L’agenda del Paperless Lab Academy^®2023 Europa è ricca di argomenti caldi e di tendenza per il settore dei laboratori. Sul palco ci saranno importanti relatori che verranno al congresso per condividere la loro esperienza e le loro conoscenze su argomenti specifici.

 

Un importante contributo all’agenda 2023 sarà apportato da una presentazione che tutti attendiamo con impazienza: “Artificial Intelligence in Action in the GXP Environment”. La presentazione sarà tenuta da Toni Manzano, Chief Scientific Officer di Aizon.

 

Isabel Munoz Willery, organizzatrice dell’evento, ha avuto il piacere e il privilegio di intervistare lo speaker per avere alcuni spunti sulla sua presentazione e per iniziare la discussione prima che trattasse l’argomento sul palco del Paperless Lab Academy^®.

 

Cosa pensi sia cambiato tecnologicamente o concettualmente negli ultimi 10 anni per arrivare all’intelligenza artificiale che abbiamo oggi?

“Ad oggi direi che non è cambiato molto dal punto di vista tecnologico. 10 anni fa si parlava molto di Big Data, non proprio di AI. Anche se il termine intelligenza artificiale è stato coniato già nel 1950 ⁽¹⁾.
Tecnologicamente, tutti gli strumenti di cui abbiamo bisogno per l’IA sono stati creati 10 anni fa con il cloud, i Big Data e il calcolo. Questi tre concetti, tre ingredienti hanno reso possibile l’IA.

Era necessario disporre di dati di ogni tipo e abbattere i silos di dati che impedivano di riunire le informazioni da cui si crea la conoscenza. Il cloud consente di democratizzare l’accesso globale ai dati. Supera le barriere locali e consente la distribuzione logistica dei dati in tutto il mondo superando le VPN e ogni barriera tecnologica.

Secondo me questi sono i tre ingredienti che rendono possibile l’intelligenza artificiale. In effetti, l’intelligenza artificiale ha già visto due inverni. Quando la comunità scientifica ha capito di aver bisogno di più spazio e non l’ha trovato, e quando ha capito di aver bisogno di più potenza di calcolo e non l’ha avuta. Ora questo è stato risolto.

Da 10 anni fa ad oggi la tecnologia non si è evoluta, non è cambiata così drasticamente come avvenne con l’avvento del cloud.
Il termine intelligenza artificiale o qualsiasi cosa abbia a che fare con i concetti di digital twins, robotizzazione aumentata, conoscenza aumentata sono concetti che fanno parte di questa popolare cultura digitalizzata. Oggi nessuno esce di casa senza chiedere a Google Maps o app simili: quando arriva il prossimo treno? Nessuno che cerchi un’immagine cerca le foto una per una, usiamo tutti strumenti di ricerca.

Come società, stiamo maturando in termini di digitalizzazione e stiamo maturando più velocemente dell’industria farmaceutica.
Le aziende hanno un’esigenza che può essere risolta solo se si fanno i conti con la complessità e la variabilità delle informazioni; realisticamente, non dovresti cercare di semplificare, dovresti accettarlo. In questo caso non puoi lavorare con la statistica classica perché è molto complessa, quindi devi lavorare con l’intelligenza artificiale. In questa transizione è emersa la maturità digitale ma nell’industria farmaceutica siamo ancora lontani dalla maturità che la società ha oggi.”

 

Poiché siamo tutti maturati digitalmente come società, come dici tu, utilizziamo le informazioni digitali ogni giorno, forse anche inconsciamente o automaticamente. Il mio telefono si collega alla macchina e mi dice subito quanto tempo ci vorrà per arrivare a casa. Quali pensi siano gli elementi che ostacolano o rallentano il processo di maturità digitale nel settore farmaceutico?

“In un recente studio sull’età media degli amministratori delegati e dei membri del board delle venti società più grandi, l’età media è di 57 anni. Ho 51 anni e da tempo mi considero una persona digitale, eppure già faccio fatica a tenere il passo.

Quando non c’è urgenza di essere ottimali in un’azienda che classicamente è sempre rimasta indietro rispetto alla tecnologia, si scopre che non ce n’è bisogno. Queste persone quindi adottano gli aspetti digitali appena sufficienti, senza progettare una strategia per portare la tecnologia nella vita lavorativa di tutti i giorni.”

 

Un messaggio forte ai vertici delle aziende! Toni, allora aiutaci a capire meglio l’IA. L’intelligenza artificiale riguarda i dati, ma dicci di più in merito all’ algoritmo che si deve  progettare per ogni processo specifico.

“Lo sai che ci sono 75 nuovi algoritmi di intelligenza artificiale brevettati ogni giorno? Non puoi immaginare quanti algoritmi non brevettati vengono inventati quotidianamente. Lascia che ti spieghi perché ce ne sono così tanti.

Immagina una linea di produzione, un fermentatore da 6000 litri. Si scopre che è necessario un modello diverso per ogni fase della fermentazione. Un modello è la combinazione di dati e algoritmo. Un unico prodotto in diversi formati, 20 modelli per 24 ore di fermentazione. Immaginatelo moltiplicato per tutti i bioreattori, per tutte le linee. Inoltre, ogni bioreattore necessita di un modello diverso perché ogni bioreattore è unico.
L’intelligenza artificiale non può dirti perché, ma può dirti cosa sta succedendo.”

