Interviews

Matt Michelson, President van Genesis AI bij Genesis Research – Interview Serie

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Matt Michelson is de President van Genesis AI bij Genesis Research, een internationale HEOR- en Real-World Evidence-onderzoeksorganisatie met kantoren in de VS en het VK die de life sciences-industrie ondersteunt.

Een gevestigde leider in evidence-strategie, ontwikkeling en communicatie, ondersteunen zij klanten met database-analyses, strategisch en tactisch gezondheidseconomisch en uitkomstonderzoek, literatuuronderzoeken, economische modellering, wetenschappelijke publicaties en markttoegangsstrategie.

Als experts in de ontwikkeling van innovatieve technologische oplossingen, bieden zij een reeks aangepaste platforms, dashboards, dataportals en een unieke kunstmatige intelligentie-technologie-assisted review-platform EVID AI, om de identificatie, monitoring en extractie van precies gerichte bewijs te ondersteunen.

Kunt u de oorsprong van Genesis Research vertellen?

In 2009, na tijd in de academische wereld en het gebruik van zijn diepe kwantitatieve achtergrond, combineerden onze CEO Frank Corvino en zijn zakenpartner, een clinicus en gezondheidseconoom, hun expertise om een nieuw bedrijfsmodel te ontwikkelen dat life sciences-bedrijven ondersteunt met een meer datagedreven aanpak, inzichten verkrijgend uit big data op een consistent transparante, reproduceerbare en hoogwaardige manier.

Genesis Research was oorspronkelijk gebouwd op een toezegging om buiten de box te denken om waarde-demonstratie te leveren die wordt ondersteund door Real-World Evidence (RWE). Sindsdien zijn de diensten van het bedrijf uitgebreid om markttoegangscapaciteiten en -strategie, Health Economics en Outcomes Research (HEOR), wetenschappelijke communicatie en geavanceerde digitale capaciteiten zoals de fit-for-purpose-toepassing van kunstmatige intelligentie (AI) te incorporeren.

Het bedrijf is uitgegroeid tot de leidende internationale RWE- en HEOR-organisatie die we vandaag zijn, omdat we naar onze klanten luisteren en vervolgens een diverse, hooggeschoolde team gebruiken om hun veranderende behoeften te vervullen op elk moment van de productlevenscyclus, met een flexibel “verbeterd partnerschapsmodel” dat ons in staat stelt om naadloos te opereren als een uitbreiding van een klantenteam.

Kunnen we het hebben over de snelheid van publicatie van artikelen?

Het is moeilijk om exact te zeggen, maar schattingen variëren van 4 tot 10% toename per jaar, met 1-2 miljoen artikelen die momenteel per jaar in de gezondheidszorg worden gepubliceerd. Dat is een enorm aantal, vooral als je bedenkt dat het ongeveer vijf minuten duurt om een abstract te lezen. PubMed zelf (de openbare versie van de Medline-zoekmachine voor gezondheidszorgartikelen) heeft een collectie van meer dan 30 miljoen artikelen.

Waarom werken traditionele methoden van het beoordelen van artikelen niet meer?

Deze taken komen neer op het proces van het vinden van bewijs, in het bijzonder artikelen, die uw wetenschappelijke vragen beantwoorden. En het is niet zo dat handmatige methoden dit niet kunnen doen. Maar omdat het proces zo omslachtig is, betekent dit dat de taak niet zo flexibel is. Niemand wil de moeite nemen om het allemaal opnieuw te doen als er iets verandert, en u kunt niet zo veel bronnen doorzoeken als u zou willen, vanwege de enorme tijdsinvestering. En mensen zullen soms artikelen missen omdat het moeilijk is om te concentreren na het lezen van een paar honderd artikelen. In tegenstelling tot een getrainde machine die nooit moe wordt, en de efficiencywinsten betekenen dat AI-gebaseerde benaderingen flexibeler zijn, omdat u gewoon de volgende zoekopdracht kunt uitvoeren, en u zo veel zoekopdrachten kunt uitvoeren als u nodig heeft.

