпуска очередного «блокбастера» на рынок - по крайней мере, в ближайшей перспективе.
«Блокбастеры», таким образом, уходят в прошлое, и современные фармацевтические предприятия сталкиваются с проблемами рационализации, повышения эффективности и реинжиниринга бизнес-моделей. В данной связи весьма актуальным представляется внедрение инновационных технологий в различные аспекты функционирования фармацевтического бизнеса. Рассмотрим их подробнее.
Пионером в области внедрения инновационных технологий в секторе фармации стали лабораторные исследования. Компании-«гиганты», а впоследствии и компании среднего и малого размера, стали внедрять информационные системы LIMS (Laboratory information system), позволявшие эффективи-зировать процедуры скрининга, доклинического и клинического биоанализа, процессы в области аналитической химии, систематизировать результаты производственных НИОКР и осуществить контроль качества производства.
Впоследствии фармацевтические компании стали оцифровывать многие другие функции в рамках своих внутренних вертикальных операционных процессов, а также внедрять цифровые платформы для коммуникации с партнерами по цепочке создания стоимости [7, с. 62]. Как и многие другие предприятия, фармацевты стали использовать программы бухгалтерского и складского учета, перешли на электронный документооборот; телефонная и почтовая связь постепенно сменились
Рисунок 2 - Прогнозируемый рост рынка ИИ-технологий в области фармацевтики
Примечание: источник - собственная разработка по материалам [9]
На мировом рынке искусственного интеллекта в рассматриваемой нами отрасли доминирует североамериканский регион (доля рынка - около 44%). В США и Канаде выработана благоприятная нормативно-правовая база, которая позволяет (и даже поощряет) внедрение ИИ в фармацевтическую промышленность. Более того, сказывается присутствие нескольких фармацевтических компаний-«гигантов» в данном регионе. По прогнозам, в скором времени Великобритания, Китай, Южная Корея также займут лидирующие позиции по внедрению искусственного интеллекта в фармацевтической промышленности [10].
По оценкам, более 60% медицинских компаний по всему миру планируют внедрить технологии искусственного интеллекта в течение последующего десятилетия. Ожидается, что ведущие компании фармацевтической отрасли объединятся с ключевыми игроками отрасли искусственного интеллекта с целью внедрения технологий искусственного интеллекта в области открытия, исследования и разработки, а также производства лекарств. Ведущие компании, такие как Pfizer, Sanofi, GSK
и AstraZeneca уже достаточно давно сотрудничают с компаниями, занимающимися искусственным интеллектом [9].
Как показывает передовой опыт мировых фармацевтических «гигантов», особенно важными и перспективными направлениями внедрения интеллектуального инструментария выступают следующие (Рис. 3):
Рисунок 3 - Сферы сокращения оперативных расходов посредством использования искусственного интеллекта в фармацевтическом бизнесе
Примечание: источник - собственная разработка
Рассмотрим некоторые перспективные направления, указанные на Рис. 3, более подробно. Одной из ключевых трудностей в работе фармацевтической компании выступает выведение на рынок лекарственного средства. Весь процесс запуска нового лекарства (не дженерика) занимает около десяти лет и генерирует основную массу операционных расходов фармкомпании. Для того, чтобы разработать и получить разрешение на новый препарат, фармацевтической компании полного цикла требуется около 2,6 млрд. долл США [1, с. 19]. Известно немало случаев, когда фармацевтическая компания практически полностью завершила многолетнюю процедуру запуска лекарства, но на поздних этапах исследования были идентифицированы причины, по которым вывод данного средства на рынок становится невозможным. В таких ситуациях компании сталкиваются с колоссальными финансовыми потерями или даже с банкротством. Следовательно, именно в этой области интеллектуализация будет наиболее рациональной и результативной.
Для того, чтобы определить пути возможной оптимизации оперативных расходов фармкомпании, следует выполнить декомпозицию всего жизненного цикла производства препарата и определить процессы, которые могут быть усилены искусственным интеллектом для сокращения оперативных затрат.
Как известно, на ранних этапах жизненного цикла производства и разработки лекарственного средства проводится маркетинговый анализ и составляются планы и прогнозы в отношении рынка и целевых аудиторий нового препарата. Подобные исследования позволяют получить представление о динамике текущего и будущего спроса, на основании чего можно сформулировать предложение по созданию конкретного препарата или метода лечения определенного заболевания/состояния. Уже сегодня инструменты искусственного интеллекта и дата-аналитики позволяют проводить такие исследования практически без участия человека; кроме того, «машинный разум» способен изучать рынок, составлять прогнозы и формулировать выводы о нишевых пространствах в условиях текущего рынка фармации и, что еще более важно, в условиях рынка следующего десятилетия, когда завершится цикл запуска нового лекарства.
Искусственный интеллект применяется и в последующем - при анализе текущих производственных и исследовательских мощностей, при оценке возможности работы над предложенными в плане проектами, в риск-менеджменте.
