Objašnjiva veštačka inteligencija za farmaceutske primene 2025: Otkrijte dinamiku tržišta, pokretače rasta i strateške prilike. Ovaj izveštaj donosi sveobuhvatnu analizu tehnoloških trendova, konkurentskih snaga, i budućih perspektiva koje oblikuju industriju.

• Izvršni rezime i pregled tržišta
• Ključni tehnološki trendovi u objašnjivoj veštačkoj inteligenciji za farmaciju
• Konkurentska scena i vodeći igrači
• Veličina tržišta, prognoze rasta i analiza CAGR (2025–2030)
• Analiza regionalnog tržišta i novi centri rasta
• Izazovi, rizici i regulatorna razmatranja
• Prilike i strateške preporuke
• Buduće perspektive: Inovativni putevi i evolucija tržišta
• Izvori i reference

Izvršni rezime i pregled tržišta

Objašnjiva veštačka inteligencija (XAI) odnosi se na AI sisteme čije akcije i odluke mogu da budu shvaćene i interpretirane od strane ljudi. U farmaceutskoj industriji, XAI brzo dobija na značaju kao ključni facilitant za pouzdana, transparentna i regulatorno usklađena AI rešenja. Kako industrija sve više koristi mašinsko učenje za otkrivanje lekova, optimizaciju kliničkih ispitivanja i stratifikaciju pacijenata, potražnja za objašnjivošću raste zbog strogih regulatornih zahteva i visokih uloga u bezbednosti pacijenata.

Do 2025. globalno tržište objašnjive AI u farmaceutskim primenama se predviđa da će doživeti značajan rast, vođeno konvergencijom napredne analitike, regulatornih mandata i potrebom za transparentnim donošenjem odluka u procesima razvoja lekova. Prema Gartneru, preko 80% AI projekata u regulisanim industrijama, uključujući farmaciju, će zahtevati objašnjivost kako bi prešli iz probnih faza u punu primenu. Ovo takođe potvrđuje McKinsey & Company, koji naglašava da je objašnjiva AI ključna za ubrzanje razvoja lekova uz obezbeđivanje usklađenosti sa agencijama kao što je U.S. Food and Drug Administration (FDA) i Evropskom agencijom za lekove (EMA).

Ključni pokretači tržišta uključuju:

• Regulatorni pritisak: Regulatorne agencije sve više zahtevaju transparentnost u AI modelima korišćenim za kliničke i regulatorne podneske, čineći XAI neophodnom za usklađenost.
• Složenost AI modela: Usvajanje dubokog učenja i drugih „crnih kutija“ u otkrivanju lekova zahteva interpretabilnost kako bi se izgradilo poverenje među kliničarima i istraživačima.
• Mitigacija rizika: Objašnjiva AI pomaže u identifikaciji pristrasnosti i grešaka u prediktivnim modelima, smanjujući rizik od skupih neuspeha u kasnijim fazama i negativnih ishoda za pacijente.
• Poverenje stejkholdera: Transparentna AI podstiče veću prihvaćenost među zdravstvenim radnicima, pacijentima i platišama, olakšavajući širu primenu AI rešenja.

Velike farmaceutske kompanije kao što su Novartis, Pfizer, i Roche aktivno ulažu u XAI platforme kako bi poboljšale produktivnost R&D i spremnost na regulatorne zahteve. Kako tržište sazreva, očekuje se da će se partnerstva između farmaceutskih firmi, pružatelja AI tehnologija i regulatornih agencija povećati, oblikujući budućnost gde je objašnjiva AI temeljni element farmaceutske inovacije.

Ključni tehnološki trendovi u objašnjivoj veštačkoj inteligenciji za farmaciju

Objašnjiva AI (XAI) brzo transformiše farmaceutsku industriju čineći modele veštačke inteligencije transparentnijim, interpretabilnijim i pouzdanijim. U 2025. godini, nekoliko ključnih tehnoloških trendova oblikuje usvajanje i evoluciju XAI u farmaceutskim primenama, vođeno regulatornim zahtevima, složenošću biomedicinskih podataka i potrebom za delotvornim uvidima u otkrivanje lekova, razvoj i brigu o pacijentima.

