她表示，AI 还可以通过防止可能成为短缺根源的药品质量问题，成为防止药品短缺的工具。Cavazzoni 鼓励利益相关者审查 FDA 发布的两篇有关人工智能的讨论文件，一篇关注药品生产中的 AI，另一篇重点关注在研发中使用 AI 和机器学习。FDA 最近宣布重新开放这两份文件的公众评议期，鼓励公众提供反馈意见。
CDER 药品质量办公室检测与研究办公室副主任 Thomas O'Connor 随后在会上介绍了药品生产中的 AI 讨论文件。他总结了到目前为止 FDA 收到的一些反馈意见。首先他列出了利益相关者反馈的有关 AI 在药品生产中的用例，包括：优化工艺条件（9），数字孪生（7）；用于监控缺陷的计算机视觉检测（8），支持中控和放行检测（10）；自适应工艺控制（8）；设备监控/预防性维护（11），以及操作和质量部门保证（10）.（注：括号中的数字代表提及该用例的反馈意见数量）。
他重点列出了 FDA 收集到的一些反馈意见，包括：
用于构建 AI/ML 模型的数据治理方面：
- 需要数据版本控制，并建立可追溯性；
- 需要数据管理和标准化原则来确保高质量数据 - 避免偏见；
- 需要数据集成并提供必要的数据上下文；
- 新兴技术正在支持数据管理（例如，云计算）。需考虑是否需要额外的指南以有效将这些技术用于受监管的 AI 应用。
