СценарИИ в Фарме. Искусственный интеллект

AI уже встроен в реальный коммерческий запуск препарата

Редкий публичный кейс не от поставщика AI-платформы, а от самой биофармы. Citius Oncology сообщает, что в рамках американского запуска онкологического препарата развернула проприетарную AI-driven commercial intelligence platform.

Она используется для:

— customer engagement;
— выявления treatment opportunities;
— распределения ресурсов;
— поддержки коммерческих решений.

Компания также говорит об инсайтах по активности аккаунтов, возможностям patient identification и стратегии взаимодействия полевой команды. То есть AI здесь уже не экспериментальный чат-бот. Он встроен непосредственно в коммерческую инфраструктуру реального запуска. Но здесь особенно важно не перепутать корреляцию и причинность.

Citius одновременно сообщает о развитии коммерческого запуска, однако публичных данных, показывающих, что эти результаты были вызваны именно AI-платформой, нет.
Поэтому корректный вывод: не «ИИ увеличил продажи», а «ИИ уже используется как часть commercial launch engine препарата». Отдельный важный вопрос — какие данные используются для patient identification и treatment opportunities. В публичном релизе эта методология подробно не раскрыта.

Источник:
https://www.citiusonc.com/news/news-details/2026/Citius-Oncology-Reports-Nationwide-Deployment-of-LYMPHIRs-Broadened-Commercial-Organization-and-Expanding-Market-Adoption/default.aspx

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

Маркетолог теперь может сам собрать 3D-игру для циклового совещания

Ещё недавно идея звучала так: «Давайте сделаем для медицинских представителей обучающую игру».

А дальше начиналось: агентство, разработчики, техническое задание, бюджет и месяцы работы.
Теперь первый рабочий прототип можно собрать самостоятельно с помощью ИИ-инструментов — например, Codex в экосистеме ChatGPT, Claude Design или Claude Code.

Маркетолог описывает идею обычными словами:
«Создай браузерную 3D-игру, в которой медицинский представитель движется по маршруту, преодолевает препятствия, отвечает на вопросы по продукту и получает баллы за правильные решения».

ИИ может помочь:

— придумать сюжет и игровую механику;
— написать программный код;
— создать интерфейс и визуальные элементы;
— добавить вопросы, уровни и систему баллов;
— найти и исправить часть ошибок;
— подготовить браузерную версию игры.

Например, это может быть 3D-раннер. Медпред движется к врачу, собирает правильные ключевые сообщения и избегает препятствий:

— неподтверждённых утверждений;
— выхода за пределы одобренной коммуникации;
— пропущенных вопросов врача;
— ошибок в последовательности визита.

Между игровыми этапами появляются вопросы:
«Какой пациент соответствует целевому профилю?» «Как корректно ответить на это возражение?» «Какое сообщение логично использовать дальше?»

В итоге игра одновременно решает две задачи.
Первая — развлекает и вовлекает команду на цикловом совещании.
Вторая — помогает повторить знания, потренировать логику визита и проверить понимание ключевых сообщений.

Самое интересное: маркетологу необязательно писать код вручную. OpenAI официально показывает сценарий создания браузерных игр с помощью Codex, а Anthropic — программные прототипы с 3D в Claude Design [1, 2].

Но первая версия, созданная ИИ, — это прототип, а не автоматически готовый корпоративный продукт.

Перед запуском нужно проверить:

— медицинскую и фактическую корректность вопросов;
— соответствие утверждений одобренным материалам;
— правильность ответов и подсчёта баллов;
— работу игры на разных устройствах;
— безопасность кода и внешних библиотек;
— отсутствие персональных и конфиденциальных данных;
— правила хранения индивидуальных результатов сотрудников.

Главный вывод: ИИ даёт маркетологу совершенно новый формат работы. Теперь можно не только придумать обучение, презентацию или викторину, но и самостоятельно превратить идею в интерактивную игру, которую команда действительно захочет пройти.

Источники:
[1] OpenAI, создание браузерных игр с помощью Codex —
https://developers.openai.com/codex/use-cases/browser-games
[2] Anthropic, Claude Design —
https://www.anthropic.com/news/claude-design-anthropic-labs
[3] Anthropic, Claude Code —
https://docs.anthropic.com/en/docs/claude-code/overview

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

Корпоративный ИИ: вопрос уже не только «что можно загружать?», но и «кто вообще может это увидеть?»

