Matt Michelson, Πρόεδρος της Genesis AI στη Genesis Research – Συνέντευξη Σειράς

O Matt Michelson είναι ο Πρόεδρος της Genesis AI στη Genesis Research, einem διεθνούς οργανισμού ερευνών HEOR και πραγματικών δεδομένων με γραφεία στις ΗΠΑ και το Ηνωμένο Βασίλειο, που υποστηρίζει τη βιομηχανία ζωτικών επιστημών.

Ως καθιερωμένος ηγέτης στην στρατηγική, ανάπτυξη και επικοινωνία, υποστηρίζουν τους πελάτες με αναλύσεις βάσεων δεδομένων, στρατηγική και τακτική έρευνα οικονομικών και αποτελεσμάτων, ανασκοπήσεις βιβλιογραφίας, οικονομική μοντελοποίηση, επιστημονικές δημοσιεύσεις και στρατηγική πρόσβασης στην αγορά.

Ως εμπειρογνώμονες στην ανάπτυξη καινοτόμων τεχνολογικών λύσεων, παρέχουν eine σειρά από προσαρμοσμένες πλατφόρμες, πίνακες ελέγχου, πύλες δεδομένων και μια μοναδική τεχνολογία βοηθούμενη από τεχνητή νοημοσύνη EVID AI, για την υποστήριξη της αναγνώρισης, παρακολούθησης και εξαγωγής στόχων με ακρίβεια.

Μπορείτε να μοιραστείτε την ιστορία της Genesis Research;

Το 2009, μετά από χρόνο στην ακαδημία και με βάση το βαθύ ποσοτικό υπόβαθρο, ο CEO Frank Corvino και ο συνεταίρος του, ένας κλινικός ιατρός και οικονομολόγος υγείας, συνδύασαν τις ειδικές γνώσεις τους για να αναπτύξουν ένα νέο επιχειρηματικό μοντέλο που υποστηρίζει τις εταιρείες ζωτικών επιστημών με μια πιο δεδομενο-κεντρική προσέγγιση, εξάγοντας πληροφορίες από μεγάλα δεδομένα με διαφανή, αναπαραγώγιμα και υψηλά αποτελεσματικά τρόπα.

Η Genesis Research αρχικά χτίστηκε με βάση την δέσμευση να σκέφτεται έξω από το κουτί για να παρέχει απόδειξη αξίας που υποστηρίζεται από πραγματικά δεδομένα. Από τότε, οι υπηρεσίες της εταιρείας έχουν επεκταθεί για να συμπεριλάβουν ικανότητες πρόσβασης στην αγορά και στρατηγική, έρευνα οικονομικών και αποτελεσμάτων, επιστημονική επικοινωνία και προηγμένες ψηφιακές ικανότητες, όπως η χρήση της τεχνητής νοημοσύνης (AI) με σκοπό.

Η εταιρεία εξελίχθηκε στον ηγέτη διεθνών ερευνών RWE και HEOR που είμαστε σήμερα, επειδή ακούμε τους πελάτες μας και στη συνέχεια χρησιμοποιούμε μια đa才 και υψηλά εξειδικευμένη ομάδα για να ικανοποιήσουμε τις μεταβαλλόμενες ανάγκες τους σε οποιοδήποτε στάδιο του κύκλου ζωής του προϊόντος, εφαρμόζοντας ένα ευέλικτο «μοντέλο ενισχυμένης συνεργασίας» που μας επιτρέπει να λειτουργούμε άρτια ως επέκταση της ομάδας του πελάτη.

Πόσο γρήγορα αυξάνεται ο ρυθμός δημοσίευσης;

Είναι δύσκολο να καθορίσει ακριβώς, αλλά οι εκτιμήσεις κυμαίνονται από 4 έως 10% αύξηση κάθε χρόνο, με 1-2 εκατομμύρια άρθρα που δημοσιεύονται τώρα στην υγεία κάθε χρόνο. Αυτός είναι ένας τεράστιος αριθμός, ιδιαίτερα αν υπολογίσετε ότι χρειάζεται πέντε λεπτά για να διαβάσει ένα περίγραμμα. Η PubMed herself (η δημόσια έκδοση του Medline healthcare paper search engine) έχει μια συλλογή από πάνω από 30 εκατομμύρια άρθρα.