• Integracija XAI sa multifaktorskim podacima: Farmaceutske kompanije sve više koriste XAI za interpretaciju složenih multifaktorskih dataset-a (genomika, proteomika, metabolomika) za identifikaciju ciljeva i otkrivanje biomarkera. XAI modeli pomažu istraživačima da razumeju biološke rationale iza AI-predikcija, omogućavajući informisanije donošenje odluka u ranoj fazi razvoja lekova (Nature Biotechnology).
• Regulatorna transparentnost modela: Regulatorne agencije kao što su U.S. Food and Drug Administration (FDA) i Evropska agencija za lekove (EMA) naglašavaju potrebu za objašnjivošću u AI modelima korišćenim za klinička ispitivanja, praćenje bezbednosti i generisanje podataka iz stvarnog sveta. To podstiče farmaceutske kompanije da usvoje XAI okvire koji pružaju jasne rationale za izlaze modela, podržavajući regulatorna podneska i postmarketinške nadzore.
• Sistemi sa ljudskom intervencijom (HITL): Usvajanje HITL pristupa, gde stručnjaci iz oblasti interaguju i validiraju AI izlaze, ubrzava se. XAI alati se dizajniraju da prikazuju interpretabilne rezultate kliničarima i istraživačima, omogućavajući zajedničko usavršavanje modela i povećanje poverenja u preporuke vođene AI (McKinsey & Company).
• Objašnjivost obrade prirodnog jezika (NLP): Kako se NLP modeli koriste za istraživanje naučne literature, kliničkih beležaka i izveštaja o neželjenim događajima, razvijaju se XAI tehnike koje objašnjavaju kako ovi modeli izvode i prioritizuju informacije. Ovo je ključno za farmakovigilancu i sintezu dokaza, gde je transparentnost neophodna za regulatornu usklađenost i kliničku primenu (IBM Watson Health).
• Inovacije vizualizacije i korisničkog interfejsa: Novi alati za vizualizaciju se pojavljuju kako bi korisnicima pomogli intuitivno istraživanje odluka modela, važnosti karakteristika i nesigurnosti. Ovi interfejsi su prilagođeni farmaceutskim radnim tokovima, omogućavajući stejkholderima da ispituju AI modele i razumeju faktore koji pokreću predikcije (Deloitte).

Zajedno, ovi trendovi čine XAI neophodnom komponentom inovacije vođene AI u farmaciji, obezbeđujući da su napredne analitike i delotvorne i odgovorne u veoma regulisanoj životnoj naučnoj sredini.

Konkurentska scena i vodeći igrači

Konkurentska scena za objašnjivu veštačku inteligenciju (XAI) u farmaceutskim primenama brzo se razvija, vođena potražnjom sektora za transparentnim, regulatorno usklađenim i pouzdanim AI rešenjima. Do 2025. godine, tržište karakteriše mešavina etabliranih tehnoloških giganata, specijalizovanih AI startapa i saradnje između farmaceutskih kompanija i akademskih institucija. Potreba za objašnjivošću u AI modelima — posebno u otkrivanju lekova, optimizaciji kliničkih ispitivanja i stratifikaciji pacijenata — pojačana je regulatornim nadzorom i visokim ulozima donošenja odluka u zdravstvu.

Vodeći igrači u ovom prostoru uključuju IBM Watson Health, koji je integrisao module objašnjive AI u svoje platforme za otkrivanje lekova i podršku kliničkom odlučivanju. Microsoft je takođe istaknut, nudeći alate za objašnjenje u okviru svojih Azure AI usluga, koje sve više usvajaju farmaceutske firme za R&D i farmakovigilancu. Google Health i njegova matična kompanija DeepMind postigli su značajne korake u objašnjivim dubokim modelima u biomedicinskim podacima, fokusirajući se na interpretabilnost u genomici i snimanju.

Među specijalizovanim dobavljačima, BenevolentAI i Insilico Medicine se ističu svojim vlasničkim XAI платформама prilagođenim identifikaciji ciljeva lekova i generisanju molekula. Ove kompanije naglašavaju transparentnost modela kako bi olakšale regulatornu odobrenja i razvile poverenje sa farmaceutskim partnerima. GNS Healthcare koristi uzročnu AI i objašnjivo mašinsko učenje za modeliranje ishoda pacijenata, pružajući korisne uvide za klinički razvoj.

Saradnje su obeležje ovog sektora. Na primer, Novartis se udružio sa Microsoft Research kako bi zajednički razvili alate objašnjive AI za procese otkrivanja lekova. Slično tome, Roche i IBM Watson Health imaju tekuće projekte za integraciju objašnjive AI u dizajn kliničkih ispitivanja i zapošljavanje pacijenata.