OpenAI представила Private Safety Processing — новую архитектуру для корпоративных API-сценариев с Zero Data Retention. Для eligible API-клиентов ZDR означает, что запросы и ответы после обработки обычно не сохраняются, а данные клиентов не используются для обучения моделей без opt-in.

Private Safety Processing должен решить более сложную задачу: позволить safety-системам анализировать паттерны сразу нескольких взаимодействий, не предоставляя сотрудникам OpenAI доступ к исходному содержанию.

В варианте для ZDR customer content остаётся в инфраструктуре, контролируемой клиентом. Также разрабатывается архитектура с ключами шифрования под контролем клиента.

Но важный нюанс: это пока preview. Начало rollout запланировано на сентябрь 2026 года, тогда же ожидается технический white paper. Для фармы здесь интересен сам сдвиг. Раньше разговор часто сводился к: «Не загружайте чувствительные данные во внешний AI». Теперь появляется более зрелый набор вопросов: где находятся данные? что сохраняется? кто владеет ключами? кто технически может увидеть содержимое?

Но ZDR не означает, что теперь можно загружать в ИИ любые данные пациентов, коммерческую тайну или другую защищённую информацию. IT, Legal, Privacy, Security и Compliance никуда не исчезают.

Источник:
https://openai.com/index/offering-zero-data-retention-for-frontier-models/

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

Что если ИИ поможет врачу найти релевантное КИ для пациента за минуты?

Mednet запустила TrialMatch — ИИ-инструмент для поиска онкологических клинических исследований. Врач описывает обезличенный клинический профиль пациента обычным языком: диагноз, стадию, биомаркеры, географию.

ИИ подбирает потенциально релевантные открытые исследования, объясняет, почему они могут подходить, и даёт ссылку для дальнейшего рассмотрения. По данным Mednet, поиск, который раньше мог занимать часы, теперь выполняется за минуты. Особенно интересно, что TrialMatch встроен непосредственно в профессиональное сообщество Mednet — релевантные исследования могут появляться прямо во время обсуждения клинического случая.

Но стадия доказательств здесь очень правильная:
продукт уже работает, а влияет ли он на реальное включение пациентов в исследования, ещё предстоит проверить.

Совместно с SWOG Cancer Research Network запускается проспективное исследование с оценкой awareness врачей, referrals и enrollment.

Важно: TrialMatch помогает найти потенциально релевантное исследование, но окончательную пригодность пациента определяет исследовательская команда после полноценного screening.

Источники:
https://www.prnewswire.com/news-releases/mednet-launches-nci-sbirsttr-funded-trialmatch-to-accelerate-cancer-clinical-trial-discovery-302855779.html
https://www.swog.org/news-events/news/2026/08/21/trialmatch-applying-ai-find-trials-patients

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

В pharmacovigilance ИИ уже получает отдельные рабочие роли

Tata Consultancy Services запустила TCS ADD AgentHub — платформу с ролевыми ИИ-агентами для клинической разработки и фармаконадзора. 

В PV уже заявлены отдельные агенты для ICSR intake и data entry, медицинского кодирования, medical review, quality review и анализа литературы. 

В клинической разработке — для дизайна исследования, цифровизации протокола, анализа клинических данных, SDTM-трансформации и поддержки медицинского мониторинга.

Самое интересное здесь — смена модели. Не один универсальный Copilot: «Помоги мне с документом». А целый набор ИИ-ролей с определёнными задачами, контролем и audit trail.

При этом речь не о PV без людей. TCS предусматривает разные уровни автоматизации — от помощника до контролируемой автономности — но человеческий надзор и ответственность за решения сохраняются.  То есть специализированным агентам постепенно передают рутинные и многоэтапные части safety-workflow, чтобы эксперты могли больше заниматься медицинской оценкой и контролем.
Важно: заявления об эффективности и готовности платформы к регулируемой среде принадлежат самой TCS. Для реального GxP/PV-процесса всё равно необходимы валидация, governance, SOP, контроль изменений и ответственность компании.

Источник:
https://www.tcs.com/who-we-are/newsroom/press-release/tcs-launches-agentic-ai-platform-transform-drug-development
https://www.tcs.com/what-we-do/products-platforms/tcs-add/solution/tcs-add-agenthub-our-enterprise-ready-multi-role-ai-workforce

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

ИИ пытается понять не только, кто врач, но и насколько он близок к назначению

Doceree запустила Semmelweis — специализированную reasoning-модель для фарммаркетинга.
Это не отдельная LLM, обученная с нуля на фармданных. Semmelweis использует базовые AI-модели, но добавляет к ним собственный клинический контекст: более 6 млн верифицированных HCP, 185+ интеграций с электронными медицинскими системами и Clinical Intent Signals. 

