Det kinesiska teknikföretaget Huawei är fast beslutet att stärka sin närvaro inom området artificiell intelligens tillämpad på hälso- och sjukvård. Enligt rapporter planerar företaget att utöka sina partnerskap med läkemedelstillverkare, med målet att täcka hela livscykeln, från substansidentifiering till klinisk användning. Denna strategi är en del av en global kapplöpning för att automatisera läkemedelsutveckling, där jättar som Nvidia också deltar.
William Zhang, vd för Huaweis affärsenhet för hälso- och sjukvård, bekräftade för Reuters att företaget redan samarbetar med sjukhus och utforskar nya möjligheter inom sektorn. Att expandera till klinisk praxis är ett viktigt mål. Även om han inte gav några specifika detaljer, tyder hans uttalanden på en gradvis utökning av samarbeten, som för närvarande är inriktade på inhemska tillverkare. Målet är att artificiell intelligens ska gå bortom laboratoriet och in i verklig klinisk praxis.
Ett engagemang för artificiell intelligens inom läkemedelssektorn
Huaweis intresse inom läkemedelssektorn är inte nytt. Företaget erbjuder redan verktyg för att screena potentiellt gångbara substanser och har anpassat dem till sina hårdvaruplattformar Ascend och Kunpeng. Denna integration syftar till att ge den processorkraft som behövs för att köra forskningsmodeller med AI-filter , ett område som blir alltmer framträdande i branschen. Kombinationen av egenutvecklad hårdvara och specialiserad programvara gör det möjligt för Huawei att erbjuda kompletta lösningar, något som läkemedelsföretag värdesätter i allt högre grad.
I maj tillkännagav Huawei ett gemensamt projekt med Guangzhou Pharmaceutical Holdings, vilket omfattade produktionsvalidering av deras AI-modeller för läkemedelsforskning. Detta specifika användningsfall visade att deras chip kan hantera farmaceutiska arbetsbelastningar i en verklig driftsmiljö, ett steg bortom experimentell testning. Samarbetet med Guangzhou Pharmaceutical har blivit ett riktmärke för företaget, som strävar efter att kopiera denna modell med andra aktörer inom sektorn.
Nuvarande samarbeten och framtidsplaner
Enligt Zhang har Huawei redan projekt relaterade till klinisk praxis på sjukhus, även om han inte avslöjade namn eller operativa detaljer. Chefen antydde att företaget utforskar fler möjligheter inom detta område, vilket antyder att expansionen inte kommer att begränsas till molekylupptäckt. Avsikten är att stödja läkemedelsföretag i alla steg , från tillverkning till slutlig implementering hos patienter.
Företaget har inte heller specificerat hur många företag som deltar i deras samarbeten eller när nya resultat kommer att presenteras. Trenden är dock tydlig: Huawei vill positionera sig som en leverantör av infrastruktur och modeller för läkemedelsindustrin, genom att utnyttja sin expertis inom chip och sin förmåga att anpassa sig till lokala behov. Fokus på den kinesiska marknaden är tydligt, men det är möjligt att man kommer att försöka expandera till andra regioner, inklusive Europa, i framtiden.
Konkurrens med Nvidia och andra teknikföretag
Huaweis offensiv kommer mitt i hård konkurrens. Nvidia har till exempel tillkännagivit samarbeten med Eli Lilly och Novo Nordisk för att tillämpa artificiell intelligens i läkemedelsutveckling. Rivaliteten mellan de två företagen sträcker sig bortom processorförsäljning och omfattar skapandet av kompletta ekosystem som kopplar samman hårdvara, databaser, vetenskapliga modeller och laboratorieautomation.
För läkemedelsföretag beror värdet av dessa plattformar på deras förmåga att integrera med befintliga system och generera användbara bevis för forskare och läkare. En modell kan föreslå en substans eller en terapeutisk hypotes , men beslutet att gå vidare kräver experiment, kvalitetskontroller och granskningar som inte försvinner bara för att mer datorkraft finns tillgänglig. Denna spänning mellan hastighet och noggrannhet är en av de utmaningar som branschen måste lösa.
Ascends och Kunpengs roll i Huaweis strategi
Ascend- och Kunpeng-chippen är kärnan i Huaweis erbjudande för bearbetning av modeller för artificiell intelligens och företagsarbetsbelastningar. I projektet med Guangzhou Pharmaceutical presenterade företaget anpassningen av sina teknologier som en produktionsvalidering, en viktig milstolpe eftersom det innebär att systemet används inom en verklig industriell verksamhet. Engagemanget för proprietär hårdvara blir allt viktigare i en miljö där teknikföretag konkurrerar om att erbjuda kompletta plattformar, inte bara isolerade komponenter.
Teknisk prestanda kommer dock inte att vara det enda kriteriet för att mäta framgången för dessa initiativ. Kvaliteten på medicinska data, spårbarheten av rekommendationer, modellernas granskningsbarhet och systemens förmåga att följa gällande läkemedels- och hälsovårdsregler kommer också att vara viktiga. Nästa steg blir att observera om Huawei omvandlar de aviserade projekten till samarbeten med verifierbara resultat och bredare implementering inom branschen.
Branschprognoser, som Reuters citerar, tyder på att maskininlärning skulle kunna halvera tiden och kostnaden för tidig läkemedelsutveckling under de kommande tre till fem åren. Denna uppskattning är en prognos, inte ett bekräftat resultat, och beror på att modellerna producerar reproducerbara resultat, att laboratorier kan validera dem och att tillsynsmyndigheter i allt högre grad accepterar algoritmdrivna processer. Den ekonomiska fördelen härrör från ett välkänt problem : många läkemedelskandidater misslyckas med att gå vidare från forskningsfaser eller senare prövningar, trots betydande investeringar i tid och resurser.
I slutändan försöker Huawei vinna mark i kapplöpningen om att tillämpa AI inom läkemedelsutveckling, genom att utnyttja sina lokala partnerskap, sina Ascend- och Kunpeng-plattformar, och en expansion som nu sträcker sig bortom laboratoriet. Företaget har indikerat att det utforskar nya möjligheter, men har ännu inte avslöjat tillräckligt med detaljer för att bedöma storleken på denna verksamhet eller dess kliniska inverkan. Spänningen mellan hastighet och noggrannhet kommer att fortsätta att definiera takten i denna omvandling, och bara tiden kan utvisa om löftena om artificiell intelligens omsätts i hållbara behandlingar för patienter.