• Konkurencija na tržištu se pojačava kako regulatorne agencije poput FDA i EMA sve više zahtevaju objašnjivost u AI vođenim podnescima.
• Startapi se razlikuju kroz XAI rešenja specifična za domen, dok tehnološki giganti koriste skalu i cloud infrastrukturu.
• Strateška partnerstva između farmacije, tehnologije i akademije ubrzavaju inovacije i usvajanje.

Sve u svemu, konkurentska scena 2025. godine definisana je konvergencijom stručnosti u AI, životnim naukama i regulatornoj usklađenosti, gde vodeći igrači aktivno ulažu u objašnjivu AI kako bi stekli stratešku prednost u farmaceutskim primenama.

Veličina tržišta, prognoze rasta i analiza CAGR (2025–2030)

Tržište objašnjive AI (XAI) u farmaceutskim primenama je spremno za robustnu ekspanziju između 2025. i 2030. godine, vođeno sve većom zavisnošću sektora od veštačke inteligencije za otkrivanje lekova, optimizaciju kliničkih ispitivanja i regulatornu usklađenost. U 2025. globalno tržište XAI za farmaceutsku industriju se procenjuje na približno 320 miliona USD, pri čemu Severna Amerika i Evropa čine najveće udelje zbog napredne zdravstvene infrastrukture i rane primene AI tehnologija Gartner.

Od 2025. do 2030. godine, tržište se predviđa da zabeleži godišnju stopu rasta (CAGR) od 28–32%, što nadmašuje šire tržište AI u zdravstvu. Ova akceleracija je rezultat sve većeg regulatornog pritiska za transparentnost u AI vođenim odlukama, posebno u oblastima kao što su bezbednost lekova i efikasnost. Američka uprava za hranu i lekove (FDA) i Evropska agencija za lekove (EMA) sve više naglašavaju objašnjivost u AI modelima korišćenim za kliničke i regulatorne podneske, dodatno podstičući potražnju za XAI rešenjima U.S. Food and Drug Administration.

Ključni pokretači rasta uključuju:

• Otkrivanje i razvoj lekova: Farmaceutske kompanije koriste XAI za interpretaciju složenih bioloških podataka, identifikaciju novih ciljeva lekova i optimizaciju vodećih jedinica, smanjujući vreme do izlaska na tržište i troškove R&D McKinsey & Company.
• Klinička ispitivanja: XAI se sve više koristi za poboljšanje stratifikacije pacijenata, predikciju ishoda ispitivanja i osiguranje transparentnosti u algoritmima selekcije pacijenata, što je ključno za regulatorno odobrenje i poverenje stejkholdera Deloitte.
• Regulatorna usklađenost: Potreba za interpretabilnim AI modelima se pojačava kako globalni regulatorni organi zahtevaju jasne, auditable procese donošenja odluka u farmaceutskim AI aplikacijama Evropska agencija za lekove.

Do 2030. godine, tržište XAI za farmaceutske primene će premašiti 1,2 milijarde USD, pri čemu će region Azija-Pacifik postati region visokog rasta zbog povećanih ulaganja u digitalno zdravlje i AI infrastrukturu. Konkurentska scena će verovatno doživeti saradnje između farmaceutskih giganata, pružatelja AI tehnologija i regulatornih tela kako bi razvili standardizovane, objašnjive AI okvire prilagođene jedinstvenim potrebama industrije Međunarodna korporacija za podatke (IDC).

Analiza regionalnog tržišta i novi centri rasta

Regionalni pejzaž za objašnjivu veštačku inteligenciju (XAI) u farmaceutskim primenama brzo se razvija, sa različitim obrascima rasta i novim centrima rasta vođenim regulatornim okruženjima, ulaganjima u R&D i zrelošću ekosistema digitalnog zdravlja. U 2025. godini, Severna Amerika i dalje dominira tržištem, podstaknuta robusnim finansiranjem, visokom koncentracijom farmaceutskih giganata i proaktivnim regulatornim smernicama od agencija kao što je U.S. Food and Drug Administration (FDA). Naglasak FDA na transparentnosti i odgovornosti u AI vođenom otkrivanju lekova i kliničkoj podršci ubrzava usvajanje XAI rešenja, posebno u Sjedinjenim Američkim Državama.