Идея очень интересная.
По заявлению Doceree, система пытается различать: «врач изучает терапию» и «врач приближается к решению о назначении». На основе этого она предлагает следующее коммерческое действие.

Doceree также заявляет, что модель не получает patient data, работает с деидентифицированным HCP-контекстом, а рекомендации остаются консультативными, должны подтверждаться человеком и быть пригодными для MLR-проверки. Причём оптимизация идёт не только по кликам и показам — система ориентируется вплоть до filled и refilled prescriptions.  То есть next-best-action постепенно превращается из: «Что показать врачу дальше?» в: «В какой точке терапевтического решения он сейчас находится?»

Важно: точность этих intent-сигналов, privacy-подход и эффективность модели пока описаны самой Doceree. Независимых сравнительных данных я не нашла. А «MLR-ready» не заменяет реальное медицинское, юридическое и комплаенс-согласование.

Источник:
https://doceree.com/semmelweis
https://www.pharmaceuticalcommerce.com/view/inside-semmelweis-docerees-ai-bet-on-pharma-marketing

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

Вопросы врачей превращаются в источник медицинских инсайтов

Inizio Engage запустила Connected Insights — подход, при котором Medical Information используется не только по схеме: «получили вопрос → ответили → закрыли обращение».

ИИ-инструменты встроены в процесс Medical Information и помогают анализировать массив взаимодействий: находить повторяющиеся темы, новые вопросы и информационные пробелы.
В процесс входят виртуальные ИИ-агенты, анализ речи, ИИ-подсказки сотрудникам и анализ взаимодействий.

Масштаб большой: Inizio сообщает о более чем 1 млн обращений Medical Information в год, 500+ продуктах, 55+ программах и работе более чем на 20 языках.

И здесь особенно интересен сам сдвиг.
Вопрос врача — это не только запрос, на который нужно ответить.

Тысячи таких обращений вместе могут показать:
— что врачи системно не понимают;
— какие темы начинают появляться чаще;
— где возникают информационные пробелы;
— какие сигналы важно увидеть Medical Affairs.

То есть Medical Information постепенно превращается ещё и в источник системных медицинских и научных инсайтов.

Важно: это возможности и масштаб, заявленные самой Inizio. Качество AI-инсайтов требует человеческой проверки, а работа с обращениями — строгого контроля медицинских данных, фармаконадзора и разделения Medical и Commercial функций.

Источник:
[1] Inizio Engage, 28 июля 2026 —
https://inizioengage.com/insights/inizio-launches-connected-insights/

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

Российский кейс: ИИ собирает данные — врач принимает клиническое решение

«Яндекс» и Ассоциация детских ревматологов встроили ИИ-ассистента в систему дистанционного наблюдения детей с ревматическими заболеваниями. Ею пользуются около 1,5 тыс. пациентов и 32 врача. ИИ помогает обрабатывать типовые обращения, а если информации недостаточно — уточняет её у пациента.

Дальше работает несколько сценариев:
— на рутинные информационные вопросы ассистент может ответить сам;
— если нужна интерпретация медицинских показателей или речь идёт об изменении терапии — ИИ готовит черновик для врача;
— потенциально критические случаи сразу направляются специалисту.

Самое интересное — архитектура.
Языковая модель работает с клиническими рекомендациями, инструкциями к препаратам и нормативными документами, а критические пороги риска вынесены в отдельный заранее заданный алгоритм. То есть модель помогает работать с информацией, но не должна сама решать, насколько ситуация опасна. По данным участников проекта, число вопросов, решённых врачом при первом обращении пациента, выросло на 40%.

Хороший пример human-in-the-loop в реальной медицине:
ИИ собирает и структурирует → врач контролирует клиническое решение.

Важно: 40% — данные самого проекта. Публично не раскрыта методология независимой оценки этого результата.

