《Drug Discovery Today》：The technological blind spot: Why pharma is missing the human element
编辑推荐：
•制药行业的问题不在于技术，而在于其依赖的人类行为。•是行为而非效果导致了试验中途退出、患者不遵医嘱以及招募困难等问题。•一种从患者层面到组织层面的行为框架——诊断、共同制定方案并实施。•行为干预需要良好的治理机制：自主性、透明度与公平性。章节摘录制药行业的技术盲点导致不佳结果在
- •
制药行业的问题不在于技术，而在于其依赖的人类行为。
- •
是行为而非效果导致了试验中途退出、患者不遵医嘱以及招募困难等问题。
- •
一种从患者层面到组织层面的行为框架——诊断、共同制定方案并实施。
- •
行为干预需要良好的治理机制：自主性、透明度与公平性。
章节摘录
制药行业的技术盲点导致不佳结果
在制药行业，风险极高，但实际成果却常常不尽如人意。临床试验失败现象普遍存在，但人们常引用的数据往往掩盖了更多问题而非揭示真相。大约90%的候选药物在进入临床开发阶段后便未能获得批准，其中第二阶段是失败率最高的阶段，约有70%的项目在此阶段宣告失败。[1], [2] 除了药物本身失败外，试验的执行过程也存在诸多问题：系统评价表明
现状：以技术为先的思维模式
为解决长期存在的研发及商业难题，制药行业迅速开始广泛应用人工智能和数字技术。人们正在评估生成式人工智能平台在优化分子设计、获取知识以及为整个研发流程提供决策支持方面的能力，早期的案例研究显示这些技术在某些任务上确实提升了效率，但也凸显出需要进行验证、建立治理机制并确保可持续发展的必要性
制药价值链中的行为学证据
我们所说的行为科学
我们用行为科学来指通过一系列定性和定量方法对人类行为进行的系统性、实证性研究。在企业环境中应用行为科学的独特之处在于，当现有数据不足以回应业务需求时，它能帮助生成新的证据；这也是传统数据科学团队与行为科学团队之间的主要区别。这一方法论的核心在于将
克服技术盲点：一种行为科学框架
我们提出了一种适用于制药企业的应用行为科学框架，包含三个相互关联的阶段（见图1）。与普通的设计思维或组织变革方法相比，该框架的独特之处在于采用了前述的方法论原则：通过定性和定量方法生成新的行为学证据，并在推广到整个组织之前通过实验测试各种干预措施。
第一阶段：行为诊断结合了对现有
制药领域中行为科学的伦理与治理问题
在制药领域中，行为科学并非毫无伦理考量。那些能够改变患者或专业人士行为的干预措施或许可以减轻负担、提升理解能力并助力自主决策，但如果缺乏合理监管，它们也可能被视为具有操控性、不透明或与公共利益相悖。关键的伦理准则是，那些在不剥夺人们理性决策能力的前提下提升福祉的行为干预才是可接受的，而那些利用人们的认知局限来达到某种目的的干预则
迈向以行为科学为指引的组织
人工智能和数字工具虽能带来洞察力和能力提升，但价值只有通过人类的行动才能实现。如果由于能力不足、机会结构不合理，或是患者、专业人士或组织层面的动机偏差，这些行动无法得以实施，那么所谓的洞察力就只能束之高阁，相关投资也会收效甚微。制药行业应当将行为诊断视为临床开发、人工智能应用以及商业战略中的核心组成部分，而非可有可无的附加项。
利益声明
J. Baumeister在行为科学和数据科学领域拥有丰富经验，曾任职于制药企业（诺华、山德士）和金融服务行业（安联），同时还在慕尼黑路德维希-马克西米利安大学从事研究工作。G. Doron目前就职于拜耳公司。本文所表达的观点仅为作者个人观点，并不一定代表其所在机构的立场。本研究未获得任何外部资助，作者也不存在其他利益冲突。
关于生成式人工智能的声明
CRediT作者贡献说明
Jochen Baumeister：撰写——初稿、可视化、方法论、研究设计、数据整理、概念构建。Guy Doron：撰写——初稿、可视化、验证、监督、方法论、研究设计、数据整理、概念构建。
Jochen Baumeister|Guy Doron
