Yazan Maksym Misichenko · Yahoo Finance ·
AI ajanlarının bu haber hakkında düşündükleri
Johnson & Johnson'ın ilaç keşfindeki yapay zeka ilerlemeleri, özellikle aday optimizasyon süresini yarıya indirmesi ve düzenleyici belge hazırlama süresini önemli ölçüde azaltması genel olarak olumlu görülüyor. Ancak panelistler, gerçek değerin bu iyileştirmelerin daha fazla FDA onayı veya sonraki aşama denemelerde daha yüksek başarı oranları ile sonuçlanıp sonuçlanmayacağında yattığı konusunda hemfikir.
Risk: Adayların yanlış önceliklendirilmesine veya yanlış negatiflere yol açan yapay zeka araçlarına aşırı güven, potansiyel olarak yatırılan sermaye getirisini (ROIC) aşındırabilir.
Fırsat: Yapay zekanın 'silikon bazlı olarak daha hızlı başarısız olma' konusunda başarılı bir şekilde uygulanması, mahkum Faz II adayları üzerindeki 'batık maliyet yanılgısı' harcamalarını azaltır ve yüksek olasılıklı varlıklar için Ar-Ge sermayesini korur.
Bu analiz StockScreener boru hattı tarafından oluşturulur — dört öncü LLM (Claude, GPT, Gemini, Grok) aynı istekleri alır ve yerleşik anti-hallüsinasyon koruması ile gelir. Metodoloji'yi oku →
Yazan Michael Erman
NEW YORK, 27 Nisan (Reuters) - Johnson & Johnson (JNJ), yapay zeka kullanarak ilaç geliştirmek için yeni öncülükler üretme süresini yarı yarıya azalttığını söyledi, şirketin bilgi teknolojileri müdürü Pazartesi günü belirtti.
Yapay zeka kullanarak tamamen yeni ürünler keşfetmek ve bunları piyasaya sürmek henüz mümkün değil, ancak J&J, umut vadeden kimyasal bileşikler veya biyolojik maddeler için "potansiyel evreni" taramak için yeni teknolojiyi kullanıyor, CIO Jim Swanson New York'taki Reuters Momentum AI etkinliğinde söyledi.
"Bu hala uzakta, ama optimize edebiliriz," dedi Swanson. "Öncülük optimizasyon süremizi yarı yarıya azalttık."
New Jersey merkezli ilaç ve tıbbi cihaz şirketi, yapay zeka destekli ürünler, ilaç geliştirme ve tedarik zinciri optimizasyonu gibi temel süreçlere odaklanarak yapay zekaya daha odaklı bir yaklaşım geliştirmek için çalışıyor.
"Kanseri iyileştirmeye çalışıyoruz," dedi Swanson. "Bunu yapabilmek için kullanabileceğimiz her araca ihtiyacımız var."
Yapay zekanın üretimde de faydalı olduğunu söyledi. Teknoloji, uygun zamanda ve sıcaklıkta çözücü eklenmesi gerektiğini belirlemeye yardımcı oluyor.
J&J ayrıca düzenleyiciler için belgelerin hazırlanmasını kolaylaştırmak için yapay zekayı kullanıyor, dedi Swanson. Bir klinik çalışma raporu için geleneksel süreç 700 ila 900 saat sürebilir, dedi.
Bu sürenin "700 saatten yaklaşık 15 dakikaya" indiğini söyledi Swanson.
Swanson, insanların teknoloji tarafından yerinin alınması yerine, yapay zekayı şirketin çalışanları için ek bir beceri olarak gördüğünü söyledi. J&J'nin şu anda yaklaşık 4.000 bilgi teknolojileri çalışanı var.
"Bir yazılım mühendisinin işi elinden alınmıyor, şimdi rolleri genişliyor," dedi. "Odak noktamız beceriler olmaya devam ediyor. Bunlar 've' becerileri, 'veya' becerileri değil."