Российский кейс: ИИ собирает данные — врач принимает клиническое решение
«Яндекс» и Ассоциация детских ревматологов встроили ИИ-ассистента в систему дистанционного наблюдения детей с ревматическими заболеваниями.
Ею пользуются около 1,5 тыс. пациентов и 32 врача.
ИИ помогает обрабатывать типовые обращения, а если информации недостаточно — уточняет её у пациента.
Дальше работает несколько сценариев:
— на рутинные информационные вопросы ассистент может ответить сам;
— если нужна интерпретация медицинских показателей или речь идёт об изменении терапии — ИИ готовит черновик для врача;
— потенциально критические случаи сразу направляются специалисту.
Самое интересное — архитектура.
Языковая модель работает с клиническими рекомендациями, инструкциями к препаратам и нормативными документами, а критические пороги риска вынесены в отдельный заранее заданный алгоритм.
То есть модель помогает работать с информацией, но не должна сама решать, насколько ситуация опасна.
По данным участников проекта, число вопросов, решённых врачом при первом обращении пациента, выросло на 40%.
Хороший пример human-in-the-loop в реальной медицине:
ИИ собирает и структурирует → врач контролирует клиническое решение.
Важно: 40% — данные самого проекта. Публично не раскрыта методология независимой оценки этого результата.

Источники:

[1] Яндекс —
https://yandex.ru/company/news/11-08-2026-01
[2] Yandex Cloud —
https://yandex.cloud/ru/special/ai-assistant-rheum-kids
Материал подготовлен с использованием ChatGPT и отредактирован автором канала.
[1] Яндекс —
https://yandex.ru/company/news/11-08-2026-01
[2] Yandex Cloud —
https://yandex.cloud/ru/special/ai-assistant-rheum-kids

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

В фарме появился ИИ-агент специально для конкурентной разведки

Представьте обычную задачу маркетолога: «Собери мне всё по конкуренту к пятнице».

Norstella предлагает превратить её в один запрос к Atlas CI — специализированному ИИ-агенту для конкурентной разведки в фарме и биотехе [1].

Atlas работает на данных Citeline, Evaluate, MMIT и Panalgo и может собирать:
— конкурентные ландшафты;
— профили препаратов;
— временные линии ключевых событий конкурентов;
— брифы для руководства.

Причём результат — не просто список найденных фактов. Система собирает структурированный материал со ссылками на источники, который можно дальше проверять, редактировать и использовать в работе. По заявлению Norstella, отдельные материалы можно получать за минуты, а задачи, которые раньше занимали дни или недели, — за часы.

И вот здесь самое интересное. ИИ постепенно переходит от: «Найди мне информацию» к: «Собери из неё рабочий материал для принятия решения».

Следующими Norstella планирует агентов для поиска и лицензирования активов, планирования исследований, портфельной стратегии и дизайна протоколов.

Важно: заявления о скорости и экономии времени принадлежат самой Norstella. Независимых сравнительных данных об эффективности Atlas CI пока нет. А если в систему загружаются внутренние данные компании — только в рамках корпоративных правил по конфиденциальности, безопасности и работе с данными.

Источники:
[1] Norstella, запуск Atlas —
https://ai.norstella.com/press-release/norstella-launches-atlas-agentic-ai-platform-biopharma/
[2] Norstella Atlas CI —
https://www.evaluate.com/solutions/norstella-atlas-ci/
[3] R&D World, подробный разбор от 12 августа 2026 года —
https://www.rdworldonline.com/norstella-launches-atlas-a-biopharma-agentic-platform-that-can-train-you/

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

Excel ещё жив. Но маркетинговую аналитику уже можно просто спросить, что произошло

Google расширила возможности Ask Advisor — ИИ-агента внутри Google Ads и Google Analytics [1].

Теперь можно обычным языком спросить:
«Почему за последний месяц упала конверсия?»
«Какие показатели изменились сильнее всего?»
«Что могло повлиять на результат?»

Ask Advisor анализирует данные аккаунта, помогает находить причины изменений и показывает связанные отчёты и визуализации.

Параллельно Google добавляет новые инструменты аналитики:

— AI-сводки в Google Analytics автоматически выделяют важные изменения с момента последнего входа;
— benchmarking позволяет сравнивать показатели с обезличенными данными похожих компаний;
— в Google Ads новые Dashboards можно создавать с помощью обычного текстового запроса. Для Google Analytics такая возможность заявлена на будущее.

То есть цепочка: Google Analytics → Excel → сводная таблица → поиск причины
постепенно может превращаться в: «Что произошло и почему?»

Важно: Ask Advisor пока работает в beta и доступен не всем аккаунтам. А в фарме — только на разрешённых данных: без передачи идентифицирующей или чувствительной медицинской информации и с учётом корпоративных требований к использованию внешних платформ.

