Мэтт Михельсон, президент Genesis AI в Genesis Research – Серия интервью

Мэтт Михельсон является президентом Genesis AI в Genesis Research, международной организации по исследованию HEOR и реального мира с офисами в США и Великобритании, которая поддерживает индустрию жизни.

Установленный лидер в области стратегии доказательств, разработки и коммуникации, они поддерживают клиентов с помощью анализа баз данных, стратегических и тактических исследований в области здравоохранения и результатов, обзоров литературы, экономического моделирования, научных публикаций и стратегии доступа на рынок.

Как эксперты в разработке инновационных технологических решений, они предоставляют ряд индивидуальных платформ, панелей, порталов данных и уникальной технологии искусственного интеллекта, помогающей обзору EVID AI, для поддержки выявления, мониторинга и извлечения точно нацеленных доказательств.

Можете ли вы рассказать историю о создании Genesis Research?

В 2009 году, после времени, проведенного в академии и использования его глубокого количественного опыта, наш генеральный директор Фрэнк Корвино и его деловой партнер, клиницист и экономист здравоохранения, объединили свой опыт, чтобы разработать новую бизнес-модель, которая поддерживает компании жизненных наук более основанной на данных подходом, получая информацию из больших данных последовательным, прозрачным, воспроизводимым и высокопрофессиональным способом.

Genesis Research изначально была построена на основе обязательства думать нестандартно, чтобы обеспечить демонстрацию ценности, подтвержденную реальным миром доказательств (RWE). С тех пор услуги компании расширились, чтобы включить возможности доступа на рынок и стратегию, исследования здравоохранения и результатов (HEOR), научные коммуникации и передовые цифровые возможности, такие как целевое использование искусственного интеллекта (ИИ).

Компания развилась в ведущую международную организацию RWE и HEOR, которой мы являемся сегодня, потому что мы слушаем наших клиентов и затем используем разнообразную, высококвалифицированную команду, чтобы удовлетворить их меняющимся потребностям на любой стадии жизненного цикла продукта, используя гибкую “усиленную модель партнерства”, которая позволяет нам работать без проблем как расширение команды клиента.

Огромные объемы статей публикуются каждый год. Можете ли вы обсудить, как быстро ускоряется темп публикаций?

Трудно точно определить, но оценки варьируются от 4 до 10% увеличения каждый год, с 1-2 миллионами статей, в настоящее время публикуемых в области здравоохранения в год. Это огромное количество, особенно если учесть, что на чтение аннотации у человека уходит пять минут. PubMed сама по себе (публичная версия поискового движка медицинских статей Medline) имеет коллекцию более 30 миллионов статей.

Почему традиционные способы обзора статей больше не работают?

Эти задачи сводятся к процессу поиска доказательств, в частности статей, которые отвечают на ваши научные вопросы. И это не то, что ручные методы не могут сделать это. Скорее, потому что процесс так трудоемок, это означает, что задача не так гибка. Никто не хочет проходить через труд, чтобы сделать все снова, если что-то меняется, и вы не можете искать столько источников, сколько хотите, учитывая огромные временные инвестиции. И люди иногда пропускают статьи, поскольку трудно сосредоточиться после прочтения нескольких сотен статей. Напротив, обученная машина никогда не утомляется, и выигрыши в эффективности означают, что подходы на основе ИИ более гибкие, поскольку вы можете просто запустить следующий поиск, и вы можете делать столько, сколько нужно.

Что такое EVID AI и как оно упрощает процесс для медицинских исследователей, чтобы выявить и просмотреть огромные объемы исследований?

EVID AI – это единственная медицинская база данных литературы, которая использует машинное обучение для производства более 80 миллионов данных – от доклинических, клинических, экономических, эпидемиологических, результатов, сообщенных пациентами, и фокус-областей обзора – и позволяет пользователям фильтровать результаты поиска до наиболее актуальной, необходимой для дальнейшего анализа информации. Это единственная платформа с возможностью преобразовать данные, встроенные в несколько статей, в структурированные таблицы, которые представляют актуальные, запрошенные данные в ясном формате. Этот запатентованый подход преобразует доказательства в пригодные для использования данные, чтобы исследователи могли более легко разрабатывать графики и панели, чтобы поделиться ими с заинтересованными сторонами, не читая большого объема статей.

Genesis Research недавно внесла улучшения в EVID AI – которая теперь является крупнейшей в мире текущей медицинской литературной исследовательской платформой – чтобы помочь командам фармацевтических компаний и другим лицам, принимающим решения в области здравоохранения, найти высококачественные, целевые результаты быстрее, более эффективно и из беспрецедентного разнообразия источников.