Evropa je takođe značajan igrač, sa Evropskom agencijom za lekove (EMA) i Zakonom o veštačkoj inteligenciji Evropske unije koji podstiču regulatornu klimu koja prioritizuje objašnjivost i etičku AI. Zemlje kao što su Nemačka, Velika Britanija i Švajcarska postaju inovacioni centri, koristeći jake akademske-industrijske suradnje i državne inicijative za digitalno zdravlje. Fokus regiona na bezbednost pacijenata i privatnost podataka dodatno pojačava potražnju za XAI u farmaceutskom R&D, kliničkim ispitivanjima i farmakovigilanci.

Azija-Pacifik beleži najbrži rast, sa Kinezima, Japanom i Južnom Korejom koji intenzivno ulažu u platforme za otkrivanje lekova vođene AI. Farmaceutski sektor Kine, podržan od Nacionalne uprave za medicinske proizvode (NMPA) i ambicioznih nacionalnih strategija AI, brzo integriše XAI kako bi poboljšao identifikaciju ciljeva lekova i optimizovao dizajn kliničkih ispitivanja. U Japanu, razvijena farmaceutska industrija i vladine podsticaje za digitalnu transformaciju takođe podstiču usvajanje XAI, posebno u personalizovanoj medicini i predikciji neželjenih događaja.

Novi centri rasta uključuju Indiju i Singapur, gde se bujna ekosfera startapa i podržavajući regulatorni okviri podstiču inovacije u objašnivoj AI za razvoj lekova i regulatorne podneske. Veliki skupovi podataka pacijenata u Indiji i ekonomično okruženje za R&D čine je privlačnom destinacijom za XAI pilot projekte i saradnju sa globalnim farmaceutskim kompanijama.

• Severna Amerika: Liderstvo tržišta, regulativna jasnoća i ulaganje u farmaceutski R&D.
• Evropa: Usvajanje vođeno regulativom, inovacioni centri u Nemačkoj, Velikoj Britaniji, Švajcarskoj.
• Azija-Pacifik: Najbrži rast, predvođen Kinom, Japanom, Južnom Korejom; nova aktivnost u Indiji, Singapuru.

Ukupno, globalni podsticaj za transparentnost, regulatornu usklađenost i efikasnost vođenu AI stvara plodno tlo za XAI u farmaceutskim primenama, pri čemu regionalne nijanse oblikuju putanje usvajanja i inovacione centre kroz 2025. i dalje (MarketsandMarkets, IDC).

Izazovi, rizici i regulatorna razmatranja

Integracija objašnjive veštačke inteligencije (XAI) u farmaceutske primene predstavlja transformativnu priliku, ali je praćena značajnim izazovima, rizicima i regulatornim razmatranjima. Kako se industrija sve više oslanja na AI vođene modele za otkrivanje lekova, optimizaciju kliničkih ispitivanja i stratifikaciju pacijenata, potreba za transparentnošću i interpretabilnošću postaje od ključne važnosti. Jedan od glavnih izazova je inherentna složenost naprednih AI modela, kao što su duboke neuronske mreže, koje često funkcionišu kao „crne kutije.“ Ova opacitet može ometati sposobnost istraživača, kliničara i regulatora da razumeju, veruju i validiraju AI generisane uvide, što potencijalno može ometati usvajanje u kritičnim procesima donošenja odluka.

Ključni rizik povezan sa nedovoljnom objašnjivošću je propagacija pristrasnosti ili grešaka, što može imati ozbiljne posledice u farmaceutskim kontekstima, uključujući pogrešne procene efikasnosti lekova ili propuštene signale bezbednosti. Nedostatak interpretabilnosti takođe otežava reviziju AI sistema radi usklađenosti sa Dobrim praksama mašinskog učenja (GMLP) i drugim industrijskim standardima. Štaviše, korišćenje podataka pacijenata u AI modelima postavlja pitanja privatnosti i etike, posebno pod strogim regulativama o zaštiti podataka kao što je Opšta uredba o zaštiti podataka (GDPR) u Evropi i Zakon o prenosivosti i odgovornosti zdravstvenog osiguranja (HIPAA) u Sjedinjenim Američkim Državama. Osiguranje da XAI rešenja pružaju jasne, auditable rationale za svoje izlaze je ključno za ispunjavanje ovih regulatornih zahteva i za održavanje poverenja javnosti.

