Matt Michelson, Presiden Genesis AI di Genesis Research – Seri Wawancara

Matt Michelson adalah Presiden Genesis AI di Genesis Research, sebuah organisasi internasional HEOR dan Real-World Evidence dengan kantor di AS dan Inggris yang mendukung industri ilmu hayati.

Sebagai pemimpin yang mapan dalam strategi bukti, pengembangan, dan komunikasi, mereka mendukung klien dengan analisis database, ekonomi kesehatan dan penelitian hasil strategis dan taktis, tinjauan literatur, pemodelan ekonomi, publikasi ilmiah, dan strategi akses pasar.

Sebagai ahli dalam pengembangan solusi teknologi inovatif, mereka menyediakan berbagai platform kustom, dashboard, portal data, dan platform tinjauan kecerdasan buatan EVID AI yang unik untuk mendukung identifikasi, pemantauan, dan ekstraksi bukti yang tepat sasaran.

Apakah Anda bisa membagikan cerita di balik Genesis Research?

Pada 2009, setelah menghabiskan waktu di akademisi dan menggunakan latar belakang kuantitatif yang mendalam, CEO kami Frank Corvino dan mitra bisnisnya, seorang klinisi dan ahli ekonomi kesehatan, menggabungkan keahlian mereka untuk mengembangkan model bisnis baru yang mendukung perusahaan ilmu hayati dengan pendekatan yang lebih didorong data untuk memperoleh wawasan dari big data dengan cara yang konsisten, transparan, reproducible, dan sangat terampil.

Genesis Research awalnya dibangun berdasarkan komitmen untuk berpikir di luar kotak untuk memberikan demonstrasi nilai yang didukung oleh Bukti Dunia Nyata (RWE). Sejak itu, layanan perusahaan telah berkembang untuk mencakup kemampuan akses pasar dan strategi, Ekonomi Kesehatan dan Penelitian Hasil (HEOR), komunikasi ilmiah, dan kemampuan digital canggih seperti penggunaan kecerdasan buatan (AI) yang tepat guna.

Perusahaan berkembang menjadi organisasi RWE dan HEOR internasional terkemuka yang kami miliki saat ini karena kami mendengarkan klien kami dan kemudian menggunakan tim yang beragam dan sangat terampil untuk memenuhi kebutuhan mereka yang berubah pada setiap tahap siklus hidup produk, dengan menggunakan model “kemitraan ditingkatkan” yang fleksibel yang memungkinkan kami untuk beroperasi dengan lancar sebagai bagian dari tim klien.

Volume besar makalah diterbitkan setiap tahun. Apakah Anda bisa membahas seberapa cepat laju penerbitan dipercepat?

Sulit untuk menentukan secara pasti, tetapi perkiraan berkisar dari 4 hingga 10% peningkatan setiap tahun, dengan 1-2 juta artikel saat ini diterbitkan dalam perawatan kesehatan per tahun. Itu adalah jumlah yang besar, terutama jika Anda memperkirakan bahwa membaca abstrak membutuhkan waktu lima menit. PubMed itu sendiri (versi publik dari mesin pencari paper kesehatan Medline) memiliki koleksi lebih dari 30 juta artikel.

Mengapa metode tradisional untuk meninjau makalah tidak lagi berfungsi?

Tugas-tugas ini berkaitan dengan proses menemukan bukti, terutama makalah, yang menjawab pertanyaan ilmiah Anda. Dan bukan berarti metode manual tidak bisa melakukannya. Namun, karena prosesnya sangat melelahkan, itu berarti tugasnya tidak fleksibel. Tidak ada yang ingin melalui pekerjaan itu semua lagi jika sesuatu berubah, dan Anda tidak bisa mencari sumber sebanyak yang diinginkan, mengingat investasi waktu yang besar. Dan orang akan sometimes melewatkan artikel karena sulit untuk berkonsentrasi setelah membaca beberapa ratus makalah. Sebaliknya, mesin yang terlatih tidak pernah lelah, dan keuntungan efisiensi berarti bahwa pendekatan berbasis AI lebih fleksibel, karena Anda bisa menjalankan pencarian berikutnya, dan Anda bisa melakukannya sebanyak yang Anda butuhkan.

Apa itu EVID AI dan bagaimana itu menyederhanakan proses untuk peneliti medis untuk mengidentifikasi dan menyaring jumlah besar penelitian?

EVID AI adalah satu-satunya basis data literatur medis yang menggunakan pembelajaran mesin untuk menghasilkan lebih dari 80 juta poin data – dari pra-klinis, klinis, ekonomi, epidemiologi, hasil pelaporan pasien dan fokus tinjauan – dan memungkinkan pengguna untuk menyaring hasil pencarian ke informasi yang paling relevan dan terkini yang diperlukan untuk analisis lebih lanjut. Ini adalah satu-satunya platform dengan kemampuan untuk mengubah data yang tertanam dalam beberapa artikel menjadi tabel terstruktur yang menyajikan poin data yang relevan dan diminta dalam format yang jelas. Pendekatan paten ini mengubah bukti menjadi data yang dapat digunakan, sehingga peneliti dapat lebih mudah mengembangkan grafik dan dashboard untuk dibagikan dengan pemangku kepentingan tanpa harus membaca volume besar makalah.

Genesis Research baru-baru ini melakukan peningkatan pada EVID AI – yang sekarang merupakan platform penelitian literatur medis terbesar di dunia – yang membantu tim farmasi dan pengambil keputusan kesehatan lainnya menemukan hasil yang berkualitas tinggi, terarah, dan lebih cepat, lebih efisien, dan dari sumber yang belum pernah ada sebelumnya.