Используя EVID AI, задачи поиска медицинской литературы теперь можно выполнять в 59 раз быстрее, чем ручные усилия, с значительно более актуальными доказательствами на поиск и в 15 раз меньше неактуальных статей. Запатентованная машинная формат, запрограммированная через воздействие десятков тысяч обучающих данных, быстрее и более полная, чем когда-либо, и сократит время исследования с месяцев до недель или дней.

Одним из преимуществ EVID AI является то, что оно позволяет исследователям и государственным регулирующим органам отслеживать данные ИИ до их источника. Почему это важно и как это работает?

Одной из ключевых проблем многих систем ИИ является то, что они непрозрачны – иногда называемые “черными ящиками”. И это правда в том смысле, что мы не всегда понимаем, почему ИИ делает то, что делает. Например, если он берет статью и выделяет все результаты из текста, он не может обязательно сказать вам, почему он выбрал эти фразы и результаты, он может только показать их вам. Однако мы делаем упор на прозрачность и предоставление данных о происхождении (например, показывая вам, откуда они берутся), чтобы пользователи могли всегда отслеживать результат до предложения, статьи, содержащей это предложение, и оригинального местоположения статьи. Таким образом, всегда есть механизм, чтобы отслеживать результаты до их источника. Помимо обеспечения лучшей науки, это важно для регулирующих органов, поскольку если фармацевтическая компания делает заявление, основанное на доказательствах из нашего ИИ, регулирующий орган может проверить, что данные правильны и источник действителен.

Можете ли вы поделиться случаем или исследованием исследователей, использующих EVID AI?

Определенно. Существует много примеров, но вот два, которые полезны, поскольку они показывают, как инструмент можно использовать как для более крупных, бюджетированных проектов, так и для ежедневных, ад-хок задач. В первом случае у нас была фармацевтическая компания, которая наняла команду для обновления обзора литературы по онкологии. Это большое начинание, потому что конкретная область онкологии велика, литература меняется быстро, и объем проекта большой. Оригинальный обзор включал анализ ландшафта (например, всех основных препаратов) и их результатов в плане их эффективности, безопасности и экономического воздействия. Он включал не только отчеты клинических испытаний, но и статьи об наблюдательных исследованиях, где ученые отслеживают производительность препарата, назначенного в “реальном мире”, а не только в контролируемой среде испытаний.

EVID AI помог этой компании собрать все новые и обновленные результаты для этой литературной задачи, с огромными экономиями. Напротив, у нас был пример, когда ученый построил экономическую модель затрат, связанных с переключением между различными препаратами для психического здоровья, называемыми “моделями воздействия на бюджет”. Вызов заключается в получении хороших оценок того, как часто такие пациенты переключаются между препаратами. Когда ученый изначально построил модель, он потратил целый день на просмотр статей, чтобы найти желаемый результат. С помощью EVID AI он нашел его за несколько минут.

Каково ваше мнение о будущем сотрудничества человека и ИИ в медицинских исследованиях?

По мере того, как медицинские исследования становятся все более комфортными с ИИ, оно проникнет в области от открытия препаратов до набора участников клинических испытаний, анализа данных и возмещения. Каждый аспект разработки новых терапий будет выигрывать от ИИ, и результаты будут встроены в рабочий процесс. Вместо того, чтобы полагаться на отдельные инструменты, которые требуют переключения контекста от задачи, связанной с рабочим столом, до задачи ИИ, это станет так же интуитивно, как использование GPS, чтобы добраться до нового ресторана. Даже не будет второй мысли. Однако, особенно в фармацевтической промышленности, нам все равно понадобятся высококвалифицированные люди, такие как команды Genesis Research, чтобы определить актуальность данных и инициировать дальнейший анализ, чтобы помочь в принятии решений.

Есть ли что-то еще, что вы хотели бы поделиться о Genesis Research?

Genesis Research быстро растет благодаря своей способности решать новые проблемы, задавать правильные вопросы, собирать правильные команды для доступа и анализа правильных данных и доставлять решения, которые продвигают инициативы жизненных наук вперед. Инноватор в разработке решений, основанных на RWE, компания полностью агностична к данным и тесно сотрудничает с клиентами, чтобы определить оптимальные источники данных. Мы гордимся тем, что являемся установленным лидером в стратегии доказательств, разработке и коммуникации, а также экспертами в разработке инновационных технологических решений.