द्वारा Maksym Misichenko · Yahoo Finance ·
AI एजेंट इस खबर के बारे में क्या सोचते हैं
जॉनसन एंड जॉनसन की दवा खोज में AI प्रगति, विशेष रूप से लीड ऑप्टिमाइज़ेशन समय को आधा करना और नियामक दस्तावेज़ तैयार करने के समय को काफी कम करना, आम तौर पर सकारात्मक रूप से देखा जाता है। हालांकि, पैनलिस्ट सहमत हैं कि वास्तविक मूल्य इस बात में निहित है कि क्या ये सुधार अधिक FDA अनुमोदन या बाद के चरण के परीक्षणों में उच्च सफलता दर में तब्दील होते हैं।
जोखिम: AI उपकरणों पर अत्यधिक निर्भरता से लीड की गलत प्राथमिकता या गलत नकारात्मक हो सकते हैं, जिससे निवेशित पूंजी पर रिटर्न (ROIC) का क्षरण हो सकता है।
अवसर: AI को 'इन सिलिको में तेजी से असफल होने' के लिए सफलतापूर्वक लागू करना, बर्बाद चरण II उम्मीदवारों पर 'डूबे हुए लागत भ्रम' खर्च को कम करना और उच्च-संभावना वाली संपत्तियों के लिए R&D पूंजी का संरक्षण करना।
यह विश्लेषण StockScreener पाइपलाइन द्वारा उत्पन्न होता है — चार प्रमुख LLM (Claude, GPT, Gemini, Grok) समान प्रॉम्प्ट प्राप्त करते हैं और अंतर्निहित भ्रम-विरोधी सुरक्षा के साथ आते हैं। पद्धति पढ़ें →
माइकल एरमैन द्वारा
न्यूयॉर्क, 27 अप्रैल (रॉयटर्स) - जॉनसन एंड जॉनसन (जेएनजे) कृत्रिम बुद्धिमत्ता का उपयोग करके दवाओं के विकास के लिए नए लीड उत्पन्न करने में लगने वाले समय को आधा कर रहा है, कंपनी के मुख्य सूचना अधिकारी ने सोमवार को कहा।
एआई का उपयोग करके पूरी तरह से नए उत्पादों की खोज करना और उन्हें बाजार में लाना अभी संभव नहीं है, लेकिन जेएंडजे आशाजनक रासायनिक यौगिकों या बायोलॉजिक्स के लिए "संभावित ब्रह्मांड" की जांच के लिए नई तकनीक का उपयोग कर रहा है, सीआईओ जिम स्वानसन ने न्यूयॉर्क में रॉयटर्स मोमेंटम एआई कार्यक्रम में कहा।
"यह अभी भी दूर है, लेकिन हम अनुकूलन कर सकते हैं," स्वानसन ने कहा। "हमने अपने लीड ऑप्टिमाइज़ेशन समय को आधा कर दिया है।"
न्यू जर्सी स्थित दवा और चिकित्सा उपकरण कंपनी एआई के प्रति अधिक केंद्रित दृष्टिकोण की ओर काम कर रही है, जो एआई-सक्षम उत्पादों, दवा विकास और आपूर्ति श्रृंखला अनुकूलन जैसी मुख्य प्रक्रियाओं पर ध्यान केंद्रित कर रही है।
"हम कैंसर का इलाज करने की कोशिश कर रहे हैं," स्वानसन ने कहा। "हमें ऐसा करने के लिए हर उस उपकरण की आवश्यकता है जिसका हम लाभ उठा सकें।"
उन्होंने कहा कि एआई विनिर्माण में भी उपयोगी है। यह तकनीक उचित समय और तापमान पर विलायक कब जोड़ना है, यह निर्धारित करने में मदद कर रही है।
स्वानसन ने कहा कि जेएंडजे नियामकों के लिए दस्तावेजों की तैयारी को सुव्यवस्थित करने के लिए भी एआई का उपयोग कर रहा है। उन्होंने कहा कि एक नैदानिक परीक्षण रिपोर्ट के लिए पारंपरिक प्रक्रिया में 700 से 900 घंटे लग सकते हैं।
स्वानसन ने कहा कि वह समय "700 घंटे से लगभग 15 मिनट" तक चला गया है।
स्वानसन ने कहा कि लोगों को तकनीक से बदले जाने के बजाय, वह एआई का उपयोग कंपनी के कर्मचारियों के लिए एक अतिरिक्त कौशल के रूप में देखते हैं। जेएंडजे में वर्तमान में लगभग 4,000 सूचना प्रौद्योगिकी कर्मचारी हैं।
"एक सॉफ्टवेयर इंजीनियर को बदला नहीं जा रहा है, अब उनकी भूमिका का विस्तार हो रहा है," उन्होंने कहा। "हमारा ध्यान कौशल पर बना हुआ है। ये 'और' कौशल हैं, 'या' कौशल नहीं।"
