제네시스 AI의 매트 미첼슨, 제네시스 리서치의 인터뷰 시리즈

매트 미첼슨은 제네시스 리서치의 제네시스 AI의 사장입니다. 제네시스 리서치는 미국과 영국에 사무소를 둔 국제적인 HEOR 및 실세계 증거 연구 기관으로, 제약 산업을 지원합니다.

증거 전략, 개발, 및 커뮤니케이션의 확립된 리더로서, 제네시스 리서치는 데이터베이스 분석, 전략 및 전술적인 건강 경제 및 결과 연구, 문헌 리뷰, 경제 모델링, 과학적 출판 및 시장 접근 전략을 통해 고객을 지원합니다.

혁신적인 기술 솔루션 개발의 전문가로서, 제네시스 리서치는 고객에게 맞춤형 플랫폼, 대시보드, 데이터 포털 및 고유한 인공 지능 기술을 지원하는 리뷰 플랫폼 EVID AI를 제공하여 목표를 설정하고 추적하고 추출하는 데 필요한 증거를 식별하는 것을 지원합니다.

제네시스 리서치의 기원을 공유해 주시겠습니까?

2009년, 학계에서 시간을 보낸 후에 깊은 정량적 배경을 활용하여 우리의 CEO 프랭크 코비노와 그의 비즈니스 파트너인 임상가 및 건강 경제학자는 새로운 비즈니스 모델을 개발하여 데이터에서 정보를 얻는 더 데이터 주도적인 접근 방식으로 제약 회사들을 지원했습니다.

제네시스 리서치는 처음에 실세계 증거(RWE)에 의해 지원되는 가치 증명을 제공하기 위해 생각하는 방식으로 구축되었습니다. 이후에 회사의 서비스는 시장 접근 능력 및 전략, 건강 경제 및 결과 연구, 과학적 커뮤니케이션 및 고급 디지털 능력과 같은 인공 지능(AI)의 적합한 사용을 포함하도록 확대되었습니다.

회사는 고객의 요구에 따라 다양한 팀을 조직하여 제품 수명 주기中的 任意 단계에서 고객의 요구에 대응할 수 있도록灵活한 “강화된 파트너십 모델”을採用하여 고객 팀의 일부로서 원활하게 운영할 수 있게 되었습니다.

매년 수많은 논문이 발표됩니다. 출판 속도가 얼마나 빠르게 증가하고 있는지 обс論해 주시겠습니까?

정확히 알기 어렵지만, 4~10%의 증가로 추정되며, 현재 1~200만 개의 논문이 건강 관리 분야에서 매년 발표됩니다. 이는 매우 큰 숫자이며, 특히 한 사람당 5분이면 추상문을 읽을 수 있다고 가정할 때, PubMed 자체(메들라인 건강 관리 논문 검색 엔진의 공개 버전)에는 3,000만 개 이상의 논문이 있습니다.

전통적인 논문 검토 방법이 더 이상 작동하지 않는 이유는 무엇입니까?

이 작업은 증거를 찾는 과정, 특히 과학적 질문에 답하는 논문을 찾는 것입니다. 수동 방법으로 할 수 있는 것은 아니지만, quá trình이非常 노동 집약적이기 때문에 유연하지 않습니다. 변경 사항이 발생하면 다시 모든 것을 하려는 사람은 없으며, 원하는 만큼 많은 출처를 검색할 수 없습니다. 또한 수백 개의 논문을 읽은 후에는 집중력이 떨어지므로 일부 논문을 놓칠 수 있습니다. 반면, 훈련된 기계는 피로하지 않으며, 효율성 향상을 통해 더 유연합니다. 다시 검색을 실행할 수 있으며, 필요한 만큼 여러 번 실행할 수 있습니다.

EVID AI는 무엇이며, 의료 연구자들이大量의 연구를 식별하고 분석하는 과정을 어떻게 단순화합니까?

EVID AI는 의료 문헌 데이터베이스로, 기계 학습을 통해 8,000만 개 이상의 데이터 포인트(예비 임상, 임상, 경제, 역학, 환자 보고 결과 및 리뷰 초점 영역)를 생성하며, 사용자가 가장 관련性이 높은 현재 정보를 필요로 하는 결과를 필터링할 수 있습니다. 이는 여러 논문에 포함된 데이터를 구조화된 표로 변환하여 관련 데이터 포인트를 명확한 형식으로 표시하는唯一의 플랫폼입니다. 이 특허된 접근 방식은 증거를 사용 가능한 데이터로 추출하여 연구자들이大量의 논문을 읽지 않고도 그래프 및 대시보드를 쉽게 만들 수 있도록 합니다.