Menggunakan EVID AI, tugas pencarian literatur medis sekarang dapat dilakukan 59 kali lebih cepat daripada upaya manual, dengan bukti yang lebih relevan per pencarian dan 15 kali lebih sedikit artikel yang tidak relevan. Format pembelajaran mesin paten, yang diprogram melalui paparan terhadap puluhan ribu poin data pelatihan, lebih cepat dan lebih komprehensif daripada sebelumnya dan akan mengurangi waktu penelitian dari bulan menjadi minggu atau hari.

Salah satu kelebihan EVID AI adalah bahwa itu memungkinkan peneliti dan regulator pemerintah untuk melacak data AI kembali ke sumbernya. Mengapa ini penting dan bagaimana itu bekerja?

Isu kunci dengan banyak sistem AI adalah bahwa mereka tidak transparan – kadang-kadang disebut “black box.” Dan ini benar dalam arti bahwa kita tidak selalu memahami mengapa AI melakukan apa yang dilakukannya. Misalnya, jika itu mengambil artikel dan memecah semua hasil dari teks, itu tidak bisa selalu memberitahu Anda secara pasti mengapa itu memilih frasa dan hasil tersebut, itu hanya bisa menunjukkannya kepada Anda. Namun, kami menekankan transparansi dan menyediakan provenance data (yaitu, menunjukkan dari mana asalnya), sehingga pengguna selalu dapat melacak hasil kembali ke kalimat asalnya, artikel yang berisi kalimat tersebut, dan kemudian lokasi asli artikel tersebut. Dengan demikian, ada mekanisme untuk melacak hasil kembali ke sumbernya. Selain menyediakan ilmu pengetahuan yang lebih baik, ini penting bagi regulator, karena jika perusahaan farmasi membuat klaim berdasarkan bukti dari AI kami, regulator dapat memverifikasi bahwa data tersebut akurat dan sumbernya valid.

Apakah Anda bisa membagikan contoh penggunaan EVID AI oleh peneliti?

Tentu. Ada banyak contoh, tetapi berikut dua contoh yang berguna, karena mereka menunjukkan bagaimana alat tersebut dapat digunakan untuk proyek yang lebih besar dan tugas sehari-hari. Dalam kasus pertama, kami memiliki perusahaan farmasi yang mempekerjakan tim untuk melakukan pembaruan tinjauan literatur untuk onkologi. Ini adalah tugas besar karena bidang onkologi yang spesifik sangat besar, literatur berubah dengan cepat, dan cakupan proyek sangat luas. Tinjauan asli termasuk analisis lanskap (yaitu, semua obat utama) dan hasilnya dalam hal efektivitas, keamanan, dan dampak ekonomi. Ini termasuk tidak hanya laporan uji coba klinis, tetapi juga artikel tentang studi observasional, di mana ilmuwan melacak kinerja obat yang diresepkan dalam “dunia nyata” bukan hanya dalam lingkungan uji coba yang terkendali.

EVID AI membantu perusahaan tersebut mengumpulkan semua hasil baru dan diperbarui untuk tugas literatur, dengan penghematan yang luar biasa. Sebaliknya, kami memiliki contoh di mana seorang ilmuwan telah membangun model ekonomi biaya yang terkait dengan beralih antara obat kesehatan mental yang berbeda yang disebut “model dampak anggaran”. Tantangan adalah menarik perkiraan yang baik tentang seberapa sering pasien tersebut beralih obat. Ketika ilmuwan awalnya membangun model tersebut, dia menghabiskan sehari penuh untuk memindai artikel untuk menemukan hasil yang diinginkan. Dengan EVID AI, dia menemukannya dalam beberapa menit.

Apa pandangan Anda tentang masa depan kolaborasi manusia dan AI dalam penelitian medis?

Seiring penelitian medis menjadi lebih nyaman dengan AI, itu akan meresap ke area dari penemuan obat hingga perekrutan uji coba klinis hingga analisis data dan pembayaran. Setiap aspek pengembangan terapi baru akan mendapat manfaat dari AI, dan hasilnya akan tertanam dalam alur kerja. Daripada mengandalkan alat terpisah yang memerlukan peralihan konteks dari tugas ilmu dasar ke tugas AI, itu akan menjadi seperti menggunakan GPS untuk sampai ke restoran baru. Tidak akan ada pikiran kedua. Namun, terutama di industri farmasi, kita masih membutuhkan orang yang sangat berpengalaman, seperti tim di Genesis Research, untuk menentukan relevansi data dan memulai analisis lebih lanjut untuk membantu pengambilan keputusan.

Apakah ada yang ingin Anda bagikan tentang Genesis Research?

Pertumbuhan cepat Genesis Research disebabkan oleh kemampuan mereka untuk mengambil tantangan baru, mengajukan pertanyaan yang tepat, mengumpulkan tim yang tepat untuk mengakses dan menganalisis data yang tepat, dan memberikan solusi yang mendorong inisiatif ilmu hayati ke depan. Sebagai inovator dalam mengembangkan solusi berbasis RWE, perusahaan tersebut sepenuhnya agnostik data dan bekerja erat dengan klien untuk mengidentifikasi sumber data yang optimal. Kami bangga menjadi pemimpin mapan dalam strategi bukti, pengembangan, dan komunikasi, serta ahli dalam pengembangan solusi teknologi inovatif.