Regulatorna tela sve više naglašavaju potrebu za objašnjivošću u AI sistemima korišćenim u zdravstvenoj zaštiti i farmaciji. Američka uprava za hranu i lekove (FDA) je izdala smernice o korišćenju AI/ML zasnovanih softverskih rešenja kao medicinskih uređaja, ističući važnost transparentnosti i sposobnosti da se pruže značajne informacije korisnicima. Slično tome, Evropska agencija za lekove (EMA) aktivno istražuje okvire za procenu AI vođenih alata, sa fokusom na objašnjivost i odgovornost. U 2025. godini, farmaceutske kompanije moraju navigirati brzo evoluirajućim regulatornim pejzažem, balansirajući inovaciju sa usklađenošću i mitigacijom rizika.

• Osiguranje transparentnosti modela bez ugrožavanja vlasničkih algoritama ili intelektualne svojine.
• Rešavanje tehnoloških ograničenja trenutnih XAI metoda, koje možda neće u potpunosti obuhvatiti složenost temeljnih modela.
• Održavanje privatnosti i bezbedности podataka dok se omogućava dovoljna interpretabilnost modela za regulatorni pregled.
• Prilagođavanje globalnim regulatornim očekivanjima, koja se mogu razlikovati između jurisdikcija i brzo se razvijati.

Na kraju, uspešna implementacija XAI u farmaceutskim primenama zavisi od prevazilaženja ovih izazova i proaktivnog angažovanja sa regulatorima kako bi se oblikovale norme koje podstiču i inovaciju i bezbednost pacijenata.

Prilike i strateške preporuke

Integracija objašnjive veštačke inteligencije (XAI) u farmaceutske primene predstavlja spektar prilika za aktere u industriji u 2025. godini, vođenih regulatornim zahtevima, složenošću otkrivanja lekova i potrebom za transparentnim donošenjem odluka. Kako modeli AI postaju sve centralniji za zadatke kao što su identifikacija ciljeva, stratifikacija pacijenata i optimizacija kliničkih ispitivanja, opacitet tradicionalnih „crnih kutija“ izazvao je zabrinutost među regulatorima, kliničarima i pacijentima. XAI se bavi ovim brigama nudeći interpretabilne izlaze, podstičući poverenje i olakšavajući usklađenost sa sveobuhvatnim smernicama od vlasti kao što su Evropska agencija za lekove i U.S. Food and Drug Administration.

Ključne prilike za farmaceutske kompanije uključuju:

• Ubrzano otkrivanje lekova: XAI omogućava istraživačima da razumeju rationale iza AI-predikcija, omogućavajući informisaniju generaciju hipoteza i brže cikluse iteracija. Ova transparentnost može smanjiti rizik od skupih neuspeha u kasnijim fazama i poboljšati efikasnost optimizacije vodećih jedinica.
• Regulatorna usklađenost i odobrenje: Kako agencije sve više preispituju AI zasnovane alate, XAI može pojednostaviti proces odobrenja pružanjem jasnih dokaza o validnosti modela, mitigaciji pristrasnosti i ponovljivosti. Ovo je posebno relevantno kako FDA napreduje u svom regulatornom okviru za AI/ML zasnovane medicinske uređaje.
• Poboljšana bezbednost pacijenata i poverenje: Čineći AI preporuke interpretabilnim, XAI podržava kliničare u razumevanju i validaciji sugestija za lečenje, što je ključno za bezbednost pacijenata i prihvatanje, posebno u preciznoj medicini i personalizovanim terapijama.
• Integracija podataka i saradnja: XAI olakšava međufunkcionalnu saradnju omogućavajući pristup složenim modelima netehničkim akterima, kao što su regulatorna pitanja, medicinska pitanja i komercijalni timovi, čime se razbijaju silosi i ubrzava inovacija.