Wat is EVID AI en hoe vereenvoudigt het het proces voor medisch onderzoekers om onderzoek te identificeren en door te nemen?

EVID AI is de enige medische literatuurdatabank die machine learning gebruikt om meer dan 80 miljoen datapunten te produceren – van preklinisch, klinisch, economisch, epidemiologie, patiëntgerapporteerd resultaat en reviewfocusgebieden – en stelt gebruikers in staat om zoekresultaten te filteren op de meest relevante, actuele informatie die nodig is voor verdere analyse. Het is het enige platform met de mogelijkheid om gegevens die zijn ingebed in meerdere artikelen om te zetten in gestructureerde tabellen die relevante, aangevraagde datapunten presenteren in een duidelijk formaat. Deze gepatenteerde aanpak destilleert bewijs in bruikbare gegevens, zodat onderzoekers gemakkelijker grafieken en dashboards kunnen ontwikkelen om met stakeholders te delen zonder dat ze een groot aantal artikelen hoeven te lezen.

Genesis Research heeft onlangs verbeteringen aangebracht in EVID AI – die nu het grootste huidige medische literatuuronderzoeksplatform ter wereld is – om farmateams en andere gezondheidsbeslissers te helpen om hoge kwaliteit, gerichte resultaten sneller, efficiënter en vanuit een ongekend breed scala aan bronnen te vinden.

Met behulp van EVID AI kunnen medische literatuurzoektaken nu 59 keer sneller worden uitgevoerd dan handmatige inspanningen, met aanzienlijk meer relevante bewijs per zoekopdracht en 15 keer minder irrelevante artikelen. De gepatenteerde machine learning-formaat, geprogrammeerd door blootstelling aan tienduizenden trainingsdatapunten, is sneller en omvattender dan ooit en zal de onderzoekstijd van maanden tot weken of dagen terugbrengen.

Een van de voordelen van EVID AI is dat het onderzoekers en overheidsregulatoren in staat stelt om de AI-gegevens terug te traceren naar de bron. Waarom is dit belangrijk en hoe werkt het?

Een belangrijk probleem met veel AI-systemen is dat ze ondoorzichtig zijn – soms “black boxes” genoemd. En dit is waar in de zin dat we niet altijd begrijpen waarom de AI doet wat hij doet. Als hij bijvoorbeeld een artikel neemt en alle resultaten uit de tekst haalt, kan hij niet noodzakelijkerwijs vertellen waarom hij die zinnen en resultaten heeft gekozen, hij kan ze alleen laten zien. Maar wij leggen de nadruk op transparantie en het bieden van gegevensprovenantie (bijv. laten zien waar het vandaan komt), zodat gebruikers altijd een resultaat kunnen traceren naar de zin waar het vandaan komt, het artikel dat die zin bevat, en vervolgens de oorspronkelijke locatie van het artikel. Zo is er altijd een mechanisme om resultaten terug te traceren naar hun bron. Naast het bieden van betere wetenschap is dit belangrijk voor regulatoren, omdat als een farmabedrijf een claim baseert op bewijs uit onze AI, de regulator kan verifiëren dat de gegevens correct zijn en de bron geldig is.

Kunt u een use case of case study delen van onderzoekers die EVID AI gebruiken?

Zeker. Er zijn veel te kiezen, maar hier zijn twee die nuttig zijn, omdat ze laten zien hoe het instrument kan worden gebruikt voor zowel grotere, begrote projecten als dagelijkse, ad-hoc taken. In het eerste geval hadden we een farmabedrijf dat een team had ingeschakeld om een literatuuronderzoek bij te werken voor oncologie. Dit is een grote onderneming omdat het specifieke veld in oncologie groot is, de literatuur snel verandert en het bereik van het project groot is. Het oorspronkelijke onderzoek omvatte een analyse van het landschap (bijv. alle belangrijkste medicijnen) en hun resultaten in termen van hoe effectief ze zijn, hoe veilig ze zijn en de economische gevolgen. Het omvatte niet alleen klinische proefverslagen, maar ook artikelen over observationele studies, waarin wetenschappers de prestaties van een medicijn volgen dat in de “echte wereld” wordt voorgeschreven, in plaats van alleen in een gecontroleerde, proefomgeving.