 

 

In altre parole, la nuova sfida è come gestire l’IA, ho capito bene?

“Esattamente. Esistono due tipi di dati: i dati storici utilizzati per costruire il modello e i dati in tempo reale utilizzati per alimentare il modello che emette il valore dei dati reali. Poi arriva l’accuratezza tra la realtà e la previsione per sapere se il tuo modello è buono o addirittura si sta deteriorando.”

 

Chi sta dietro a tutto questo lavoro, che ne permette la realizzazione?

“È una combinazione di data scientist ed esperti in materia. Lavorano per identificare l’algoritmo che fornirà la migliore approssimazione. L’algoritmo viene alimentato con i dati, ed è così che viene quindi creato il modello. Il modello che rappresenta la realtà è in definitiva un modello matematico statistico che, dopo essere stato esaminato dall’esperto in materia, può ritenersi pronto per la produzione.”

 

E poi c’è la parte della conformità. Voglio dire, è tutto approvato?

“Facciamo parte di un comitato coordinato dall’AFDO, Association of Food And Drug Officials⁽²⁾, di cui fa parte la FDA, che ha il massimo interesse in questo sviluppo.

In effetti, la FDA sta già integrando l’intelligenza artificiale nei propri processi per due motivi: primo, ovviamente, per i pazienti, per ottenere un prodotto più sicuro, di qualità superiore e più efficiente; e in secondo luogo, perché l’agenzia stessa deve coordinarsi meglio per coprire l’intera industria farmaceutica, che si estende ai CMO esternalizzati. Devono automatizzare il loro processo di monitoraggio e controllo.”

 

La tua presentazione è intitolata “Artificial Intelligence in Action in the GXP Environment”. Salirai sul palco con uno use case e spiegherai al pubblico cosa sta succedendo oggi in termini di conformità e ci illustrerai la situazione della FDA?

“Porterò sicuramente casi d’uso, altrimenti sarebbe una presentazione troppo astratta. Penso che sia necessario presentare alcuni casi d’uso in modo che le persone possano vedere che tipo di applicazioni lavorano oggi con l’IA. La questione della FDA è cruciale e il pubblico deve capire che esiste un supporto esplicito.

Un altro punto è che molte persone del pubblico non sanno da dove cominciare. Il messaggio sarà che senza i dati giusti, senza dati affidabili, non puoi far funzionare l’IA. L’intelligenza artificiale è pura statistica, nient’altro che statistica, e non puoi fidarti di un risultato le cui statistiche finali si basano su dati inaffidabili.”

 

Pura statistica? Sospetto che sia più di questo, data la complessità che hai spiegato prima. Da dove inizi?

“Il primo passo che facciamo quando siamo sicuri dei dati è scoprire quale delle centinaia di variabili spiega davvero il problema.”

 

Come puoi essere sicuro dei dati? Come verificarne la qualità?

“Ottima domanda. La qualità dei dati può essere convalidata solo se si dispone di molti dati. Questa è la prima premessa. Solo quando si dispone di una buona quantità di informazioni è possibile determinare quali di tali informazioni sono valide e quali no. Con l’ausilio di algoritmi è possibile identificare da un lato i valori anomali e dall’altro i campioni veramente rappresentativi. Quindi la pulizia dei dati si avvia automaticamente. Questo accade solo quando si dispone di una grande quantità di informazioni.”

 

Il Team del Paperless Lab Academy^® vi invita al congresso, che si terrà il 18 e il 19 aprile 2023 presso l’hotel Dino di Baveno, sul lago Maggiore. L’agenda è ricca di contenuti interessanti e innovativi: Intelligenza Artificiale in ambienti GXP, Automation, Implementazioni globali di LIMS, FAIR, cybersecurity, harmonization, integrazione di strumenti, e molto molto altro.

Per iscrizioni all’evento: https://www.paperlesslabacademy.com/europe_registration/

 

1.Negli anni ’50, una generazione di scienziati, matematici e filosofi con il concetto di intelligenza artificiale (o AI) assimilato culturalmente nelle loro menti. Una di queste persone era Alan Turing, un giovane poliedrico britannico che esplorò le possibilità matematiche dell’intelligenza artificiale. Turing ha suggerito che gli esseri umani usano le informazioni disponibili e la ragione per risolvere problemi e prendere decisioni, quindi perché le macchine non possono fare la stessa cosa? Questa era la struttura logica del suo articolo del 1950, Computing Machinery and Intelligence, in cui discuteva come costruire macchine intelligenti e come testare la loro intelligenza.

2. Informazioni sull’Associazione dei funzionari dell’alimentazione e della droga (AFDO): L’Association of Food and Drug Officials (AFDO) è un’organizzazione nazionale ben riconosciuta che rappresenta la regolamentazione statale, territoriale e locale. Lo scopo principale dell’Associazione è quello di agire come leader e risorsa per le agenzie di regolamentazione statali, territoriali e locali nello sviluppo di strategie per risolvere e promuovere la salute pubblica e la protezione dei consumatori in relazione alla regolamentazione di alimenti, prodotti medici e cosmetici. afdo.org