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 en économie de la santé et en preuves issues du monde réel avec des bureaux aux États-Unis et au Royaume-Uni, qui soutient l’industrie des sciences de la vie.

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 en économie de la santé et en résultats de santé stratégiques et tactiques, des revues de littérature, des modèles économiques, des publications scientifiques et des stratégies d’accès au marché.

En tant qu’experts dans le développement de solutions technologiques innovantes, ils proposent une gamme de plateformes, de tableaux de bord, de portails de données et d’une plateforme de révision d’intelligence artificielle unique appelée EVID AI, pour soutenir l’identification, le suivi et l’extraction de preuves ciblées.

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

En 2009, après avoir passé du temps dans le monde universitaire et avoir utilisé son expérience quantitative approfondie, notre PDG Frank Corvino et son partenaire commercial, 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, en tirant des enseignements des grandes données de manière transparente, reproductible et très efficace.

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

L’entreprise est devenue la principale organisation internationale de recherche en preuves issues du monde réel et en économie de la santé que nous sommes aujourd’hui, car 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 du 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 façon dont le rythme de publication s’accélère ?

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 actuellement publiés dans le domaine de la santé chaque année. C’est un nombre énorme, surtout 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 des preuves, en particulier des 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, étant donné l’énorme investissement de temps. Et les gens peuvent parfois manquer des articles, car il est difficile de se concentrer après avoir lu quelques centaines de documents. En revanche, une machine formée ne se fatigue jamais, et les gains d’efficacité signifient que les approches basées sur l’IA sont plus flexibles, car vous pouvez simplement exécuter la prochaine recherche, et vous pouvez en faire autant que vous en avez besoin.

Qu’est-ce qu’EVID AI et comment simplifie-t-il le processus pour les chercheurs médicaux d’identifier et de passer au crible d’énormes quantités de recherches ?

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, d’issues signalées par les patients et de revue de littérature – et permet aux utilisateurs de filtrer les résultats de recherche pour obtenir les informations les plus pertinentes et actuelles nécessaires à une analyse plus approfondie. Il s’agit de la seule plateforme capable de transformer les données intégrées dans de multiples articles en tableaux structurés présentant les points de données pertinents et demandés de manière claire. Cette approche brevetée distille les preuves en données utilisables, de sorte que les chercheurs puissent plus facilement élaborer des graphiques et des tableaux de bord à 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 du secteur de la santé à trouver des résultats de haute qualité, ciblés, plus rapidement, plus efficacement et à partir d’une gamme de sources sans précédent.

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 par 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 à 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 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 en 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 la provenance des données (par exemple, en montrant d’où elles proviennent), de sorte que les utilisateurs puissent toujours retracer un résultat jusqu’à la phrase dont il provient, l’article qui contient cette phrase, et puis 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, car si une entreprise pharmaceutique fait une affirmation basée sur des preuves issues 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. Dans le premier cas, nous avions une entreprise pharmaceutique qui avait engagé une équipe pour effectuer une mise à jour de la revue de littérature pour l’oncologie. C’est une grande entreprise, car 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 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 trouver 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 bench 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 une seconde pensée. Cependant, en particulier dans l’industrie pharmaceutique, 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 ?

La croissance rapide de Genesis Research est due à 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. 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.