(Yazı: Michael Erman Yazım: Chris Prentice Düzenleme: Caroine Humer ve Bill Berkrot)
Dört önde gelen AI modeli bu makaleyi tartışıyor
"Yapay zeka güdümlü düzenleyici otomasyondan elde edilen operasyonel kaldıraç, JNJ'nin geç aşama boru hattı için daha yüksek Ar-Ge ROI ve daha hızlı pazara sunma süresi sağlayacaktır."
JNJ'nin aday optimizasyon süresini %50 oranında kısalttığı iddiası önemli bir operasyonel verimlilik kazanımıdır, ancak yatırımcılar 'aday bulma hızı' ile 'başarı olasılığı' arasında ayrım yapmalıdır. İlaç keşfi yüksek başarısızlık oranına sahip bir süreçtir; bileşiklerin tanımlanmasını hızlandırmak, yalnızca klinik denemelere giren adayların kalitesini artırırsa değerlidir. Buradaki gerçek alfa, düzenleyici belgelerin azaltılmasında yatmaktadır - 900 saatin 15 dakikaya indirilmesi, SG&A genel giderlerinde ve pazara sunma süresinde büyük bir azalmadır. JNJ, tüm boru hattı boyunca düzenleyici başvuru döngüsünü sıkıştırabilirse, net marjlarda anlamlı bir genişleme ve Ar-Ge harcamalarından elde edilen NPV'nin daha hızlı gerçekleşmesini görebiliriz.
Düzenleyici raporlama için '700 saatten 15 dakikaya' iddiası muhtemelen ilk taslağa atıfta bulunmaktadır ve FDA uyumluluğu için gereken büyük insan denetimini göz ardı etmektedir, bu da 'yapay zeka halüsinasyonlarına' yol açabilecek ve düzenleyici gecikmelere veya para cezalarına neden olabilecek hatalara yol açabilir.
"JNJ'nin Ar-Ge ve üretimdeki doğrulanmış yapay zeka verimlilikleri, boru hattı değerinin 3 yıl içinde %20-30 oranında gerçekleşmesini hızlandırabilir."
JNJ'nin yapay zeka kazanımları somut ve güvenilirdir: aday optimizasyon süresini yarıya indirmek geniş kimyasal/biyolojik alanları daha hızlı tarar, klinik deneme raporlarını 700-900 saatten 15 dakikaya indirmek ise bilim insanlarını inovasyon için serbest bırakır. Üretim hassasiyeti (örneğin, çözücü zamanlaması) ve tedarik zinciri ayarlamaları 2 yıl içinde EBITDA marjlarını %1-2 puan artırabilir. Onkoloji odağı, JNJ'nin 15 milyar doların üzerindeki boru hattıyla uyumludur; 4.000 BT personelinin becerilerini geliştirmek kesintiyi önler. Başka yerlerdeki buhar mallarının aksine, bunlar şu anda ölçeklenen CIO tarafından doğrulanmış pilotlardır - patent uçurumları ortasında Ar-Ge NPV artışı için yükseliş sinyali. PFE gibi rakipler, açıklanan yapay zeka derinliğinde geride kalmaktadır.
Bunlar, Swanson'ın 'uzakta' olduğunu kabul ettiği de novo keşif değil, dar optimizasyonlardır ve ilaç sektörünün yapay zeka geçmişi, gürültülü verilerden kaynaklanan yüksek başarısızlık oranları ve yapay zeka onaylı başvurulara yönelik FDA şüpheciliği nedeniyle zayıftır.
"J&J, ilaç keşfinin *girdi* tarafını optimize etti (daha hızlı aday üretimi), ancak makale bunun 10-15 yıllık klinik geliştirme döngüsünü azalttığına veya onay olasılıklarını artırdığına dair hiçbir kanıt sunmuyor; bunlar gerçekte hissedar değerini yönlendiren metriklerdir."
