Matt Michelson, président de Genesis AI chez Genesis Research – Série d'interviews

Matt Michelson, est le président de Genesis AI à Recherche sur la genèse, une organisation internationale de recherche HEOR et Real-World Evidence avec des bureaux aux États-Unis et au Royaume-Uni qui soutient l'industrie des sciences de la vie.

Leader reconnu dans la stratégie, le développement et la communication des données probantes, ils soutiennent leurs clients dans les analyses de bases de données, la recherche stratégique et tactique sur l'économie de la santé et les résultats, les revues de littérature, la modélisation économique, les publications scientifiques et la stratégie d'accès au marché.

En tant qu'experts dans le développement de solutions technologiques innovantes, ils fournissent une gamme de plates-formes personnalisées, de tableaux de bord, de portails de données et une plate-forme unique d'examen assisté par la technologie d'intelligence artificielle EVID AI, pour soutenir l'identification, la surveillance et l'extraction de preuves ciblées avec précision.

Pourriez-vous partager l'histoire de la genèse derrière Genesis Research?

En 2009, après un séjour dans le milieu universitaire et en utilisant son expérience quantitative approfondie, notre PDG Frank Corvino et son partenaire commercial, un clinicien et économiste de la santé, ont combiné leur expertise pour développer un nouveau modèle commercial qui a soutenu les entreprises des sciences de la vie avec une approche davantage axée sur les données glanant des informations issues du Big Data de manière transparente, reproductible et hautement compétente.

Genesis Research a été initialement construit sur un engagement à sortir des sentiers battus pour fournir une démonstration de valeur soutenue par des preuves du monde réel (RWE). Depuis lors, les services de la société se sont étendus pour intégrer les capacités et la stratégie d'accès au marché, la recherche sur l'économie et les résultats de la santé (HEOR), les communications scientifiques et les capacités numériques avancées telles que l'utilisation adaptée de l'intelligence artificielle (IA).

La société est devenue la principale organisation internationale RWE et HEOR que nous sommes aujourd'hui parce que nous écoutons nos clients et utilisons ensuite une équipe diversifiée et hautement qualifiée pour répondre à leurs besoins changeants à n'importe quelle étape du cycle de vie du produit, en utilisant un «modèle de partenariat amélioré flexible». ” qui nous permet de fonctionner de manière transparente en tant qu'extension de l'équipe d'un client.

De vastes volumes d'articles sont publiés chaque année. Pourriez-vous nous dire à quelle vitesse le rythme de publication s'accélère ?

Il est difficile de l'évaluer avec précision, mais les estimations oscillent entre 4 et 10 % d'augmentation par an, avec 1 à 2 millions d'articles publiés chaque année dans le domaine de la santé. C'est un chiffre considérable, surtout si l'on considère qu'il faut cinq minutes à une personne pour lire un résumé. PubMed (la version publique du moteur de recherche d'articles de santé Medline) compte plus de 30 millions d'articles.

Pourquoi les méthodes traditionnelles de révision des articles ne fonctionnent-elles plus ?

Ces tâches se résument au processus de recherche de preuves, notamment d'articles, qui répondent à vos questions scientifiques. Et ce n'est pas que les méthodes manuelles ne le permettent pas. Au contraire, la lourdeur du processus réduit la flexibilité. Personne ne souhaite recommencer à zéro si quelque chose change, et il est impossible de rechercher autant de sources que souhaité, compte tenu du temps considérable investi. De plus, il arrive que des articles soient manqués, car il est difficile de se concentrer après avoir lu plusieurs centaines d'articles. En revanche, une machine entraînée ne se fatigue jamais, et les gains d'efficacité rendent les approches basées sur l'IA plus flexibles, puisqu'il suffit de lancer la recherche suivante, et d'en effectuer autant que nécessaire.

Qu'est-ce que l'EVID AI et comment simplifie-t-il le processus permettant aux chercheurs médicaux d'identifier et de parcourir de vastes quantités de recherche ?

EVID AI est la seule base de données de littérature médicale qui utilise l'apprentissage automatique pour produire plus de 80 millions de points de données ─ provenant des domaines précliniques, cliniques, économiques, épidémiologiques, des résultats rapportés par les patients et des domaines d'intérêt des examens ─ et permet aux utilisateurs de filtrer les résultats de recherche au maximum. informations pertinentes et actuelles nécessaires à une analyse plus approfondie. Il s'agit de la seule plate-forme capable de transformer les données intégrées dans plusieurs articles en tableaux structurés présentant les points de données pertinents et demandés dans un format clair. Cette approche brevetée transforme les preuves en données utilisables, afin que les chercheurs puissent développer plus facilement des graphiques et des tableaux de bord à partager avec les parties prenantes sans avoir à lire un grand volume d'articles.

Genesis Research a récemment apporté des améliorations à EVID AI ─ qui est désormais la plus grande plateforme de recherche de littérature médicale actuelle au monde ─ qui aide les équipes pharmaceutiques et autres décideurs du secteur de la santé à trouver des résultats ciblés de haute qualité plus rapidement, plus efficacement et à partir d'un éventail sans précédent de sources.

