Sélectionner une page

L’Intelligence Artificielle: le meilleur remède pour l’industrie pharmaceutique française

par | Fév 12, 2019 | Business

Visuel Pharmaceutique

 

Article publié dans L’USINE SANTÉ , PHARMACIE / BIOTECHNOLOGIES , SANTÉ PUBLIÉ LE 10/12/2018 

Artificial Intelligence: the best medicine for French pharmaceutical industries

 

Major French pharmaceutical groups are increasingly equipping themselves with Artificial Intelligence technology in order to modernize and develop their activities – as Sanofi and Pierre Fabre have recently demonstrated. Sanofi, the French giant in the sector, announced last week that they plan to invest €60 million in new digital technologies by the end of 2021 to adapt and modernize their entire global industrial network, including 75 plants around the world. These new technologies will make it possible to monitor the entire production chain in real time or perform predictive maintenance using connected sensors and artificial intelligence systems, thus increasing their industrial competitiveness and the productivity of their employees.

 

For its part, the second biggest private pharmaceutical group Pierre Fabre organized an « AI Health Challenge » focused on the prevention of skin cancers during the 12th edition of the e-health summer university. In parallel with this « AI Health Challenge », the group created by the end of 2018 a new European-wide Observatory of AI for healthcare professions with a view to establishing an accurate mapping of skills and assessing the penetration rate of AI among professionals and patients.  

 

These initiatives led by Sanofi and Pierre Fabre show how AI is becoming a major resource for the modernization and productivity of the pharmaceutical industries. A Siemens Financial Services study published at the World Industry Forum in Hanover estimates the potential gain from the digitization of production lines in the pharmaceutical sector at over €60 billion. In France, this transition would reduce costs between €1 billion and €2 billion. Equipping production lines with sensors, connected objects and computer systems would increase productivity and improve equipment planning, forecasting and maintenance with automatic alerting devices, and continuous monitoring of the generated data.  

 

These devices are mostly based on visual recognition, a rapidly growing branch of AI. This technology offers many opportunities for development in this sector, particularly through its optimization of production lines, laboratory experiments and safety.

 

As part of the optimization of production lines, visual recognition helps to set up a predictive maintenance and quality control system. Thanks to cameras installed on these production lines, it is possible to detect worn, damaged or defective parts on the products. For each anomaly, an alert is triggered, avoiding the current high downtime in pharmaceutical plants. According to an analyst in the Siemens study, digitization and data analysis could reduce these downtimes by 30% to 40%, thus significantly improving the overall efficiency of the equipment. Moreover, if the law now requires a double human verification of the condition and cleaning of tools in factories, a visual recognition system is perfectly capable of doing this verification task, allowing factories to save time and gain in productivity.

 

Concerning drug tests on animals in laboratories, the experimental periods are long and costly, but thanks to cameras equipped with a visual recognition system that continuously film the animals’ behavior, it is possible to identify abnormal behavior among these animals in real time. Today, observation is done manually, but this method could save pharmaceutical companies time and allow staff to focus on higher value-added tasks.

 

Finally, visual recognition meets the security challenges of the pharmaceutical industry. Indeed, research activities in laboratories, or production operations in factories, involve the handling of chemical and toxic products, with numerous risks of intoxication, skin, respiratory and digestive damage and various injuries. In order to protect themselves from these risks, operators must imperatively wear their personal protective equipment (masks, gloves, safety glasses), but this is not always the case. A visual recognition system can detect improperly worn or adjusted equipment, non-compliance with hygiene measures, and other potential risk factors such as a fire outbreak.

 

The growing interest of major French pharmaceutical groups in AI and the wide range of applications that visual recognition offers to this industry are very promising. At deepomatic, we recommend addressing the various issues that visual recognition can resolve in their entirety in order to optimize the solutions provided, create synergies between the various application areas, and finally, increase the productivity of companies.

 

Dans le cadre de l’optimisation des chaînes de production, la reconnaissance visuelle contribue à mettre en place un système de maintenance prédictive et de contrôle qualité. Grâce à des caméras installées sur ces chaînes de production, il est possible de détecter des pièces usées, endommagées, ou des défauts sur les produits. Pour chaque anomalie, une alerte est déclenchée, évitant ainsi les temps d’arrêt qui sont actuellement élevés dans les usines pharmaceutiques. Selon un analyste de l’étude de Siemens, la numérisation et l’analyse des données pourraient réduire ces temps d’arrêt de 30% à 40%, améliorant considérablement l’efficacité globale de l’équipement. De plus, si la loi impose aujourd’hui une double vérification humaine de l’état et du nettoyage des outils en usine, un système de reconnaissance visuelle est tout à fait en mesure de faire ce travail de vérification, permettant à l’usine de libérer du temps et de gagner en productivité.

 

Concernant les tests des dispositifs médicaux sur animaux en laboratoire, les périodes d’expérimentation sont longues et coûteuses, mais grâce à des caméras équipés d’un système de reconnaissance visuelle filmant en permanence les comportements des animaux il est possible d’identifier en temps réel des comportements anormaux parmi les cobayes. Aujourd’hui, les employées observent manuellement, mais cette méthode pourrait faire gagner du temps aux entreprises pharmaceutiques et permettre au personnel de se concentrer sur des tâches à plus haute valeur ajoutée.

 

Finalement, la reconnaissance visuelle répond aux enjeux sécuritaires de l’industrie pharmaceutique. En effet, les opérations de recherche dans les laboratoires ou de production dans les usines impliquent la manipulation de produits chimiques et toxiques, avec de nombreux risques d’intoxication, des atteintes cutanées, respiratoires, digestives, et de blessures diverses. Afin de se prémunir de ces risques, les opérateurs doivent impérativement se protéger par des équipements de protection individuelle (masques, gants, lunettes de sécurité), mais l’on constate que ce n’est pas toujours le cas. Un système de reconnaissance visuelle peut détecter un équipement mal porté ou ma ajusté, des mesures d’hygiène non respectées ainsi que d’autres facteurs de risques potentiels tels qu’un départ d’incendie.

 

L’intérêt croissant que porte les grands groupes pharmaceutiques français pour l’IA et le large panel d’applications qu’offre la reconnaissance visuelle à cette industrie sont très prometteurs. Chez Deepomatic, nous préconisons d’aborder les différentes problématiques auxquelles la reconnaissance visuelle peut répondre dans leur globalité afin d’optimiser les réponses apportées, créer des synergies entre les différents pôles d’application, et finalement augmenter la productivité des entreprises.

Merci!

Augustin Marty

PDG et co-fondateur de Deepomatic

Augustin Marty est le PDG et co-fondateur de Deepomatic, start-up spécialisée dans le développement de solutions de reconnaissance d’images pour les industriels. Diplômé de l’Ecole nationale des Ponts et Chaussées, il a créé sa première entreprise en Chine à l’âge de 22 ans, puis a travaillé notamment pour Vinci Construction sur la vente et la conception de projets d’ingénierie.

Share This