Matt Michelson, Président de Genesis AI chez Genesis Research – Série d’entretiens

Matt Michelson, est le Président de Genesis AI chez Genesis Research, une organisation internationale de recherche HEOR et de preuves issues du monde réel avec des bureaux aux États-Unis et au Royaume-Uni qui soutient l’industrie des sciences de la vie.

Un leader établi dans la stratégie, le développement et la communication des preuves, ils soutiennent les clients avec des analyses de bases de données, des recherches économiques et stratégiques en matière de santé, des revues de littérature, des modèles économiques, des publications scientifiques et une stratégie d’accès au marché.

En tant qu’experts dans le développement de solutions technologiques innovantes, ils fournissent une gamme de plateformes personnalisées, de tableaux de bord, de portails de données et une plateforme de révision assistée par l’intelligence artificielle unique EVID AI, pour soutenir l’identification, la surveillance et l’extraction de preuves ciblées de manière précise.

Pouvez-vous partager l’histoire de la genèse derrière Genesis Research ?

En 2009, après un passage dans le monde universitaire et en utilisant son solide bagage quantitatif, notre PDG Frank Corvino et son associé, un clinicien et un économiste de la santé, ont combiné leurs expertises pour développer un nouveau modèle d’entreprise qui soutenait les entreprises des sciences de la vie avec une approche plus axée sur les données pour tirer des enseignements des grandes données de manière constamment transparente, reproductible et hautement efficace.

Genesis Research a été initialement construit sur un engagement à penser en dehors des sentiers battus pour démontrer la valeur de l’approche fondée sur les preuves issues du monde réel (RWE). Depuis lors, les services de l’entreprise se sont élargis pour inclure les capacités d’accès au marché et la stratégie, la recherche économique et sur les résultats en matière de santé (HEOR), les communications scientifiques et les capacités numériques avancées telles que l’utilisation ciblée de l’intelligence artificielle (IA).

L’entreprise s’est développée en l’organisation internationale de recherche RWE et HEOR de premier plan que nous sommes aujourd’hui parce que nous écoutons nos clients et utilisons une équipe diversifiée et très qualifiée pour répondre à leurs besoins changeants à tout stade du cycle de vie d’un produit, en employant un modèle de partenariat amélioré flexible qui nous permet de fonctionner sans heurt en tant qu’extension de l’équipe d’un client.

Des volumes considérables de documents sont publiés chaque année. Pouvez-vous discuter de la rapidité à laquelle le taux de publication augmente ?

Il est difficile de déterminer exactement, mais les estimations varient entre 4 et 10 % d’augmentation par an, avec 1 à 2 millions d’articles publiés actuellement dans le domaine des soins de santé par an. C’est un nombre énorme, en particulier si l’on estime qu’il faut cinq minutes à une personne pour lire un résumé. PubMed lui-même (la version publique du moteur de recherche de documents de santé Medline) contient une collection de plus de 30 millions d’articles.

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

Ces tâches se résument au processus de recherche de preuves, en particulier de documents, qui répondent à vos questions scientifiques. Et ce n’est pas que les méthodes manuelles ne puissent pas le faire. Plutôt, parce que le processus est si fastidieux, cela signifie que la tâche n’est pas aussi flexible. Personne ne veut passer par la peine de le faire tout à nouveau si quelque chose change, et vous ne pouvez pas rechercher autant de sources que vous le souhaitez, compte tenu du temps considérable investi. Et les gens vont parfois manquer des articles puisqu’il est difficile de se concentrer après avoir lu quelques centaines de documents. En revanche, une machine entraînée ne se fatigue jamais, et les gains d’efficacité signifient que les approches basées sur l’IA sont plus flexibles, puisque vous pouvez simplement exécuter la prochaine recherche, et vous pouvez en faire autant que vous en avez besoin.

Qu’est-ce que EVID AI et comment simplifie-t-il le processus pour les chercheurs médicaux d’identifier et de passer au crible d’énormes 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 – des domaines précliniques, cliniques, économiques, épidémiologiques, de résultats rapportés par les patients et de revue de l’accent – et permet aux utilisateurs de filtrer les résultats de recherche pour obtenir les informations les plus pertinentes et actuelles nécessaires pour une analyse ultérieure. Il s’agit de la seule plateforme dotée de la capacité de transformer les données intégrées dans de multiples articles en tableaux structurés qui présentent les points de données pertinents et demandés dans un format clair. Cette approche brevetée distille les preuves en données utilisables, afin que les chercheurs puissent plus facilement développer des graphiques et des tableaux de bord pour les partager avec les parties prenantes sans avoir à lire un grand volume de documents.

Genesis Research a récemment apporté des améliorations à EVID AI – qui est maintenant la plus grande plateforme de recherche de littérature médicale actuelle au monde – pour aider les équipes pharma et les autres décideurs de soins de santé à trouver des résultats ciblés de haute qualité plus rapidement, plus efficacement et à partir d’une gamme sans précédent de sources.