Источники:
[1] Google, обновление от 10 августа 2026 года —
https://blog.google/products/ads-commerce/google-ads-analytics-ai-updates/
[2] Google Analytics Help, Ask Advisor —
https://support.google.com/analytics/answer/16675569
[3] Google Analytics Help, Benchmarking —
https://support.google.com/analytics/answer/16388466

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

В 65% заметок после визита находят барьеры, которых не видно в обычном CRM

Очень интересный SFE-инсайт от Veeva. По данным компании, 65% свободных текстовых заметок, собранных через Agentic Call Reports и прошедших встроенную проверку, содержат конкретные барьеры на пути к терапии, которых не было бы видно в стандартном CRM-отчёте [1].

Особенно показательный пример. У одной биофармы выяснилось, что проблема была не в клиническом предпочтении врача. Больница требовала отдельное экономическое обоснование для препарата, а согласование занимало до четырёх недель. Сигнал передали менеджеру по возмещению и доступу, чтобы решать барьер уже на уровне больницы [2].

И вот здесь становится понятен потенциал ИИ для SFE. Обычный CRM хорошо отвечает на вопрос: «Что произошло на визите?» Свободная заметка плюс ИИ могут добавить второй уровень:
«Почему возник барьер — и кто внутри компании может помочь его устранить?»

Для запуска новых препаратов это особенно ценно: важные сигналы могут скрываться не в стандартных полях отчёта, а в контексте разговора.

Важно: 65% — данные самой Veeva, а не независимый отраслевой benchmark. Свободный текст также требует контроля персональных данных, промокомплаенса и корректной маршрутизации сообщений о безопасности и качестве продукта.

Источники:
[1] Veeva Agentic Commercial Trends Report —
https://www.veeva.com/resources/agentic-commercial-trends-report/
[2] Pharmaceutical Executive, Matt Farrell, 10 августа 2026 года —
https://www.pharmexec.com/view/generating-commercial-evidence-agentic-field-brand-engagement-accelerate-launch-performance

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

AstraZeneca ставит цель: усилить ИИ 30% взаимодействий медицинских представителей с врачами

Очень интересный российский кейс AstraZeneca. В рамках стратегии AI30 компания ставит цель сделать так, чтобы 30% взаимодействий медицинских представителей с врачами были усилены искусственным интеллектом [1].

И речь не о замене представителей. По описанию компании, ИИ должен помогать лучше готовиться к визиту: понимать профессиональный контекст специалиста, актуальные терапевтические вопросы и делать разговор более релевантным. То есть эффективность полевой команды — это уже не только:
«К кому идти и сколько раз». Но ещё и: «Как лучше подготовиться к конкретному разговору». Параллельно сотрудникам доступны корпоративные инструменты AZ ChatGPT, а с 2025 года работает «Диджитал-академия», где учат применять ИИ — от обычных промптов до ИИ-агентов [1].

Главный вывод: один из сценариев ИИ для полевой команды — не заменить человека, а дать ему дополнительный слой подготовки перед визитом. При этом персонализация должна оставаться в рамках разрешённых данных, утверждённой медицинской и продуктовой информации и корпоративных комплаенс-правил.

Источник:
[1] Фармацевтический вестник —
https://pharmvestnik.ru/content/articles/kak-farmkompanii-vnedryaut-ii.html

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

Claude входит в операционный контур клинических исследований

CRO-компания ICON заключила многолетнее соглашение с Anthropic.
Claude планируют встроить в Orbis — защищённую и управляемую агентную ИИ-платформу ICON для клинической разработки [1].

Внутри Orbis компания планирует развивать четыре направления:

— выбор исследовательских центров и оценку выполнимости исследования;
— раннее выявление рисков набора пациентов и операционных отклонений;
— моделирование протокола, которое должно помочь сократить число последующих поправок;
— интеграцию экспертизы и аналитики ICON в системы клиентов с доступом к инсайтам через Claude.

ИИ будут внедрять и по ролям:

— Claude Code — для разработчиков;
— Claude — для команд, работающих со знаниями;
— Claude Science — для научных и клинических специалистов.

Самое интересное: модели дают уже не отдельную задачу вроде «суммируй документ».
Специализированные ИИ-агенты планируют встраивать непосредственно в рабочие процессы клинической разработки — от планирования центров до выявления проблем с набором пациентов.

Но пока это планы по созданию и масштабированию возможностей.
Публичных сравнительных данных о сокращении сроков, стоимости исследований или числа поправок к протоколам ещё нет.
И финальные решения остаются за людьми: ICON указывает, что эксперты должны проверять, подтверждать и завершать результаты работы ИИ.