EVID AI hielp dit bedrijf om alle nieuwe en bijgewerkte resultaten voor deze literatuurtaak te verzamelen, met enorme besparingen. In tegenstelling tot een voorbeeld waarin een wetenschapper een economisch model had gebouwd van de kosten die samenhangen met het wisselen van verschillende medicijnen voor geestelijke gezondheid, genaamd “budgetimpactmodellen”. De uitdaging is het vinden van goede schattingen van hoe vaak dergelijke patiënten medicijnen wisselen. Toen de wetenschapper het model voor het eerst bouwde, bracht hij een hele dag door met het scannen van artikelen om het resultaat te vinden dat hij wilde. Met EVID AI vond hij het in een paar minuten.

Wat is uw visie op de toekomst van menselijke en AI-samenwerking in medisch onderzoek?

Naarmate medisch onderzoek meer en meer comfortabel wordt met AI, zal het doordringen in alle gebieden, van drugontdekking tot klinische proefrecruitment, gegevensanalyse en vergoeding. Elk aspect van de ontwikkeling van nieuwe therapieën zal profiteren van AI, en de resultaten zullen worden geïntegreerd in de workflow. In plaats van te vertrouwen op afzonderlijke instrumenten die contextschakeling van een bench-wetenschapstaak naar een AI-taak vereisen, zal het zo intuïtief worden als het gebruik van GPS om naar een nieuw restaurant te gaan. Er zal geen tweede gedachte aan worden besteed. Maar vooral in de farmaceutische industrie zullen we nog steeds hooggeschoolde mensen nodig hebben, zoals de teams bij Genesis Research, om de relevantie van gegevens te bepalen en verdere analyse te initiëren om besluitvorming te ondersteunen.

Is er nog iets dat u zou willen delen over Genesis Research?

Genesis Research groeit snel vanwege de mogelijkheid om nieuwe uitdagingen aan te gaan, de juiste vragen te stellen, de juiste teams te verzamelen om toegang te krijgen tot en te analyseren van de juiste gegevens, en oplossingen te leveren die life science-initiatieven vooruit helpen. Een innovator in het ontwikkelen van RWE-gebaseerde oplossingen, is het bedrijf volledig data-agnostisch en werkt het nauw samen met klanten om optimale gegevensbronnen te identificeren. We zijn trots om een gevestigde leider te zijn in evidence-strategie, ontwikkeling en communicatie, evenals experts in de ontwikkeling van innovatieve technologische oplossingen. We zijn een innovator in het ontwikkelen van RWE-gebaseerde oplossingen, het bedrijf is volledig data-agnostisch en werkt nauw samen met klanten om optimale gegevensbronnen te identificeren. We zijn trots om een gevestigde leider te zijn in evidence-strategie, ontwikkeling en communicatie, evenals experts in de ontwikkeling van innovatieve technologische oplossingen.

Antoine is een visionaire leider en medeoprichter van Unite.AI, gedreven door een onwankelbare passie voor het vormgeven en promoten van de toekomst van AI en robotica. Een serieondernemer, hij gelooft dat AI net zo disruptief voor de samenleving zal zijn als elektriciteit, en wordt vaak betrapt op het prijzen van de potentie van disruptieve technologieën en AGI.

Als een futurist, hij is toegewijd aan het onderzoeken van hoe deze innovaties onze wereld zullen vormgeven. Bovendien is hij de oprichter van Securities.io, een platform dat zich richt op het investeren in cutting-edge technologieën die de toekomst herdefiniëren en hele sectoren herschikken.