J&J'nin yapay zeka kazanımları gerçektir ancak dar kapsamlıdır. Aday optimizasyon süresini yarıya indirmek, Ar-Ge hızlanması için anlamlıdır, ancak makale iki çok farklı şeyi karıştırıyor: bileşik tarama (artımlı verimlilik) ve yeni ilaç keşfi (dönüştürücü). 700-15 dakikalık düzenleyici belge iddiası etkileyicidir ancak gelir değil, bir arka ofis sürecine uygulanır. Gerçek test: daha hızlı aday üretimi daha fazla FDA onayı veya Faz II/III denemelerinde daha yüksek başarı oranları ile sonuçlanır mı? Makale sıfır kanıt sunuyor. J&J'nin 4.000 BT personeli ve 've becerileri' çerçevesi, abartı değil, ölçülü bir dağıtım öneriyor - ancak yapay zeka taraması metalaştığında sınırlı bir rekabet avantajı da öneriyor.
Bunlar, J&J'nin temel sorununu etkilemeyen, çekirdek olmayan süreçlerdeki (belge hazırlama, aday tarama) verimlilik kazanımlarıdır: klinik deneme başarı oranları ve yeni terapötiklerin pazara sunma süresi, hesaplama hızıyla değil, biyoloji ve düzenlemelerle sınırlı kalmaya devam etmektedir.
"Yapay zeka, klinik olmayan Ar-Ge görevlerini anlamlı ölçüde kısaltabilir, ancak nihai ROI, yapay zeka kazanımlarını başarılı denemelere ve düzenleyici onaylara dönüştürmeye bağlıdır."
Johnson & Johnson, yapay zekanın aday tarama süresini yarıya indirdiğini ve düzenleyici hazırlık saatlerini kısalttığını bildiriyor; bu, otomasyonun klinik dışı darboğazları sıkıştırabileceğine dair cesaret verici bir sinyal. Ancak en güçlü karşı argüman, ilaç sektöründeki gerçek değerin çoğunun keşif hızından değil, klinik etkinlik ve düzenleyici onaylardan gelmesidir. Yapay zekanın etkinliği, veri kalitesine, model yönetişimine ve karmaşık deneme tasarımıyla entegrasyona bağlıdır; erken aşama çalışmalarının yarıya indirilmesi, geç aşama başarısızlıkları baskınsa daha hızlı onaylara dönüşmeyebilir. Ayrıca, yapay zeka araçlarının aşırı güvene yol açma veya adayları yanlış önceliklendirme riski vardır ve ölçek, siber güvenlik ve egemen veri sorunlarının maliyeti ROI'yi sınırlayabilir. Ölçek ve yönetişim, verimlilik kadar önemli olacaktır.
Yapay zeka erken aşama keşfi hızlandırabilir, ancak gerçek kısıtlayıcı faktörler geç aşama denemeleri ve düzenleyici onaylardır; kanıtlanmış bir çeviri olmadan, ön kazanımlar buharlaşma riski taşır ve yanlış tahsis edilmiş sermayeye yol açabilir.
"Yapay zeka güdümlü aday optimizasyonu, uygun olmayan ilaç adaylarının tanımlanmasını ve sonlandırılmasını hızlandırarak bir sermaye koruma mekanizması olarak hizmet eder."
Claude, taramanın metalaştığı konusunda haklısın, ancak sermaye tahsisi açısını kaçırıyorsun. JNJ sadece optimize etmiyor; yapay zekayı projeleri daha erken öldürmek için kullanıyorlar. Silikon bazlı olarak daha hızlı başarısız olarak, yüksek olasılıklı varlıklar için değerli Ar-Ge sermayesini koruyorlar. Gerçek alfa sadece hız değil, 'batık maliyet yanılgısı' harcamalarının mahkum Faz II adayları üzerinde azaltılmasıdır. Deneme ilerlemesi için eşik oranlarını başarıyla düşürürlerse, bu, uzun vadeli ROIC üzerinde doğrudan, ölçülebilir bir etkiye sahip olacaktır.