L'utilisation de IA EVID, les tâches de recherche de littérature médicale peuvent désormais être effectuées 59 fois plus rapidement que les efforts manuels, avec beaucoup plus de preuves pertinentes par recherche et 15 fois moins d'articles non pertinents. Le format breveté d'apprentissage automatique, programmé grâce à l'exposition à des dizaines de milliers de points de données d'entraînement, est plus rapide et plus complet que jamais et réduira le temps de recherche de mois à semaines ou jours.

L'un des avantages d'EVID AI est qu'il permet aux chercheurs et aux régulateurs gouvernementaux de retracer les données d'IA jusqu'à leur source. Pourquoi est-ce important et comment ça marche ?

L'un des principaux problèmes de nombreux systèmes d'IA réside dans leur opacité, parfois appelée « boîtes noires ». En effet, nous ne comprenons pas toujours le fonctionnement de l'IA. Par exemple, si elle extrait un article et décompose tous les résultats, elle ne peut pas nécessairement vous expliquer précisément pourquoi elle a choisi ces expressions et ces résultats ; elle peut simplement vous les montrer. Cependant, nous privilégions la transparence et la fourniture de la provenance des données (par exemple, en vous indiquant leur provenance), afin que les utilisateurs puissent toujours remonter à la phrase d'origine d'un résultat, à l'article qui contient cette phrase, puis à l'emplacement d'origine de l'article. Ainsi, il existe toujours un mécanisme permettant de remonter à la source des résultats. Outre l'amélioration des données scientifiques, cela est important pour les autorités de réglementation, car si une entreprise pharmaceutique émet une affirmation fondée sur des preuves issues de notre IA, l'autorité de réglementation peut vérifier l'exactitude des données et la validité de la source.

Pourriez-vous partager un cas d'utilisation ou une étude de cas de chercheurs utilisant EVID AI ?

Absolument. Il y a beaucoup de choix, mais en voici deux qui sont utiles, car ils montrent comment l'outil peut être utilisé à la fois pour des projets plus importants et budgétés et pour des tâches quotidiennes ad hoc. Dans le premier cas, une société pharmaceutique a engagé une équipe pour effectuer une mise à jour de la revue de la littérature en oncologie. Il s'agit d'une entreprise importante car le domaine spécifique de l'oncologie est vaste, la littérature évolue rapidement et la portée du projet est grande. L'examen initial comprenait une analyse du paysage (par exemple, tous les principaux médicaments) et de leurs résultats en termes d'efficacité, de sécurité et d'impacts économiques. Il comprenait non seulement des rapports d'essais cliniques, mais également des articles sur des études observationnelles, où les scientifiques suivent les performances d'un médicament prescrit dans le « monde réel » plutôt que dans un environnement d'essai contrôlé.

EVID AI a aidé cette entreprise à rassembler tous les résultats nouveaux et mis à jour pour cette tâche de documentation, avec des économies considérables. En revanche, nous avions un exemple où un scientifique avait construit un modèle économique des coûts associés au passage à différents médicaments de santé mentale appelés « modèles d'impact budgétaire ». Le défi consiste à obtenir de bonnes estimations de la fréquence à laquelle ces patients changent de médicament. Lorsque le scientifique a initialement construit le modèle, il a passé une journée entière à parcourir des articles pour trouver le résultat qu'il souhaitait. Avec EVID AI, il l'a trouvé en quelques minutes.

Quelle est votre vision de l'avenir de la collaboration humaine et IA dans la recherche médicale ?

À mesure que la recherche médicale se familiarisera avec l'IA, celle-ci imprégnera des domaines allant de la découverte de médicaments au recrutement pour les essais cliniques, en passant par l'analyse des données et le remboursement. Chaque aspect du développement de nouvelles thérapies bénéficiera de l'IA, et les résultats seront intégrés au flux de travail. Plutôt que de s'appuyer sur des outils distincts nécessitant de passer d'une tâche scientifique de laboratoire à une tâche d'IA, l'IA deviendra aussi intuitive qu'utiliser un GPS pour se rendre dans un nouveau restaurant. Il n'y aura même pas d'hésitation. Cependant, notamment dans l'industrie pharmaceutique, nous aurons toujours besoin de personnes hautement expérimentées, comme les équipes de Genesis Research, pour déterminer la pertinence des données et lancer des analyses plus approfondies afin d'éclairer la prise de décision.

Y a-t-il autre chose que vous aimeriez partager à propos de Genesis Research ?

Recherche Genesis sa croissance rapide est due à sa capacité à relever de nouveaux défis, à poser les bonnes questions, à réunir les bonnes équipes pour accéder aux bonnes données et à les analyser, et à proposer des solutions qui font avancer les initiatives en sciences de la vie. Innovatrice dans le développement de solutions basées sur RWE, la société est entièrement indépendante des données et travaille en étroite collaboration avec ses clients pour identifier les sources de données optimales. Nous sommes fiers d'être un chef de file établi en stratégie, développement et communication de preuves, ainsi que des experts dans le développement de solutions technologiques innovantes.