数据科学和人工智能正在为药物发现和开发增加一个新的维度，强调计算和机器学习。 鉴于这种转变，制药公司正在积极构建基础设施、数据、工具和团队，以将数据科学家与生物学和生命科学专家聚集在一起。
制药和生物技术创新让我们得以一窥大型组织如何将 AI 工具和技术与对要解决的潜在问题有深刻理解的传统主题专家相结合。
为了获得业内人士对制药公司如何使用人工智能和机器学习的看法，我邀请 Bülent Kızıltan 博士加入 CXOTalk 系列对话的第 717 集，与塑造我们世界的人们进行对话。 他是诺华人工智能创新中心数据科学与人工智能的因果与预测分析负责人。
Kızıltan 博士是我认识的在管理和领导 AI 工作方面最善于表达的人之一，因此请观看视频以获取有关管理数据科学和 AI 团队的实用建议。
请务必查看完整的成绩单并阅读下面经过编辑的选择。
关于制药业的人工智能和数据科学
由于高昂的成本和扩大规模非常困难，药物发现和开发在过去五到十年中放缓。 我们希望 AI 可以来拯救，所以很多制药公司都在投资这个领域。
一般来说，人工智能和数据科学可以以两种方式之一运作。 一种方法是用例驱动，为业务部门提供这些服务。
另一种情况是我们将自己定位在学术界和业务部门的交叉点。 学术界正在创造知识、技术发展和基础设施以扩大规模。
在数据科学中，通常人们认为团队与大数据打交道，当数据量有限时，价值主张就会下降。 [然而，]我们涵盖了从小数据到大数据的整个范围，因为这些术语定义模糊，而且我们没有明确的方法来量化小数据和大数据。
我们已经构建了从有限数据一直到大数据（我们称之为大数据）中提取预测信息的核心功能。 我们从医疗保健、生物技术和医学领域的有限数据中提取信息。
制药行业的人才管理和多元化团队
人工智能创新，尤其是数据科学，是一个非常跨学科和多学科的领域。 我们希望吸引来自不同学科的人才，他们可以将各自领域的思维方式带入我们的运营中。
当然，数据科学和机器学习核心能力是必要的，但我们对所有背景开放。 你可能知道，我受过天体物理学家的训练，在我职业生涯的大部分时间里都在研究中子星和黑洞天体物理学。 但在那个领域，我与应用数学家、机器学习先驱密切合作，将这些技术带入天体物理学领域。
我们非常清楚，要想跳出框框思考并在 AI 领域进行创新，多样性是必不可少的。 目前，我们正在扩大我们的团队并寻找人才来引入机器学习所必需的核心能力，但他们可以来自物理学、数学和心理学。 我曾与来自社会学、经济学的人一起工作——随便你怎么说。
最近，我参与了一项全球基准研究，研究对象是全球各地的公司，来自不同领域的数千家公司。 我们已经看到，文化和领导力对于成功至关重要。
如果你想长期维持价值主张，你必须围绕它建立文化和公司。 这对于在实地产生影响、重新构想医学是必要的。
在药物发现和精准医学中使用人工智能和数据科学
定制药物和治疗是更大的生物技术和医疗保健行业面临的一个问题。 我们相信，大规模定制只能在人工智能的帮助下实现。
精准医学是每个制药公司、生物技术和医疗保健公司关注的一个领域。 利用人工智能领域开发的技术至关重要。 它将重新定义整个领域。
开发和发现化合物和药物（生成化学，更技术化）是人工智能和机器学习正在产生影响的领域。 许多公司使用数据科学、人工智能和机器学习来增强开发过程并发现新化合物。
以前这些只能在实验室完成。 这是一个艰苦而艰难的过程。 有了人工智能，我们或许可以在电脑上完成所有这些工作。 我们可以模拟。 我们可以提出一个化合物的优先列表，然后与我们的领域专家讨论我们发现的是有意义的还是完全疯狂的。
管理数据科学和人工智能中的偏见
我们聘请来自不同学科的领域专家来解决这个问题：可能存在抽样偏差、算法偏差或数据驱动偏差。
我们需要尽早解决所有这些问题。 一旦我们提出预测或预测，我们就会采取具体步骤来确保我们不会偏向影响决策的水平。
这是一个积极发展的领域，我还没有看到一个强大的、定量的观点和方法来帮助我们解决这个问题。 [今天，我们在逐个用例的基础上解决偏见]。 这是一个很好的问题。
CXOTalk 与塑造我们世界的人们进行深入对话。 感谢我的高级研究员 Sumeye Dalkilinc 对这篇文章的帮助。