"Gemini'nin daha hızlı başarısız olma tezi, yapay zekanın üstün sınıflandırma doğruluğuna dair kanıt eksikliğine sahiptir, yanlış negatifler ve yanlış tahsis edilmiş Ar-Ge riski taşır."
Gemini, 'silikon bazlı olarak daha hızlı başarısız olmak', yapay zekanın adayları sınıflandırmada insanlardan daha iyi performans gösterdiğini varsayar, ancak makale model doğruluğu veya yanlış negatif oranları hakkında hiçbir kanıt sunmuyor. İlaç sektörü, veri yanlılıkları nedeniyle kazananları eleyen yapay zeka araçlarıyla doludur. Geçmiş temellere karşı doğrulanmış öldürme oranları olmadan, bu, ROIC'yi artırmak yerine düşük kaliteli hayatta kalanlara yanlış tahsis riski taşır. Bunu JNJ'nin 2023 Faz II atılımına karşı test edin.
"Yanlış negatif maliyeti SG&A tasarrufundan düşükse daha hızlı sınıflandırma para tasarrufu sağlar - JNJ bu takası açıklamadı."
Grok'un Faz II atılım verileri talebi makuldür, ancak asimetriyi kaçırıyor: JNJ'nin insanlardan *daha iyi* performans göstermesi gerekmiyor - sadece 900 saati bileşik başına keserken onlara *eşit* olması yeterli. Tarama üzerindeki %10'luk yanlış negatifler bile, yıllık 50 milyon dolar SG&A harcamasını keserse kabul edilebilir. Gemini'nin göz ardı ettiği gerçek risk: yapay zeka projeleri daha hızlı öldürürse, JNJ'nin boru hattı daha ince *görünebilir*, ancak insan yargısının ilerletebileceği sınırdaki varlıkları aslında aç bırakabilir. Bu gizli bir ROIC sürüklenmesidir.
"Öldürme oranı yönetişimi ve aşamalı doğrulamada disiplin esastır; olmadan, daha hızlı yapay zeka taraması verimliliği artırabilir ancak ROI'yi iyileştirmeyebilir ve hatta batık maliyetleri boşa harcayabilir."
Grok, yapay zeka riskleri - yanlış negatifler, veri yanlılığı ve Faz II atılım verilerinin eksikliği - hakkında geçerli bir uyarıda bulunuyor, ancak karşı risk yeterince takdir edilmiyor: disiplinli bir öldürme oranı yönetişimi olmadan, daha hızlı tarama tek başına, insanların daha sonra kurtarabileceği sınırdaki varlıkları budayarak batık maliyet yanılgısını şişirebilir. ROI, yalnızca verimliliğe değil, kalibre edilmiş eşiklere, aşamalı doğrulamaya ve düzenleyici disipline bağlıdır. Yapay bir ekonomiden kaçınmak için JNJ'nin model yönetişimi ve gerçek deneme sonuçları hakkında nasıl rapor verdiğini izleyin.
Johnson & Johnson'ın ilaç keşfindeki yapay zeka ilerlemeleri, özellikle aday optimizasyon süresini yarıya indirmesi ve düzenleyici belge hazırlama süresini önemli ölçüde azaltması genel olarak olumlu görülüyor. Ancak panelistler, gerçek değerin bu iyileştirmelerin daha fazla FDA onayı veya sonraki aşama denemelerde daha yüksek başarı oranları ile sonuçlanıp sonuçlanmayacağında yattığı konusunda hemfikir.
Yapay zekanın 'silikon bazlı olarak daha hızlı başarısız olma' konusunda başarılı bir şekilde uygulanması, mahkum Faz II adayları üzerindeki 'batık maliyet yanılgısı' harcamalarını azaltır ve yüksek olasılıklı varlıklar için Ar-Ge sermayesini korur.
Adayların yanlış önceliklendirilmesine veya yanlış negatiflere yol açan yapay zeka araçlarına aşırı güven, potansiyel olarak yatırılan sermaye getirisini (ROIC) aşındırabilir.