(माइकल एरमैन द्वारा रिपोर्टिंग क्रिस प्रेंटिस द्वारा लेखन क्रिस प्रेंटिस द्वारा संपादन कैरोइन हूमर और बिल बर्कॉट द्वारा)
चार प्रमुख AI मॉडल इस लेख पर चर्चा करते हैं
"AI-संचालित नियामक स्वचालन से परिचालन लाभ संभवतः JNJ के देर-चरण पाइपलाइन के लिए उच्च R&D ROI और तेजी से समय-से-बाजार को बढ़ावा देगा।"
JNJ का लीड ऑप्टिमाइज़ेशन समय 50% तक कम करने का दावा एक महत्वपूर्ण परिचालन दक्षता जीत है, लेकिन निवेशकों को 'स्पीड टू लीड' और 'प्रोबेबिलिटी ऑफ सक्सेस' के बीच अंतर करना चाहिए। दवा की खोज एक उच्च-विफलता-दर फ़नल है; यौगिकों की पहचान में तेजी लाना तभी मूल्यवान है जब यह नैदानिक परीक्षणों में प्रवेश करने वाले उम्मीदवारों की गुणवत्ता में सुधार करता है। यहां वास्तविक अल्फा नियामक दस्तावेज़ीकरण में कमी में निहित है - 900 घंटे को 15 मिनट तक कम करना SG&A ओवरहेड और समय-से-बाजार में एक बड़ी कमी है। यदि JNJ अपने पूरे पाइपलाइन में नियामक सबमिशन चक्र को संपीड़ित कर सकता है, तो हम शुद्ध मार्जिन में एक सार्थक विस्तार और R&D खर्च पर NPV की तेजी से प्राप्ति देख सकते हैं।
नियामक रिपोर्टिंग के लिए '700 घंटे से 15 मिनट' का दावा संभवतः प्रारंभिक मसौदे को संदर्भित करता है, जिसमें FDA अनुपालन के लिए आवश्यक मानव-इन-द-लूप सत्यापन की भारी मात्रा को नजरअंदाज किया जाता है, जिससे 'AI-hallucinated' त्रुटियां हो सकती हैं जो नियामक देरी या जुर्माना को ट्रिगर कर सकती हैं।
"R&D और विनिर्माण में JNJ की मान्य AI दक्षता 3 वर्षों में पाइपलाइन मूल्य प्राप्ति को 20-30% तक तेज कर सकती है।"
JNJ की AI जीत ठोस और विश्वसनीय हैं: लीड ऑप्टिमाइज़ेशन समय को आधा करने से विशाल रासायनिक/जैविक स्थानों को तेजी से स्क्रीन किया जाता है, जबकि नैदानिक परीक्षण रिपोर्ट को 700-900 घंटे से 15 मिनट तक कम करने से वैज्ञानिकों को नवाचार के लिए मुक्त किया जाता है। विनिर्माण परिशुद्धता (जैसे, विलायक समय) और आपूर्ति श्रृंखला समायोजन 2 वर्षों में EBITDA मार्जिन को 1-2pp तक बढ़ा सकते हैं। ऑन्कोलॉजी फोकस JNJ के $15B+ पाइपलाइन के अनुरूप है; 4,000 आईटी कर्मचारियों को अपस्किल करने से व्यवधान से बचा जाता है। कहीं और के वेपरवेयर के विपरीत, ये CIO-सत्यापित पायलट हैं जो अब स्केल कर रहे हैं - पेटेंट क्लिफ के बीच R&D NPV अपलिफ्ट के लिए बुलिश संकेत। PFE जैसे साथियों ने प्रकट AI गहराई में पिछड़ गए हैं।
ये संकीर्ण अनुकूलन हैं, डी नोवो खोज नहीं जिसे स्वानसन स्वीकार करता है कि 'एक लंबा रास्ता तय करना है', और फार्मा का AI ट्रैक रिकॉर्ड खराब है जिसमें शोर डेटा से उच्च विफलता दर और AI-मान्यता प्राप्त सबमिशन पर FDA की संदेह है।
"J&J ने दवा खोज के *इनपुट* पक्ष को अनुकूलित किया है (तेजी से लीड जनरेशन) लेकिन लेख कोई सबूत नहीं देता है कि यह 10-15 साल के नैदानिक विकास चक्र को कम करता है या अनुमोदन संभावनाओं में सुधार करता है, जो वे मेट्रिक्स हैं जो वास्तव में शेयरधारक मूल्य को चलाते हैं।"