Источники:

[1] ICON —
https://www.iconplc.com/news-events/press-releases/icon-announces-multi-year-collaboration-anthropic-bring-ai-clinical
[2] ICON, платформа Orbis —
https://www.iconplc.com/solutions/technologies/ai/orbis

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

Veeva расширяет AI-проверку промоматериалов перед MLR

В рамках обновления Vault 26R2 Veeva расширяет возможности искусственного интеллекта в PromoMats. Идея простая: ИИ приходит не вместо медицинской, юридической и регуляторной проверки, а раньше — чтобы найти часть ошибок ещё до официального согласования.

В PromoMats работают и появляются несколько специализированных инструментов:

— Quick Check Agent подсвечивает редакционные ошибки, потенциально рискованные формулировки, недостающую информацию по безопасности и другие проблемы до передачи материала на проверку;
— Content Agent анализирует текст и изображения, отвечает на вопросы и помогает специалистам разбирать документ;
— Claims Agent выявляет утверждения о продукте, помогает связать их с одобренными источниками и поддерживает прослеживаемость формулировок;
— вкладка Vault AI позволяет искать информацию по документам внутри системы обычным языком.

Практический сценарий понятный: маркетолог или агентство загружает материал, а система заранее показывает места, которые могут потребовать исправления или дополнительного подтверждения. Это может помочь сократить количество возвратов и ручной работы. Но важно: ИИ не выдаёт окончательное заключение о соответствии материала законодательству и не заменяет MLR-команду.

Результат зависит от настроек системы, качества библиотеки утверждений, актуальности источников и локальных правил конкретного рынка. Финальное медицинское, юридическое, регуляторное и комплаенс-решение остаётся за квалифицированными специалистами.

Источники:
[1] Veeva, Vault AI в PromoMats —
https://www.veeva.com/products/ai-for-promomats/
[2] Veeva, график релиза Vault 26R2 —
https://cdmshelp.veeva.com/lr/rn/general-releases/26r2/
[3] Veeva, Quick Check Agent —
https://commercial.veevavault.help/en/lr/848672/
[4] Veeva, доступность AI-агентов в PromoMats —
https://ir.veeva.com/news/news-details/2025/Veeva-AI-Agents-Now-Available-to-Increase-Productivity-and-Customer-Centricity/default.aspx

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

Пока все обсуждают AI-молекулы, измеримый эффект чаще виден в маркетинге и операциях

ZS опросила 115 технологических руководителей фармацевтических и биотехнологических компаний.

Где они уже видят измеримую ценность от инвестиций в данные, цифровые технологии и ИИ:

— корпоративные технологии и работа с данными — 49%;
— продажи и маркетинг — 47%;
— клиническая разработка — около 30%;
— поиск и разработка лекарств — 17%.

Это не значит, что ИИ важнее для маркетинга, чем для науки.
Просто в коммерческих и операционных процессах путь от внедрения до заметного результата обычно короче. А разработка лекарства требует лет исследований и проверки гипотез.

Но самый интересный вывод исследования — другой. 68% участников считают, что AI-инициативы проваливаются из-за недостаточного внимания к качеству данных и управлению ими. 67% называют проблемой неясные цели, а 63% — отсутствие бизнес-владельца проекта. То есть ИИ часто проваливается не потому, что модель недостаточно умная. А потому что у проекта нет нормальных данных, понятной задачи и человека, отвечающего за результат.

Важно: это опрос руководителей, а не независимый аудит финансового эффекта. Исследование опубликовано в 2026 году и основано на данных, собранных в 2025 году.

Источник:
[1] ZS —
https://www.zs.com/insights/scaling-ai-in-pharma-cdio-2026

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

Нужно ли с 2 августа маркировать каждый пост, сделанный с помощью ChatGPT?

Нет. Но для компаний, работающих на рынке ЕС, правила прозрачности AI-контента меняются.
Со 2 августа 2026 года начинает применяться статья 50 EU AI Act [1].

Она предусматривает два разных уровня прозрачности.

Первый — технический. Провайдеры AI-систем должны обеспечивать машиночитаемую маркировку сгенерированного или существенно изменённого текста, изображения, аудио и видео.

Второй — понятное раскрытие для человека. Организациям, использующим ИИ, необходимо информировать аудиторию при применении:
— систем распознавания эмоций и биометрической категоризации;
— дипфейков;
— AI-текстов, опубликованных для информирования общества по вопросам общественного интереса без человеческой проверки и редакционной ответственности.

Но это не означает, что заметная плашка нужна под каждым текстом, где ChatGPT исправил орфографию, сократил абзац или помог улучшить стиль.