Искусственный интеллект внедряют на этапах доклинических (поиск мишени, поиск агента, оптимизация прототипа, тестирование кандидатов в лекарственные средства) и клинических испытаний. Следует сказать, что клинические испытания лекарственного средства занимают наибольшую часть времени разработки препарата и приводят к существенным оперативным расходам. При этом без внедрения инноваций ускорить данный этап за счет ресурсов самой компании не представляется возможным [1, с. 19].
Искусственный интеллект предоставляет необходимые инструменты для решения многих проблем, повышая вероятность успешного проведения клинических испытаний новых лекарственных средств. Искусственный интеллект способен обрабатывать и анализировать колоссальные объемы данных, включая информацию о биологических процессах, структурах молекул и результаты клинических испытаний. Это позволяет ускорить процесс поиска молекул, входящих в состав новых лекарств. С использованием методов машинного обучения и компьютерного моделирования можно предсказывать взаимодействие различных молекул и их влияние на биологические системы. Это позволяет «отсеивать» менее перспективные химические соединения на ранних стадиях исследований.
Технологии, основанные на искусственном интеллекте, в т.ч. Big Data, позволяют проводить детальный анализ данных о потенциальных участниках исследований и тестируемых препаратах с целью подбора наиболее подходящих опций. Как известно, для того, чтобы оптимизировать схему лечения пациента, необходимо обработать огромный массив данных о динамике состояния его здоровья, об имеющихся лекарственных средствах, и предыдущих подходах к лечению, о наследственных факторах, о результатах анализов.
Одной из финальных стадий жизненного цикла лекарственного средства является т.н. «лонч» — «одна из фаз жизненного цикла продукта продолжительностью от 1 года до 3 лет с момента начала коммерческих продаж в стране регистрации» [3, с. 35]. В начале жизненного цикла новому лекарственному средству достаточно тяжело набрать массу продаж : лечащие врачи еще не знают его преимуществ, опасаются экспериментировать, не имея личного опыта работы с препаратом; сами больные также склонны доверять привычным лекарствам. Для того, чтобы облегчить прохождение этапа лонча, можно подключить технологии искусственного интеллекта.
Искусственный интеллект способен анализировать данные о потребителях, их поведении в Сети, медицинских исследованиях и трендах в области здравоохранения. На основе этих данных создаются персонализированные маркетинговые кампании, которые точно нацелены на целевую аудиторию. Алгоритмы машинного обучения могут предсказывать потребительское поведение и реакцию на маркетинговые стратегии. ИИ способен автоматически анализировать эффективность маркетинговых кампаний, выявлять успешные стратегии и корректировать подходы к продвижению лекарства в режиме реальном времени. Таким образом оперативные расходы многократно сокращаются за счет устранения риска диффузии коммуникативных усилий компании по продвижению лекарства на те сегменты потребителей, которые не являются целевой аудиторией продукта.
Наконец, следует отметить интеллектуальные технологии компьютерного зрения, которые внедряются на производственных объектах с целью визуального контроля качества;
О ГО А П.
ГО
m
о
2
О ГО
w
fO
сч о cs
о ш m
X
проверки этикеток и целостности упаковок, сканирования штрих-кодов [5, с. 257]. Так можно сократить расходы на содержание кадров, выполняющих работу, не требующую квалификации. Кроме того, повышение качества контроля отгружаемых в места продажи партий поможет впоследствии сократить расходы на нейтрализацию жалоб и судебных претензий потребителей.
Некоторые фармацевтические компании внедрили искусственный интеллект в работу службы поддержки потребителей (автоответчики, голосовые помощники, чат-боты); другие разрабатывают собственные приложения с элементами гей-мификации [2, с. 28]. Все эти меры в конечном итоге сокращают оперативные расходы - количество человек-операторов служб поддержки сокращается, скорость обработки жалоб и запросов увеличивается.
Можно сказать, что искусственный интеллект можно внедрить на любой стадии жизненного цикла лекарства - от стадии задумки до стадии утилизации отработанной упаковки. Искусственный интеллект позволяет существенно сокращать объемы операционных расходов, оптимизировать обращение с кадровыми, сырьевыми и технологическими ресурсами, реа-лизовывать прецизионные маркетинговые стратегии, повышать производительность труда и проводить более качественные доклинические и клинические исследования.
Литература
1. Белов, М. В. Совершенствование бизнес-процессов фармацевтического предприятия на этапе доклинической разработки лекарственного средства / М. В. Белов, М. А. Шахмура-дян // Бизнес-информатика. - 2019. - №4. - С. 17-27.
2. Васюта, Е. А. Проблемы и перспективы внедрения искусственного интеллекта в медицине / Е. А. Васюта, Т. В. Подольская // Государственное и муниципальное управление. Ученые записки . - 2022. - №1. - С. 25-32.
3.Давыдов, С. A Posteriori: лонч препарата - критический вызов для компании / С. Давыдов // Ремедиум. - 2012. - №5. -С. 35-40.
4. Кахоцкий, П. С. Перспективы внедрения и интеграции сгт-систем в фармации / П. С. Кахоцкий, А. П. Ремпель, Г. А. Хуткина // Вестник фармации. - 2015. - №4 (70). - С. 22-27.