J&J की AI जीत वास्तविक लेकिन संकीर्ण रूप से दायरे में हैं। लीड ऑप्टिमाइज़ेशन समय को आधा करना R&D वेग के लिए महत्वपूर्ण है, लेकिन लेख दो बहुत अलग चीजों को मिलाता है: यौगिकों की स्क्रीनिंग (वृद्धिशील दक्षता) बनाम उपन्यास दवाओं की खोज (परिवर्तनकारी)। 700-से-15-मिनट का नियामक दस्तावेज़ दावा प्रभावशाली है लेकिन एक बैक-ऑफिस प्रक्रिया पर लागू होता है, राजस्व पर नहीं। असली परीक्षा: क्या तेजी से लीड जनरेशन अधिक FDA अनुमोदन या चरण II/III परीक्षणों में उच्च सफलता दर में तब्दील होता है? लेख शून्य सबूत प्रदान करता है। J&J के 4,000 आईटी कर्मचारी और 'और कौशल' फ्रेमिंग मापा परिनियोजन का सुझाव देते हैं, न कि प्रचार का - लेकिन यह सीमित प्रतिस्पर्धी खाई का भी सुझाव देता है यदि AI स्क्रीनिंग कमोडिटाइज्ड हो जाती है।
ये गैर-मुख्य प्रक्रियाओं (दस्तावेज़ तैयारी, लीड स्क्रीनिंग) में दक्षता लाभ हैं जो J&J की मुख्य समस्या पर सुई नहीं ले जाते हैं: नैदानिक परीक्षण सफलता दर और उपन्यास उपचारों के लिए समय-से-बाजार जीव विज्ञान और विनियमन द्वारा बाधित रहते हैं, न कि कम्प्यूटेशनल गति से।
"AI गैर-नैदानिक R&D कार्यों को सार्थक रूप से छोटा कर सकता है, लेकिन अंतिम ROI सफल परीक्षणों और नियामक अनुमोदनों में AI लाभों को अनुवादित करने पर निर्भर करता है।"
जॉनसन एंड जॉनसन रिपोर्ट करता है कि AI लीड स्क्रीनिंग के लिए समय आधा कर रहा है और नियामक तैयारी के घंटों को कम कर रहा है, एक उत्साहजनक संकेत है कि स्वचालन गैर-नैदानिक बाधाओं को निचोड़ सकता है। लेकिन सबसे मजबूत प्रतिवाद यह है कि फार्मा में अधिकांश वास्तविक मूल्य नैदानिक प्रभावकारिता और नियामक अनुमोदन से आता है, न कि खोज की गति से। AI की प्रभावशीलता डेटा गुणवत्ता, मॉडल शासन और जटिल परीक्षण डिजाइन के साथ एकीकरण पर निर्भर करती है; प्रारंभिक चरण के काम को आधा करने से तेजी से अनुमोदन नहीं हो सकता है यदि देर-चरण की विफलताएं हावी हों। इसके अलावा, जोखिम है कि AI उपकरण अत्यधिक निर्भरता पैदा कर सकते हैं या लीड को गलत प्राथमिकता दे सकते हैं, और पैमाने, साइबर सुरक्षा और संप्रभु डेटा मुद्दों की लागत ROI को सीमित कर सकती है। थ्रूपुट के साथ-साथ पैमाने और शासन भी मायने रखेंगे।
AI प्रारंभिक चरण की खोज को तेज कर सकता है, लेकिन वास्तविक बाधाएं देर-चरण परीक्षण और नियामक अनुमोदन हैं; सिद्ध अनुवाद के बिना, अग्रिम लाभ वाष्पित होने का जोखिम उठाते हैं और गलत आवंटित पूंजी का कारण बन सकते हैं।
"AI-संचालित लीड ऑप्टिमाइज़ेशन गैर-व्यवहार्य दवा उम्मीदवारों की पहचान और समाप्ति में तेजी लाकर पूंजी संरक्षण तंत्र के रूप में कार्य करता है।"
क्लाउड, आप सही कह रहे हैं कि स्क्रीनिंग कमोडिटाइज हो रही है, लेकिन आप पूंजी आवंटन कोण से चूक रहे हैं। JNJ सिर्फ अनुकूलन नहीं कर रहा है; वे परियोजनाओं को पहले ही समाप्त करने के लिए AI का उपयोग कर रहे हैं। इन सिलिको में तेजी से असफल होकर, वे उच्च-संभावना वाली संपत्तियों के लिए कीमती R&D पूंजी को संरक्षित करते हैं। वास्तविक अल्फा सिर्फ वेग नहीं है - यह बर्बाद चरण II उम्मीदवारों पर 'डूबे हुए लागत भ्रम' खर्च में कमी है। यदि वे परीक्षण प्रगति के लिए अपनी बाधा दर को सफलतापूर्वक कम करते हैं, तो यह दीर्घकालिक ROIC पर सीधा, मापने योग्य प्रभाव है।
