Die generative KI in den Life Sciences

Dieser Blogbeitrag ist der erste Teil einer Reihe über generative KI in den Life Sciences. Hauptaugenmerk sind dabei ihre Auswirkungen auf die Branche und auf entsprechende Übersetzungsdienste. Wir untersuchen generative KI-Technologien wie ChatGPT und vergleichen sie mit der neuronalen maschinellen Übersetzung. Wir erläutern außerdem den aktuellen Stand der Technologie und geben eine Vorschau auf einige potenzielle Anwendungsfälle für generative KI in relevanten Branchen.

Der aktuelle Stand generativer KI in den Life Sciences

Es ist durchaus wahrscheinlich, dass Sie eigentlich mehr über generative KI wissen, als Sie bislang angenommen haben. Sie haben mit ziemlicher Sicherheit schon von ChatGPT gehört, das seit Ende 2022 für Schlagzeilen sorgt. Vermutlich haben Sie auch schon mit KI-Chatbots interagiert, auch wenn Sie sich dessen nicht bewusst waren. Wenn Sie kürzlich online mit einem Kundendienstmitarbeiter „gechattet” haben, besteht eine gute Chance, dass es sich nicht um einen Menschen handelte.

Schätzungen zufolge werden heute etwa 70 % der Interaktionen mit dem Kundenservice vollständig von KI abgewickelt. Facebook Messenger hat über 300.000 Chatbots im aktiven Einsatz. Besonders ausgeprägt ist der Trend in Branchen wie dem Online-Handel. Die Gründe dafür sind es wert, näher beleuchtet zu werden. Viele Kundenanfragen in diesem Kontext sind:

• Einfach
• Repetitiv
• Relativ dringend

Komplexere Anfragen erfordern nach wie vor menschliches Fachwissen und Urteilsvermögen. Chatbots sind jedoch in Sachen Konversation weit genug entwickelt, dass sie eine Art Vorauswahl durchführen können. Nur Kunden, die keine schnelle, zufriedenstellende Antwort von der KI erhalten, werden zusätzliche menschliche Hilfe in Anspruch nehmen.

Führende Personen in der Wirtschaft und Investoren beobachten diese Entwicklungen sehr genau. Leider ziehen einige die falschen Schlussfolgerungen daraus. Erste Experimente scheinen zu zeigen, dass KI in begrenzten Rollen erfolgreich eingesetzt werden kann, was zu einer verbesserten Serviceverfügbarkeit und Kundenauswahl führt. Aber Anfragen mit komplexen Problemen oder Nischenpräferenzen werden nicht einfach verschwinden. Ebenso wenig wie die Notwendigkeit menschlicher Korrekturen. Mit KI können Sie Kosten effizienter verteilen, aber nicht eliminieren.

In den Life Sciences sind regulatorische Auflagen und eine sicherheitsorientierte Kultur traditionell der Grund, weshalb neue Technologien eher zögerlich akzeptiert wurden. Innovationen sind in der Branche jedoch unabdingbar. Für Entwickler und Aktionäre gleichermaßen scheint es unmöglich, eine Technologie zu ignorieren, die so viel Potenzial hat wie die KI. Kann sie eingesetzt werden, um noch schneller mit Patienten und Märkten zu interagieren? Ist ihre Einführung auch wirklich sicher?

Lionbridge, Sprachdienstleister für führende Unternehmen der Life Sciences, geht dieser Frage aktiv nach. Und wie sich herausstellt, haben wir einen beträchtlichen Vorsprung. Tools wie ChatGPT haben in letzter Zeit vielleicht für viele Schlagzeilen gesorgt. Aber die zugrunde liegenden Technologien – große Sprachmodelle (Large Language Models, LLMs) und generative KI – sind alles andere als neu. Lionbridge verwendet sie tatsächlich bereits schon seit mehreren Jahren. Wir haben ein beträchtliches Know-how darüber aufgebaut, was diese Technologien können und was nicht. Wir untersuchen zudem aktiv, was in Zukunft möglich sein wird.

Der Weg in die Zukunft: Generative KI in den Life Sciences

Wir haben in den Jahren, in denen wir KI in qualitätsorientierte Prozesse integriert haben, viele wertvolle Lektionen gelernt. Bekannte Muster tauchen überall in anderen Branchen wieder auf. Auch hier sind Kundenservice-Chatbots ein lehrreiches Beispiel. Unternehmen, die diese Lösungen einsetzen, stellen fest, dass KI dann am effektivsten ist, wenn sie Prozesse entschlackt und kritische Entscheidungen menschlicher Experten beschleunigt.

