マット・ミケルソン、ジェネシスAIの社長、ジェネシス・リサーチ – インタビュー・シリーズ

マット・ミケルソンは、ジェネシス・リサーチのジェネシスAIの社長です。ジェネシス・リサーチは、米国と英国にオフィスを置く国際的なHEOR（健康経済学および結果研究）およびリアルワールド・エビデンス研究組織で、ライフサイエンス業界をサポートしています。

エビデンス戦略、開発、コミュニケーションの確立されたリーダーであるジェネシス・リサーチは、データベース分析、戦略的および戦術的健康経済学および結果研究、文献レビュー、経済モデリング、科学出版、市場アクセス戦略などのサービスを提供し、クライアントをサポートしています。

革新的な技術ソリューションの開発における専門家であるジェネシス・リサーチは、データソースの特定、監視、抽出をサポートするために、カスタマイズされたプラットフォーム、ダッシュボード、データ・ポータル、および独自のAI技術を利用したレビュー・プラットフォームEVID AIを提供しています。

ジェネシス・リサーチの創設の背景を教えてください。

2009年、学術界での経験と深い量的背景を活かし、当時のCEOフランク・コルヴィーノとビジネス・パートナーである医師および健康経済学者が、ライフサイエンス企業をよりデータ・ドリブンなアプローチでサポートする新しいビジネス・モデルを開発しました。ジェネシス・リサーチは、リアルワールド・エビデンス（RWE）によって裏付けられた価値の実証を提供するというコミットメントに基づいて構築されました。以来、同社のサービスは、マーケット・アクセス能力、健康経済学および結果研究、科学コミュニケーション、および高度なデジタル機能（例：人工知能（AI）の適切な使用）を含むように拡大しました。

同社は、クライアントのニーズに応えるために、多様で、高度にスキルドのチームを使用し、製品ライフサイクルのあらゆる段階で柔軟な「強化パートナーシップ・モデル」を採用することで、現在の国際的なRWEおよびHEORのリーダーとなりました。

毎年大量の論文が発表されています。発表の速度がどれほど速くなっているかについて話してください。

正確な数字はわかりませんが、年間4〜10%の増加と推定されており、現在、年間100万から200万件の論文がヘルスケア分野で発表されています。これは、1つの要約を読むのに5分かかるとすると、膨大な数です。PubMed（Medlineヘルスケア論文検索エンジンのパブリック・バージョン）には、3000万を超える論文が収集されています。

従来の論文のレビュー方法はもう機能しない理由を教えてください。

これらのタスクは、科学的質問に答える証拠、特に論文を見つけるプロセスに帰着します。手動方法ではこれを行うことはできますが、プロセスが非常に手間がかかるため、柔軟性が欠けます。誰も、変更があればすべてやり直す手間をかけたくないでしょうし、多くの情報源を検索することもできません。また、数百の論文を読んだ後、集中力が低下し、論文を読み逃すこともあります。対照的に、訓練されたマシンは疲れません。効率性の向上により、AIベースのアプローチはより柔軟です。次の検索を実行するだけで、必要な回数実行できます。

EVID AIについて教えてください。また、医療研究者が大量の研究を特定し、調べるプロセスをどのように簡素化するかについても教えてください。

EVID AIは、前臨床、臨床、経済、疫学、患者報告結果、およびレビューの焦点領域から、80万を超えるデータ・ポイントを生成する唯一の医療文献データベースで、ユーザーが最も関連性の高い、最新の情報をフィルタリングすることができます。また、複数の記事に埋め込まれたデータを構造化されたテーブルに変換する機能を備えた唯一のプラットフォームです。ユーザーは、利害関係者と共有するためにグラフやダッシュボードを作成するために、関連するデータを簡単に抽出できるように、証拠を活用可能なデータに凝縮します。

ジェネシス・リサーチは、EVID AIに強化を加え、現在、世界最大の医療文献研究プラットフォームとなっています。フェーマ企業やヘルスケアの意思決定者が、高品質のターゲットを絞った結果をより迅速に、効率的に、かつ、前例のない情報源の幅から見つけることができるようになりました。

EVID AIを使用すると、医療文献の検索タスクを、手動での努力よりも59倍速く実行できます。関連する証拠が多く、無関係な記事が15倍少なくなります。数千のトレーニング・データ・ポイントに基づいてプログラムされた特許取得済みのマシン・ラーニング・フォーマットは、以前よりも迅速で包括的であり、研究時間を数ヶ月から数週間または数日間に短縮します。

EVID AIの利点の1つは、研究者や政府機関がAIデータをそのソースに遡及できることです。この重要性とそのしくみについて教えてください。

多くのAIシステムは不透明で、「ブラックボックス」と呼ばれることがあります。AIが何をしているのか、いつもわかりません。たとえば、記事から結果を抽出する場合、選択したフレーズや結果の理由を明確に示すことはできません。ただし、透明性を優先し、データの出典（例：どこから来たかを示す）を提供することで、ユーザーは常に結果をそのソースに遡及できるようにします。つまり、結果がどこから来ているかを常に把握できます。これは、レギュラトリが、フェーマ企業が私たちのAIからの証拠に基づいて主張をしている場合、データが正確でソースが有効であることを確認する必要があるため、科学的にも重要です。

研究者がEVID AIを使用する具体的な例や事例を教えてください。

もちろん。有用な例が2つあります。これらは、ツールが大規模な予算プロジェクトと日常的なアドホック・タスクの両方で使用される方法を示しています。最初の例では、がんに関する文献レビューの更新を依頼するために、製薬会社がチームを雇用しました。これは、大きな取り組みです。特定のがん分野は広く、文献は迅速に変化し、プロジェクトの範囲は広いです。元のレビューには、主要な薬剤とその結果（有効性、安全性、経済的影響）に関する分析が含まれていました。臨床試験報告だけでなく、観察研究に関する記事も含まれていました。

EVID AIは、この会社が新しい結果と更新を収集するのを大幅に支援しました。対照的に、ある科学者が、精神健康の薬剤の切り替えによるコストの影響を示す経済モデルを構築しました。課題は、患者がどれほど頻繁に薬剤を切り替えるかという推定値を取得することでした。科学者はモデルを構築するために1日を費やし、記事を調べて結果を探しました。EVID AIを使用すると、結果は数分で見つかりました。

医療研究における人間とAIの将来のコラボレーションについてどう考えていますか。

医療研究がAIに慣れるにつれて、AIは、新薬の発見から臨床試験の募集、データ分析、償還まで、医療のあらゆる分野に浸透するでしょう。新しい治療法の開発のすべての側面は、AIの利点を受けるでしょう。結果はワークフローに組み込まれ、GPSを使用して新しいレストランに行くことと同じように、直感的に使用されるようになります。特別な考え方は必要なくなるでしょう。しかし、特に製薬業界では、ジェネシス・リサーチのような、高度に経験豊富なチームが、データの関連性を判断し、さらに分析を開始するために不可欠です。

ジェネシス・リサーチについてさらに何か共有したいことがありますか。

ジェネシス・リサーチの急速な成長は、新しい課題に取り組み、正しい質問をし、適切なチームを組み、適切なデータを分析して、ライフサイエンスのイニシアチブを前進させるソリューションを提供する能力にあります。RWEベースのソリューションの開発におけるイノベーターである同社は、完全にデータ・アグノスティックであり、クライアントと密接に協力して、最適なデータ・ソースを特定しています。エビデンス戦略、開発、コミュニケーションの確立されたリーダーであり、革新的な技術ソリューションの開発における専門家であることを誇ります。