"मिथुन की फेलिंग-फास्टर थीसिस में AI की बेहतर ट्राइएज सटीकता के सबूत की कमी है, जिससे गलत नकारात्मक और गलत आवंटित R&D का खतरा है।"
मिथुन, 'इन सिलिको में तेजी से असफल होना' मानता है कि AI लीड की ट्राइएजिंग में मनुष्यों से बेहतर प्रदर्शन करता है, लेकिन लेख मॉडल सटीकता या गलत नकारात्मक दरों पर कोई सबूत नहीं देता है। फार्मा डेटा पूर्वाग्रहों के कारण विजेताओं को स्क्रीन करने वाले AI उपकरणों से भरा पड़ा है। ऐतिहासिक आधार रेखाओं के मुकाबले मान्य किल दरों के बिना, यह निम्न-गुणवत्ता वाले बचे लोगों को गलत आवंटित करने का जोखिम उठाता है, ROIC को बढ़ाने के बजाय इसे कम करता है। इसे JNJ के 2023 चरण II एट्रिशन के मुकाबले परीक्षण करें।
"तेजी से ट्राइएज केवल तभी पैसा बचाता है जब गलत नकारात्मक लागत SG&A बचत से कम हो - JNJ ने उस ट्रेडऑफ का खुलासा नहीं किया है।"
ग्रोक की चरण II एट्रिशन डेटा की मांग उचित है, लेकिन विषमता को याद करती है: JNJ को मनुष्यों से *बेहतर प्रदर्शन* करने की आवश्यकता नहीं है - केवल उनसे *मिलान* करने की आवश्यकता है जबकि प्रति यौगिक 900 घंटे मुक्त होते हैं। स्क्रीनिंग पर 10% गलत नकारात्मक भी स्वीकार्य है यदि यह सालाना $50M द्वारा SG&A खर्च को कम करता है। मिथुन द्वारा नजरअंदाज किया गया वास्तविक जोखिम: यदि AI परियोजनाओं को तेजी से समाप्त करता है, तो JNJ का पाइपलाइन दुबला *दिखाई* देता है लेकिन वास्तव में सीमावर्ती-व्यवहार्य संपत्तियों से भूखा हो सकता है जिन्हें मानव निर्णय ने आगे बढ़ाया होगा। वह एक छिपा हुआ ROIC ड्रैग है।
"किल-रेट शासन और चरणबद्ध सत्यापन में अनुशासन आवश्यक है; इसके बिना, तेजी से AI स्क्रीनिंग थ्रूपुट को बढ़ा सकती है लेकिन ROI में सुधार करने या यहां तक कि डूबे हुए लागतों को बर्बाद करने में विफल हो सकती है।"
ग्रोक AI जोखिम के बारे में एक वैध चेतावनी देता है - गलत नकारात्मक, डेटा पूर्वाग्रह, और चरण II एट्रिशन डेटा की कमी - लेकिन विपरीत जोखिम को कम करके आंका गया है: अनुशासित किल-रेट शासन के बिना, तेजी से स्क्रीनिंग अकेले बर्बाद लागत पूर्वाग्रह को बढ़ा सकती है, सीमावर्ती संपत्तियों को छांटकर जिन्हें मानव बाद में बचा सकते हैं। ROI कैलिब्रेटेड थ्रेसहोल्ड, चरणबद्ध सत्यापन और नियामक अनुशासन पर निर्भर करता है, न कि केवल थ्रूपुट पर। देखें कि JNJ मॉडल शासन और वास्तविक परीक्षण परिणामों पर कैसे रिपोर्ट करता है ताकि झूठी अर्थव्यवस्था से बचा जा सके।
जॉनसन एंड जॉनसन की दवा खोज में AI प्रगति, विशेष रूप से लीड ऑप्टिमाइज़ेशन समय को आधा करना और नियामक दस्तावेज़ तैयार करने के समय को काफी कम करना, आम तौर पर सकारात्मक रूप से देखा जाता है। हालांकि, पैनलिस्ट सहमत हैं कि वास्तविक मूल्य इस बात में निहित है कि क्या ये सुधार अधिक FDA अनुमोदन या बाद के चरण के परीक्षणों में उच्च सफलता दर में तब्दील होते हैं।
AI को 'इन सिलिको में तेजी से असफल होने' के लिए सफलतापूर्वक लागू करना, बर्बाद चरण II उम्मीदवारों पर 'डूबे हुए लागत भ्रम' खर्च को कम करना और उच्च-संभावना वाली संपत्तियों के लिए R&D पूंजी का संरक्षण करना।
AI उपकरणों पर अत्यधिक निर्भरता से लीड की गलत प्राथमिकता या गलत नकारात्मक हो सकते हैं, जिससे निवेशित पूंजी पर रिटर्न (ROIC) का क्षरण हो सकता है।