Strateške preporuke za farmaceutske kompanije u 2025. godini uključuju:

• Ulaganje u XAI talente i partnerstva: Razvijanje unutrašnje stručnosti i saradnja sa dobavljačima tehnologije specijalizovanim za XAI, kao što su IBM i Microsoft, kako bi se ubrzalo usvajanje i integracija.
• Uključivanje XAI u ranoj fazi R&D procesa: Uklapanje objašnjivosti od samog početka razvoja AI modela kako bi se osigurala spremnost za regulacije i podrška stejkholdera.
• Proaktivan angažman sa regulatorima: Učestvovanje u pilot programima i javnim konsultacijama kako bi se pomoglo oblikovanju emergentnih XAI smernica i demonstriralo liderstvo u odgovornoj usvajanju AI.
• Prioritizovati slučajeve korišćenja sa visokim uticajem: Fokusirati XAI napore na primene gde je interpretabilnost ključna, kao što su predikcija rizika za pacijente, detekcija neželjenih događaja i otkrivanje biomarkera, kako bi se maksimizirao vrednost i smanjili rizici.

Strateškim korišćenjem XAI, farmaceutske kompanije mogu otključati nove efikasnosti, podsticati poverenje i održati konkurentsku prednost u sve više podacima vođenom i regulisanom okruženju.

Buduće perspektive: Inovativni putevi i evolucija tržišta

Buduće perspektive za objašnjivu veštačku inteligenciju (XAI) u farmaceutskim primenama obeležene su brzim inovacijama i evolucijom tržišnih dinamika, vođenih sve većim oslanjanjem sektora na AI za otkrivanje lekova, optimizaciju kliničkih ispitivanja i regulatornu usklađenost. Kako farmaceutska industrija nastavlja da integriše AI u kritične procese donošenja odluka, potražnja za transparentnošću i interpretabilnošću se pojačava, posebno u svetlu strogih regulatornih očekivanja i potrebe za poverenjem stejkholdera.

Do 2025. godine, očekuje se da će XAI postati osnovni zahtev u farmaceutskim AI primenama. Regulatorne agencije kao što su U.S. Food and Drug Administration (FDA) i Evropska agencija za lekove (EMA) sve više naglašavaju potrebu za objašnjivošću u AI vođenim podnescima, posebno za primene u bezbednosti lekova, predikciji efikasnosti i stratifikaciji pacijenata. Ovaj regulatorni podsticaj katalizuje inovacije u XAI okvirima prilagođenim farmaceutskim radnim tokovima, sa fokusom na transparentnost modela, auditabilnost i ponovljivost.

Ključni inovativni putevi uključuju razvoj hibridnih modela koji kombinuju tehnike interpretabilnog mašinskog učenja (kao što su stabla odluka i sistemi zasnovani na pravilima) sa dubokim arhitekturama učenja, omogućavajući i visoke performanse i objašnjivost. Kompanije poput IBM Watson Health i NVIDIA Healthcare ulažu u XAI alate koji pružaju vizualizacije i objašnjenja na prirodnom jeziku za složene izlaze modela, olakšavajući usvajanje od strane farmaceutskih istraživača i kliničara.

Evolucija tržišta takođe je obeležena pojavom specijalizovanih XAI platformi dizajniranih za farmaceutski R&D. Ove platforme nude karakteristike kao što su pregledne odluke, detekcija pristrasnosti i izveštavanje o usklađenosti, adresirajući jedinstvene potrebe procesa razvoja lekova. Prema izveštaju iz 2023. godine od strane Gartnera, globalno tržište XAI u životnim naukama se predviđa da će rasti po CAGR-u od preko 30% do 2027. godine, pri čemu farmaceutske primene predstavljaju značajan udeo ove ekspanzije.

• Integracija XAI sa analitikom podataka iz stvarnog sveta (RWE) za poboljšanje postmarketinškog nadzora i farmakovigilance.
• Saradnja između AI dobavljača i farmaceutskih kompanija za zajednički razvoj standarda objašnjivosti specifičnih za domen.
• Usvajanje XAI u personalizovanoj medicini, omogućavajući transparentno profilisanje rizika pacijenata i preporuke za lečenje.

U sažetku, budućnost XAI u farmaceutskim primenama predviđa robustan rast, koju podupiru regulatorne imperativne, tehnološke inovacije i posvećenost industrije etičkom, transparentnom usvajanju AI.

Izvori i reference

• McKinsey & Company
• Evropska agencija za lekove (EMA)
• Novartis
• Roche
• Nature Biotechnology
• IBM Watson Health
• Deloitte
• Microsoft
• Google Health
• DeepMind
• BenevolentAI
• Insilico Medicine
• GNS Healthcare
• Međunarodna korporacija za podatke (IDC)
• MarketsandMarkets
• NVIDIA Healthcare