Γιατί οι παραδοσιακές μεθόδους αναθεώρησης των εγγράφων δεν λειτουργούν πλέον;

Αυτές οι εργασίες συνήθως περιλαμβάνουν τη διαδικασία εύρεσης των αποδεικτικών στοιχείων, ιδιαίτερα των εγγράφων, που απαντούν στις επιστημονικές σας ερωτήσεις. Και δεν είναι ότι οι χειροκίνητες μεθόδους δεν μπορούν να το κάνουν. Αντίθετα, επειδή η διαδικασία είναι τόσο επίπονη, σημαίνει ότι η εργασία δεν είναι τόσο ευέλικτη. Κανείς δεν θέλει να περάσει από τη δουλειά να το κάνει όλα ξανά αν κάτι αλλάξει, και δεν μπορείτε να αναζητήσετε τόσο πολλές πηγές όσο θα θέλατε, λόγω της μεγάλης επένδυσης χρόνου. Και οι άνθρωποι θα παραλείψουν đôi και fois τα άρθρα, επειδή είναι δύσκολο να συγκεντρωθείτε μετά από ανάγνωση εκατοντάδων εγγράφων. Αντίθετα, ένας εκπαιδευμένος μηχανισμός δεν κουράζεται ποτέ, και οι κέρδη απόδοσης σημαίνουν ότι οι προσεγγίσεις που βασίζονται στην τεχνητή νοημοσύνη είναι πιο ευέλικτες, επειδή μπορείτε να εκτελέσετε την επόμενη αναζήτηση και μπορείτε να κάνετε όσες χρειάζεστε.

Τι είναι το EVID AI και πώς απλοποιεί τη διαδικασία για τους ιατρικούς ερευνητές να αναγνωρίσουν και να διερευνήσουν τεράστιες ποσότητες ερευνών;

Το EVID AI είναι η μόνη βάση δεδομένων ιατρικής βιβλιογραφίας που χρησιμοποιεί τη μηχανική μάθηση για να παράγει πάνω από 80 εκατομμύρια σημεία δεδομένων – από προκλινικές, κλινικές, οικονομικές, επιδημιολογικές, αποτελέσματα που αναφέρθηκαν από τους ασθενείς και εστίαση ανασκοπήσεων – και επιτρέπει στους χρήστες να φιλτράρουν τα αποτελέσματα αναζήτησης στα πιο σχετικά, τρέχοντα στοιχεία που χρειάζονται για περαιτέρω ανάλυση. Είναι η μόνη πλατφόρμα με την ικανότητα να μετατρέψει τα δεδομένα που ενσωματώνονται σε πολλά άρθρα σε δομημένους πίνακες που παρουσιάζουν τα σχετικά, αιτούμενα στοιχεία δεδομένων σε καθαρή μορφή. Αυτή η πατενταρισμένη προσέγγιση αποστάζει τα αποδεικτικά στοιχεία σε χρησιμοποιήσιμα δεδομένα, ώστε οι ερευνητές να μπορούν να αναπτύξουν γραφικά και πίνακες ελέγχου για να μοιράζονται με τους ενδιαφερόμενους χωρίς να χρειάζεται να διαβάσουν ένα lớn όγκο εγγράφων.

Η Genesis Research πρόσφατα έκανε βελτιώσεις στο EVID AI – το οποίο είναι τώρα η μεγαλύτερη τρέχουσα πλατφόρμα ερευνών ιατρικής βιβλιογραφίας – που βοηθούν τις φαρμακευτικές ομάδες και άλλους λήπτες αποφάσεων υγείας να βρουν υψηλής ποιότητας, στοχευμένα αποτελέσματα γρηγορότερα, πιο αποτελεσματικά και από μια άνευ προηγουμένου εύρος πηγών.