Для текстов особенно важны два вопроса:
— насколько существенно ИИ изменил исходный материал;
— прошёл ли результат человеческую или редакционную проверку и есть ли лицо, отвечающее за публикацию.

Для фарммаркетинга особенно чувствительны:
— реалистичные цифровые двойники врачей;
— синтетические видео и клоны голоса;
— внешние чат-боты для врачей и пациентов;
— медицинские тексты без полноценной проверки человеком.

Главный вывод: вопрос уже не только в том, использовался ли ИИ.
Важно понимать, что именно он создал, может ли аудитория принять синтетический материал за настоящий и кто несёт редакционную ответственность за результат.

Источники:
[1] EU AI Act, статья 50 —
https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng
[2] Европейская комиссия, рекомендации по статье 50 —
https://digital-strategy.ec.europa.eu/en/policies/guidelines-transparency-ai-generated-content
[3] Европейская комиссия, краткий обзор правил —
https://digital-strategy.ec.europa.eu/en/factpages/quick-facts-transparency-rules-ai-systems

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

ИИ-агенты начинают сопровождать пациента после назначения терапии

Infinitus запустила платформу с ИИ в основе для программ поддержки пациентов, получающих сложную и дорогостоящую терапию в США [1].

После назначения пациенту ещё предстоит пройти регистрацию, проверку страхового покрытия, согласование терапии и взаимодействие со специализированной аптекой.
И именно на этом этапе лечение иногда так и не начинается.
В новой модели ИИ-агенты круглосуточно берут на себя стандартные задачи:
— регистрацию;
— проверку статуса;
— общие вопросы;
— напоминания;
— координацию доставки препарата.

Сложные, неоднозначные и клинически чувствительные ситуации передаются специалисту вместе с контекстом разговора.
По данным самой Infinitus, во время одного ежегодного цикла повторной проверки страхового покрытия программа обработала рост объёма пациентов на 144% без найма дополнительных штатных сотрудников. Компания также заявляет о возможном снижении административных расходов до 30%.

Независимой оценки этих результатов пока нет. Назначение препарата — ещё не гарантия начала лечения. Административные сложности могут остановить пациента уже после решения врача. Поэтому первое реальное сервисное взаимодействие пациента с фармкомпанией всё чаще происходит через программу поддержки. И первой точкой контакта в ней может стать ИИ-агент.
Но клинические решения, нестандартные обращения и ситуации, где необходимы профессиональное суждение и эмпатия, должны оставаться за человеком.

Также обязательны защита медицинских данных, использование одобренной информации и корректная маршрутизация сообщений о безопасности и качестве продукта.

Источник:
[1] Infinitus —
https://www.infinitus.ai/blog/the-infinitus-ai-first-hub-solution-healthcares-first-ai-native-human-backed-patient-support-model/

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

Почти 30 тысяч обращений показали: рядом с поиском появляется клинический диалог с ИИ

RX CODE проанализировало 28 388 обращений к специализированному медицинскому ИИ в экосистеме MedInternet за период с 1 апреля по 1 июля 2026 года. После исключения технического трафика в тематико-лингвистический анализ вошли 27 735 обращений [1].

Короткий поиск остаётся основным режимом: медианная длина запроса составила шесть слов.

Но рядом с ним появляется другой сценарий — последовательный разбор клинического вопроса. Пользователь может добавлять сведения о симптомах, результатах исследований, сопутствующих заболеваниях и уже назначенной терапии, постепенно уточняя задачу.

По данным анализа:

— 22,3% серий включали два и более обращения; на них пришлось 48,1% сообщений основных каналов;
— 41,6% активных анонимизированных ID обращались к системе в разные дни;
— 9,1% вопросов были классифицированы как клинические кейсы.

Для фармкомпаний это важный сигнал. В среде ИИ единицей медицинской коммуникации становится не только статья, презентация или PDF, но и ответ на конкретный профессиональный вопрос.

Такой контент должен содержать:

— проверяемый источник и дату актуализации;
— ясные границы применимости;
— сведения о безопасности и ограничениях;
— разделение зарегистрированного показания, клинической рекомендации и экспертной интерпретации.

Это близко к логике AEO — подготовке информации, которую системы искусственного интеллекта смогут корректно найти, извлечь и использовать при формировании ответа. Но речь должна идти не об оптимизации продвижения препарата через ИИ, а о доступности полной, сбалансированной и проверяемой медицинской информации.