Können KI-Tools also nicht ohne genaue Aufsicht eingesetzt werden? Keinesfalls. Es müssen jedoch bewusste Entscheidungen getroffen werden. Entscheidende Kriterien sind hierbei die Art der Inhalte und die Bedürfnisse und Erwartungen der Zielgruppe. Wenn es sich dabei um Patienten oder Aufsichtsbehörden handelt, verfolgen wir natürlich einen konservativen Ansatz. Wenn es sich um weniger kritische Inhalte handelt, bieten wir ihnen entsprechend geeignete Wahlmöglichkeiten. Dieser Ansatz hat uns gute Dienste geleistet, und wir glauben, dass er auch in größerem Umfang repliziert werden kann.

Hier sind einige der Bereiche, die wir weiter untersuchen werden:

Analyse und Klassifizierung umfassender Inhaltsdaten: LLMs und Machine-Learning-Systeme sind darauf ausgelegt, aussagekräftige Muster in großen Datensätzen zu finden. Forscher untersuchen bereits die offensichtlichen Anwendungsfälle dieser Technologien. Im Bereich der diagnostischen Bildgebung gibt es immer mehr Hinweise darauf, dass maschinelles Lernen eine wichtige Rolle spielen könnte. Anstatt das Urteilsvermögen von erfahrenen Ärzten in diesen Situationen zu ersetzen, ist es wahrscheinlicher, dass KI eine unterstützende Rolle spielen wird.

Verbesserter Zugang zu klinischen Daten: In jüngster Zeit haben Aufsichtsbehörden und Patientenvertretungsgruppen erhebliche Fortschritte gemacht, wenn es darum geht, dass Patienten und Laien Zugang zu klinischen Daten haben und diese verstehen, da sie die Grundlage sowohl für regulatorische als auch für Behandlungsentscheidungen bilden. Die Erstellung zuverlässiger Informationen in einer thematisch angemessenen Sprache erfordert spezielle Fähigkeiten in der wissenschaftlichen Kommunikation sowie Kenntnisse branchenüblicher Standards und bewährter Verfahren. Auch hier ist es unwahrscheinlich, dass KI-Systeme die menschliche Expertise in naher Zukunft ersetzen werden. Sie können allerdings dazu beitragen, den Umfang und die Art der zugänglichen Inhalte zu erweitern.

Was wir noch nicht wissen: Das Ausführen von Metaanalysen bei wissenschaftlichen Studien ist schon seit langem als Mittel anerkannt, um zu statistisch zuverlässigen Ergebnissen zu gelangen, wenn es um mehrere Studien geht, deren Stichprobengrößen, Methoden oder Verzerrungen oft fehleranfällig sind. Ein offensichtlicher Nachteil der Metaanalyse besteht darin, dass nur solche Muster gefunden werden, nach denen auch bewusst gesucht wird. Maschinelle Lernsysteme haben das Potenzial, aussagekräftige Muster zu erkennen, die über die absichtlich gemessenen oder korrelierenden Muster hinausgehen.

Identifizierung und Klassifizierung von Inhalten: Eine Herausforderung, mit der Lionbridge und unsere Kunden häufig konfrontiert sind, besteht darin, dass unterschiedliche Inhaltstypen unterschiedliche Sprachdienstleistungen erfordern. Dies ist vor allem in den Life Sciences weit verbreitet. Viele Dienstleistungen, die für regulierte Inhalte erbracht werden (z. B. Berichte von Gesundheitsexperten), sind für Online-Marketingtexte oder interne Schulungshandbücher völlig irrelevant. Die Klassifizierung und Weiterleitung solcher Inhalte an geeignete Servicekanäle erfordert viel Zeit und qualifizierte Mitarbeiter. Wir arbeiten bereits daran, diese Prozesse mithilfe von KI-Technologie effizienter zu gestalten. Höchstwahrscheinlich wird sich diese Entwicklung in den kommenden Monaten weiter beschleunigen.

Nehmen Sie Kontakt mit uns auf

Möchten Sie mehr über generative KI in den Life Sciences erfahren? Würden Sie gerne potenzielle Anwendungsfälle für Ihr Unternehmen besprechen? Haben Sie Übersetzungsbedarf im Bereich der Life Sciences? Wir verfügen über die nötige Erfahrung, das Wissen und die Technologie, um Ihnen zu helfen. Wenden Sie sich noch heute an uns, um mehr über die Übersetzungsdienste von Lionbridge im Bereich Life Sciences zu erfahren.