Χρησιμοποιώντας το EVID AI, οι εργασίες αναζήτησης ιατρικής βιβλιογραφίας μπορούν τώρα να γίνουν 59 φορές γρηγορότερα από τις χειροκίνητες προσπάθειες, με σημαντικά περισσότερα σχετικά αποδεικτικά στοιχεία ανά αναζήτηση και 15 φορές λιγότερα άσχετα άρθρα. Η πατενταρισμένη μορφή μάθησης με μηχανή, προγραμματισμένη μέσω έκθεσης σε δεκάδες χιλιάδες σημεία εκπαίδευσης, είναι ταχύτερη και πιο ολοκληρωμένη από ποτέ και θα μειώσει τον χρόνο έρευνας από μήνες σε εβδομάδες ή ημέρες.

Μια από τις πλεονεκτήματα του EVID AI είναι ότι επιτρέπει στους ερευνητές και τους κυβερνητικούς ρυθμιστές να ανατρέξουν τα δεδομένα AI πίσω στην πηγή τους. Γιατί είναι αυτό σημαντικό και πώς λειτουργεί;

Ένα κρίσιμο ζήτημα με πολλά συστήματα AI είναι ότι είναι αδιαφανή – đôi και fois ονομάζονται “μαύρες κούκλες”. Και αυτό είναι αλήθεια, στο ότι δεν καταλαβαίνουμε πάντα γιατί το AI κάνει ό,τι κάνει. Για παράδειγμα, αν παίρνει ένα άρθρο και βγάζει όλα τα αποτελέσματα από το κείμενο, δεν μπορεί να μας πει ακριβώς γιατί επέλεξε αυτές τις φράσεις και αποτελέσματα, μπορεί μόνο να μας τις δείξει. Ωστόσο, βάζουμε έμφαση στην διαφάνεια και στην παροχή προέλευσης δεδομένων (π.χ. δείχνοντας σας από πού προέρχεται), ώστε οι χρήστες να μπορούν πάντα να ανατρέξουν ένα αποτέλεσμα πίσω στην πρόταση που προέρχεται, το άρθρο που περιέχει αυτήν την πρόταση και στη συνέχεια την αρχική τοποθεσία του άρθρου. Έτσι, υπάρχει πάντα ένας μηχανισμός για να ανατρέξουν τα αποτελέσματα πίσω στην πηγή τους. Εκτός από το να παρέχουν καλύτερη επιστήμη, αυτό είναι σημαντικό για τους ρυθμιστές, επειδή αν μια φαρμακευτική εταιρεία κάνει μια αξίωση με βάση τα αποδεικτικά στοιχεία από το AI μας, ο ρυθμιστής μπορεί να επιβεβαιώσει ότι τα δεδομένα είναι σωστά και η πηγή είναι έγκυρη.

Μπορείτε να μοιραστείτε μια περίπτωση χρήσης ή μελέτη περίπτωσης ερευνητών που χρησιμοποιούν το EVID AI;

Απόλυτα. Υπάρχουν πολλές να επιλέξετε, αλλά εδώ είναι δύο που είναι χρήσιμες, επειδή δείχνουν πώς το εργαλείο μπορεί να χρησιμοποιηθεί τόσο για μεγαλύτερες, προϋπολογισμένες εργασίες όσο και για καθημερινές, ad-hoc εργασίες. Στην πρώτη περίπτωση, είχαμε μια φαρμακευτική εταιρεία που ενέγραιε μια ομάδα για να κάνει μια ανασκόπηση βιβλιογραφίας για την ογκολογία. Αυτή είναι μια μεγάλη εργασία, επειδή το συγκεκριμένο πεδίο στην ογκολογία είναι μεγάλο, η βιβλιογραφία αλλάζει γρήγορα και ο σκοπός του έργου είναι μεγάλος. Η αρχική ανασκόπηση περιελάμβανε μια ανάλυση του τοπίου (π.χ. όλα τα κύρια φάρμακα) και τα αποτελέσματά τους σε όρους αποτελεσματικότητας, ασφάλειας και οικονομικής επίδρασης. Περιελάμβανε όχι μόνο αναφορές κλινικών δοκιμών, αλλά και άρθρα για παρατηρητικές μελέτες, όπου οι επιστήμονες παρακολουθούν την απόδοση ενός φαρμάκου που συνταγογραφείται στο “πραγματικό κόσμο” αντί μόνο σε ένα ελεγχόμενο, δοκιμαστικό περιβάλλον.