En utilisant EVID AI, les tâches de recherche de littérature médicale peuvent désormais être effectuées 59 fois plus rapidement que les efforts manuels, avec des preuves beaucoup plus pertinentes par recherche et 15 fois moins d’articles non pertinents. Le format d’apprentissage automatique breveté, 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 des semaines ou des jours.

L’un des avantages d’EVID AI est qu’il permet aux chercheurs et aux régulateurs gouvernementaux de retracer les données de l’IA jusqu’à leur source. Pourquoi est-ce important et comment cela fonctionne-t-il ?

Un problème clé avec de nombreux systèmes d’IA est qu’ils sont opaques – parfois appelés “boîtes noires”. Et c’est vrai dans le sens où nous ne comprenons pas toujours pourquoi l’IA fait ce qu’elle fait. Par exemple, si elle prend un article et extrait tous les résultats du texte, elle ne peut pas nécessairement vous dire exactement pourquoi elle a choisi ces phrases et ces résultats, elle ne peut que vous les montrer. Cependant, nous mettons l’accent sur la transparence et la fourniture de données de provenance (par exemple, en vous montrant d’où elles proviennent), afin que les utilisateurs puissent toujours retracer un résultat jusqu’à la phrase dont il provient, à l’article qui contient cette phrase, et ensuite à l’emplacement d’origine de l’article. De cette façon, il y a toujours un mécanisme pour retracer les résultats jusqu’à leur source. En plus de fournir une meilleure science, cela est important pour les régulateurs, puisque si une entreprise pharma fait une affirmation basée sur des preuves de notre IA, le régulateur peut vérifier que les données sont correctes et que la source est valable.

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

Absolument. Il y en a beaucoup à choisir, mais voici deux qui sont utiles, car ils montrent comment l’outil peut être utilisé à la fois pour des projets plus importants et budgétisés et pour des tâches quotidiennes et ad hoc. Dans le premier cas, nous avions une entreprise pharma qui a engagé une équipe pour effectuer une mise à jour de la revue de littérature pour l’oncologie. C’est une grande entreprise parce que le domaine spécifique de l’oncologie est vaste, la littérature change rapidement et la portée du projet est importante. La revue d’origine comprenait une analyse du paysage (par exemple, tous les principaux médicaments) et leurs résultats en termes d’efficacité, de sécurité et d’impact économique. Elle 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” et non dans un environnement d’essai contrôlé.

EVID AI a aidé cette entreprise à rassembler tous les nouveaux résultats et mises à jour pour cette tâche de revue de littérature, avec des économies considérables. En revanche, nous avions un exemple où un scientifique avait construit un modèle économique des coûts associés au passage entre différents médicaments contre la santé mentale appelés “modèles d’impact budgétaire”. Le défi consiste à extraire de bonnes estimations de la fréquence à laquelle de tels patients changent de médicaments. Lorsque le scientifique a initialement construit le modèle, il a passé une journée entière à scanner des articles pour trouver le résultat qu’il voulait. Avec EVID AI, il l’a trouvé en quelques minutes.

Quelle est votre vision de l’avenir de la collaboration entre les humains et l’IA dans la recherche médicale ?

À mesure que la recherche médicale devient de plus en plus à l’aise avec l’IA, elle va pénétrer tous les domaines, de la découverte de médicaments au recrutement pour les essais cliniques, à l’analyse des données et au remboursement. Chaque aspect du développement de nouvelles thérapies bénéficiera de l’IA, et les résultats seront intégrés dans le flux de travail. Plutôt que de s’appuyer sur des outils distincts qui nécessitent un changement de contexte d’une tâche de science de base à une tâche d’IA, cela deviendra aussi intuitif que l’utilisation d’un GPS pour se rendre à un nouveau restaurant. Il n’y aura même pas de seconde pensée. Cependant, en particulier dans l’industrie pharma, nous aurons toujours besoin de personnes très expérimentées, comme les équipes de Genesis Research, pour déterminer la pertinence des données et initier une analyse plus approfondie pour faciliter la prise de décision.

Y a-t-il autre chose que vous aimeriez partager sur Genesis Research ?

Genesis Research connaît une croissance rapide en raison de sa capacité à relever de nouveaux défis, à poser les bonnes questions, à rassembler les bonnes équipes pour accéder et analyser les bonnes données, et à fournir des solutions qui font progresser les initiatives des sciences de la vie. Un innovateur dans le développement de solutions basées sur les preuves issues du monde réel, l’entreprise est entièrement agnostique en matière de données et travaille en étroite collaboration avec les clients pour identifier les sources de données optimales. Nous sommes fiers d’être un leader établi dans la stratégie, le développement et la communication des preuves, ainsi que des experts dans le développement de solutions technologiques innovantes.