Результаты важно трактовать осторожно. Это наблюдательный анализ одной цифровой экосистемы, а не репрезентативное исследование всех российских врачей. Он не оценивает качество ответов ИИ, их влияние на назначения или клинические исходы и не доказывает использование системы непосредственно во время приёма.

Отдельный вопрос — конфиденциальность: при работе с медицинским ИИ нельзя вводить сведения, по которым можно идентифицировать пациента, если для этого не создана соответствующая правовая и защищённая среда.

Главный вывод:

В медицинской коммуникации начинается конкуренция не только за внимание врача, но и за то, чья информация окажется наиболее доступной, доказательной и пригодной для корректного ответа на профессиональный вопрос. 🔑

Источник:

[1] «Фармацевтический вестник». Сергей Дубин: пока все обсуждают ИИ, врачи используют его каждый день — https://pharmvestnik.ru/content/articles/sergei-dubin-poka-vse-obsujdaut-ii-vrachi-ispolzuut-ego-kajdyi-den.html

*Материал подготовлен с использованием ChatGPT и отредактирован автором канала.*

Все опрошенные фармкомпании интересуются ИИ. Но до внедрения дошли лишь 8% пилотов

Между интересом к ИИ и его реальным использованием в фарме сохраняется большой разрыв.

HexaData опубликовала результаты опроса более 30 фармкомпаний, проведённого в первом полугодии 2026 года. 63% участников представляли российские компании, 37% — иностранные [1].

Все респонденты изучают возможности ИИ или уже запускают пилотные проекты.

Основные направления:

— аналитика продаж и спроса — 45%;
— оптимизация логистики и запасов — 38%;
— обработка документов — 32%;
— персонализация коммуникаций — 25%

Однако до промышленной эксплуатации, по данным авторов, дошли лишь 8% ИИ-пилотов. Один из ключевых барьеров — готовность корпоративных данных. 72% респондентов признали, что их данные пока не позволяют масштабировать ИИ [1].

Среди типичных проблем:

— информация хранится в разных системах;
— отсутствуют единые справочники;
— интеграция частично выполняется вручную;
— не всегда определена ответственность за качество данных;
— ИИ сложно встроить в регулируемые GxP-процессы.

Получается, даже сильная модель не даст стабильного результата, если работает с неполной, противоречивой или неактуальной информацией.

Цифру 8% важно трактовать осторожно. Исследование носило разведывательный характер, основано на небольшой выборке и самооценке участников. Авторы не раскрыли абсолютное количество пилотов и критерии перехода в промышленную эксплуатацию.

Главный вывод: Для масштабирования ИИ фарме нужны не только современные модели, но и качественные данные, понятные процессы и ответственность за результат. Иначе пилот рискует так и остаться пилотом.🔑

Источник:

[1] HexaData. 72% фармкомпаний заявили, что их данные не готовы для внедрения ИИ — https://hexadata.ru/analyticalnews_4

Материал подготовлен с использованием ChatGPT и отредактирован автором канала.

Португалия первой в ЕС подключилась к системе раннего предупреждения о рисках ИИ в здравоохранении

15 июля Португалия стала первой страной Евросоюза и десятым участником международной сети HealthAI Global Regulatory Network [1, 2].

Сеть объединяет государственные органы, регулирующие применение ИИ в здравоохранении. Среди её инструментов:

— обмен информацией и регуляторным опытом;
— ранние предупреждения об инцидентах;
— координация реагирования на возникающие риски;
— глобальный каталог ИИ-решений, зарегистрированных или локально валидированных странами-участницами.

Это ещё не полноценный «фармаконадзор для ИИ»: у сети нет сопоставимого правового режима и обязательной системы отчётности.

Но принцип похож. Если после внедрения ИИ-инструмента обнаружится проблема, информация о ней сможет быстрее попасть к регуляторам других стран.

Важно: HealthAI — независимая некоммерческая организация, а не регулятор ЕС или подразделение ВОЗ. Участие в сети не заменяет национальные и европейские процедуры и не означает автоматического одобрения решений из каталога.

Главный вывод:

Надзор за ИИ в здравоохранении постепенно становится трансграничным: регуляторы начинают совместно обмениваться информацией не только о технологиях, но и о рисках, выявленных при их применении. 🔑

Источники:

[1] INFARMED. Portugal passa a integrar a Rede Global de Reguladores da HealthAI — https://www.infarmed.pt/web/infarmed/cidadaos/-/journal_content/56/15786/13276553

[2] HealthAI. Global Regulatory Network — https://healthai.agency/grn_1/

*Материал подготовлен с использованием ChatGPT и отредактирован автором канала.*