Το EVID AI βοήθησε αυτή την εταιρεία να συλλέξει όλα τα νέα και ενημερωμένα αποτελέσματα για αυτήν την εργασία ανασκόπησης βιβλιογραφίας, με τεράστιες οικονομίες. Αντίθετα, είχαμε ένα παράδειγμα όπου ένας επιστήμονας είχε δημιουργήσει ένα οικονομικό μοντέλο για τις δαπάνες που συνδέονται με την αλλαγή μεταξύ διαφορετικών ψυχιατρικών φαρμάκων, που ονομάζονται “μοντέλα επίδρασης προϋπολογισμού”. Η πρόκληση είναι να τραβήξει καλές εκτιμήσεις για το πόσο συχνά τέτοιοι ασθενείς αλλάζουν φάρμακα. Όταν ο επιστήμονας αρχικά δημιούργησε το μοντέλο, πέρασε μια ολόκληρη μέρα σαρώνοντας άρθρα για να βρει το αποτέλεσμα που ήθελε. Με το EVID AI, το βρήκε σε λίγα λεπτά.

Τι είναι η άποψή σας για το μέλλον της συνεργασίας ανθρώπων και AI στην ιατρική έρευνα;

Όσο η ιατρική έρευνα γίνεται ολοένα και πιο άνετη με την τεχνητή νοημοσύνη, θα διεισδύσει σε περιοχές από την ανακάλυψη φαρμάκων έως την κλινική δοκιμή, την ανάλυση δεδομένων και την αμοιβή. Κάθε аспект της ανάπτυξης νέων θεραπευτικών θα ωφεληθεί από την τεχνητή νοημοσύνη, και τα αποτελέσματα θα ενσωματωθούν στο ροή εργασίας. Αντί να βασίζονται σε ξεχωριστά εργαλεία που απαιτούν αλλαγή контекστού από μια εργασία bench-επιστήμης σε μια εργασία AI, θα γίνει τόσο直觉τικό όσο η χρήση GPS για να πάτε σε ένα νέο εστιατόριο. Δεν θα υπάρχει δεύτερη σκέψη. Ωστόσο, ιδιαίτερα στη φαρμακευτική βιομηχανία, θα χρειαζόμαστε ακόμη πολύ έμπειρους ανθρώπους, όπως οι ομάδες της Genesis Research, για να καθορίσουν τη σχετικότητα των δεδομένων και να ξεκινήσουν περαιτέρω ανάλυση για να βοηθήσουν στη λήψη αποφάσεων.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε για τη Genesis Research;

Η Genesis Research έχει μια ταχεία ανάπτυξη λόγω της ικανότητάς της να αναλάβει νέες προκλήσεις, να ρωτήσει τις σωστές ερωτήσεις, να συναθροίσει τις σωστές ομάδες για να αποκτήσει και να αναλύσει τα σωστά δεδομένα και να παραδώσει λύσεις που ωθούν τις πρωτοβουλίες ζωτικών επιστημών μπροστά. Ένας καινοτόμος στην ανάπτυξη λύσεων βασισμένων σε πραγματικά δεδομένα, η εταιρεία είναι εντελώς αδιάκριτη δεδομένων και συνεργάζεται στενά με τους πελάτες για να αναγνωρίσει τις βέλτιστες πηγές δεδομένων. Είμαστε υπερήφανοι που είμαστε ένας καθιερωμένος ηγέτης στην στρατηγική, ανάπτυξη και επικοινωνία, καθώς και εμπειρογνώμονες στην ανάπτυξη καινοτόμων τεχνολογικών λύσεων.