제네시스 리서치는 최근 EVID AI에 대한 업데이트를 수행했으며, 이는 현재 세계에서 가장 큰 의료 문헌 연구 플랫폼입니다. 이를 통해 제약 팀과 기타 의료 의사 결정자가 높은 품질의 타겟 결과를 더 빠르고 효율적으로 찾을 수 있으며, 이전에는 불가능했던 출처의 폭을 확대할 수 있습니다.

EVID AI를 사용하면 의료 문헌 검색 작업을 수동 작업보다 59배 빠르게 수행할 수 있으며, 관련 증거가 더 많고 불필요한 논문이 15배 적습니다. 수천 개의 훈련 데이터 포인트로 프로그래밍된 특허된 기계 학습 형식은 이전보다 빠르고 더 포괄적이며, 연구 시간을 몇 개월에서 몇 주 또는 며칠로 단축할 것입니다.

EVID AI의 한 가지 이점은 연구자와 정부 규제 당국이 AI 데이터를 그 출처로 추적할 수 있다는 것입니다. 이것이 중요한 이유와 작동 방식은 무엇입니까?

많은 AI 시스템의 주요 문제는 불투명성입니다. 즉, 때때로 “블랙 박스”라고 합니다. 예를 들어, 기사가 결과를 분리하면 왜 해당 결과와 결과를 선택했는지 정확히 알 수 없습니다. 그러나 우리는 투명성을 강조하며 데이터 출처(예: 결과가 어디에서 왔는지 표시)를 제공하여 사용자가 결과를 그 출처로 추적할 수 있도록 합니다. 즉, 결과가 어느 문장에서 왔는지, 해당 문장이 어느 기사에 포함되어 있는지, 그리고 그 기사가 어디에 위치해 있는지 확인할 수 있습니다. 따라서 결과를 그 출처로 추적할 수 있는 메커니즘이 항상 있습니다. 이것은 더 나은 과학을 제공하는 것뿐만 아니라 규제 당국에게도 중요합니다. 제약 회사에서 우리의 AI에서 나온 증거를 기반으로 주장을 하는 경우, 규제 당국은 데이터가 정확하고 출처가 유효한지 확인할 수 있습니다.

연구자들이 EVID AI를 사용하는 사례 또는 사례 연구를 공유해 주시겠습니까?

絶対적으로. 유용한 두 가지 사례가 있습니다. 첫 번째 사례는 제약 회사에서 종양학 분야의 문헌 리뷰 업데이트를 위해 팀을 고용한 경우입니다. 이는 큰 작업입니다. 해당 분야가 크고, 문헌이 빠르게 변경되며, 프로젝트의 범위가 크기 때문입니다. 원래 리뷰에는 주요 약물의 분석(예: 효능, 안전성, 경제적 영향)이 포함되었습니다. 이는 임상 시험 보고서뿐만 아니라 관찰 연구에 대한 기사도 포함했습니다.

EVID AI는 이 회사에서 새로운 결과와 업데이트된 결과를 수집하는 데 큰 절약을 가져왔습니다. 반면에, 한 과학자가 경제 모델을 구축하여 정신 건강 약물의 전환에 대한 비용 영향을 분석하는 경우가 있었습니다. 이 과학자는 초기에 모델을 구축할 때 결과를 찾기 위해 하루 종일 기사를 검색해야 했습니다. EVID AI를 사용하면 몇 분 만에 결과를 찾을 수 있었습니다.

의료 연구에서 인간과 AI의 협력에 대한您的 견해는 무엇입니까?

의료 연구가 AI를 더 많이 사용함에 따라, 이는 신약 개발에서 임상 시험 모집까지 데이터 분석 및 보험 적용에 이르기까지 모든 영역에 침투할 것입니다. 새로운 치료법 개발의 모든 측면에서 AI의 결과가 워크플로에 통합될 것입니다. 이는 벤치 과학 작업에서 AI 작업으로 컨텍스트 전환할 필요가 없는 것과 마찬가지로, 새로운 레스토랑으로 가기 위해 GPS를 사용하는 것과 같습니다. 제약 산업에서 우리는 여전히 데이터의 관련성을 결정하고 추가 분석을 시작하기 위해 높은 수준의 전문 지식을 갖춘 팀이 필요할 것입니다.

제네시스 리서치에 대해 더 공유하고 싶은 내용이 있습니까?

제네시스 리서치의 빠른 성장은 새로운 도전을 받아들이고, 올바른 질문을 하며, 올바른 팀을 구성하여 데이터에 접근하고 분석하고, 생명 과학 이니셔티브를 앞으로 추진하는 솔루션을 제공하는 능력에 기인합니다. 실세계 증거 기반 솔루션 개발의 innovator인 제네시스 리서치는 완전히 데이터 비중립적이며, 고객과密接하게 협력하여 최적의 데이터 소스를 식별합니다. 우리는 증거 전략, 개발, 및 커뮤니케이션의 확립된 리더이자, 혁신적인 기술 솔루션 개발의 전문가로서 자랑스럽게 생각합니다.