5. Кошечкин, К. А. Цифровая трансформация фармацевтических компаний в условиях импортозамещения / К. А. Кошеч-кин, А. А. Игнатьев, Г. С. Лебедев, Э. Н. Фартушный // Ремедиум. - 2022. - №3. - С. 255-261.
6. Овод, А. И. Оценка эффективности фармацевтического предприятия / А. И. Овод // КНЖ. - 2017. - №3 (20). - С. 119122.
7. Шинкевич, А. И. Роль внедрения цифровых производственных систем на фармацевтическом предприятии / А. И. Шинкевич, Л. Р. Мухаматгалеева, В. И. Бобков // Известия Самарского научного центра РАН. - 2021. - №6. - С. 62-66.
8. Ясинская, Л. Е. Сравнительная характеристика бизнес-моделей лидеров фармацевтического производства: финансовый анализ / Л. Е. Ясинская // Ремедиум. - 2020. - №10. - С. 43-52.
9. AI in Pharmaceutical Market - Global Industry Analysis, Size, Share, Growth, Trends, Regional Outlook, and Forecast 2023.
[Электронный ресурс] - Режим доступа: https://www.precedenceresearch.com/aHn-pharmaceutical-market#:~:text=The%20global%20AI%20in%20pharmaceutical,29 .30%25%20from%202023%20to%202032. - Дата доступа: 15.12.2023.
10. Artificial intelligence in the pharmaceutical industry: analyzing innovation, investment and hiring trends // 2023 [Электронный ресурс] - Режим доступа: https://www.pharmaceutical-technology.com/data-insights/artificial-intelligence-in-pharma/. - Дата доступа: 15.12.2023.
Artificial intelligence as a tool for reducing operating costs of pharmaceutical
companies Ogarkov A.I.
JEL classification: G20, G24, G28, H25, H30, H60, H72, H81, K22, K34
The activities of modern pharmaceutical companies are associated with a number of endogenous and exogenous risks and difficulties. As a result, many pharmaceutical enterprises are unable to provide highly efficient production and commercial activities. All this forces managers of pharmaceutical companies to make attempts to effectively manage complex production structures and optimize the use of financial and production resources. The constant implementation of comprehensive innovative management strategies is required to maximize the life value of the product based on improving the company's current operating practices. As the best practices of the world's pharmaceutical giants show, technologies based on artificial intelligence are especially important and promising areas for implementation. Keywords: pharmaceuticals, pharmaceutical company, artificial intelligence,
digitalization, operating costs References
1. Belov, M. V. Improvement of business processes of a pharmaceutical enterprise at
the stage of preclinical development of a drug / M. V. Belov, M. A. Shakhmuradyan // Business Informatics. - 2019. - No. 4. - pp. 17-27.
2. Vasyuta, E. A. Problems and prospects for introducing artificial intelligence in
medicine / E. A. Vasyuta, T. V. Podolskaya // State and municipal management. Scientific notes. - 2022. - No. 1. - pp. 25-32.
3. Davydov, S. A Posteriori: drug launch is a critical challenge for the company / S.
Davydov // Remedium. - 2012. - No. 5. - P. 35-40.
4. Kakhotsky, P. S. Prospects for the implementation and integration of CRM systems
in pharmacy / P. S. Kakhotsky, A. P. Rempel, G. A. Khutkina // Bulletin of Pharmacy. - 2015. - No. 4 (70). - pp. 22-27.
5. Koshechkin, K. A. Digital transformation of pharmaceutical companies in the
conditions of import substitution / K. A. Koshechkin, A. A. Ignatiev, G. S. Lebedev, E. N. Fartushny // Remedium. - 2022. - No. 3. - pp. 255-261.
6. Ovod, A. I. Assessing the effectiveness of a pharmaceutical enterprise / A. I. Ovod
// KNZh. - 2017. - No. 3 (20). - pp. 119-122.
7. Shinkevich, A. I. The role of introducing digital production systems at a
pharmaceutical enterprise / A. I. Shinkevich, L. R. Mukhamatgaleeva, V. I. Bobkov // News of the Samara Scientific Center of the Russian Academy of Sciences. - 2021. - No. 6. - pp. 62-66.
8. Yasinskaya, L. E. Comparative characteristics of business models of leaders in
pharmaceutical production: financial analysis / L. E. Yasinskaya // Remedium. -2020. - No. 10. - P. 43-52.
9. AI in Pharmaceutical Market - Global Industry Analysis, Size, Share, Growth,
Trends, Regional Outlook, and Forecast 2023. [Electronic resource] - Access mode: https://www.precedenceresearch.com/ai-in-pharmaceutical-
market#:~:tex1=The%20global%20AI%20in%20pharmaceutical,29.30%25%20fr om%202023%20to%202032. - Access date: 12/15/2023.
10. Artificial intelligence in the pharmaceutical industry: analyzing innovation, investment and hiring trends // 2023 [Electronic resource] - Access mode: https://www.pharmaceutical-technology.com/data-insights/artificial-intelligence-in-pharma /. - Access date: 12/15/2023.
<
m о x
X
