Matt Michelson, President of Genesis AI at Genesis Research – Interview Series

Matt Michelson, เป็นประธานของ Genesis AI ที่ Genesis Research, องค์กรวิจัยระหว่างประเทศด้าน HEOR และ Real-World Evidence ที่มีสำนักงานใน US และ UK ซึ่งให้การสนับสนุนอุตสาหกรรมชีววิทยาศาสตร์

ในฐานะผู้นำที่มีประสบการณ์ในด้านยุทธศาสตร์หลักฐาน การพัฒนา และการสื่อสาร พวกเขาสนับสนุนลูกค้าด้วยการวิเคราะห์ฐานข้อมูล การวิจัยเศรษฐศาสตร์สุขภาพและผลลัพธ์เชิงกลยุทธ์และยุทธวิธี การทบทวนเอกสารทางวิทยาศาสตร์ การสร้างแบบจำลองเศรษฐกิจ และยุทธวิธีการเข้าถึงตลาด

ในฐานะผู้เชี่ยวชาญในการพัฒนาวิธีแก้ปัญหาทางเทคโนโลยีที่เป็นนวัตกรรม พวกเขามีแพลตฟอร์มที่กำหนดเอง ดัชบอร์ด พอร์ทัลข้อมูล และแพลตฟอร์มการตรวจสอบความถูกต้องด้วยปัญญาประดิษฐ์ EVID AI ที่ช่วยในการระบุ การติดตาม และการดึงข้อมูลหลักฐานที่มุ่งเป้าอย่างแม่นยำ

คุณสามารถแบ่งปันเรื่องราวการก่อตั้ง Genesis Research ได้หรือไม่?

ในปี 2009 หลังจากใช้เวลาในมหาวิทยาลัยและใช้ประสบการณ์เชิงปริมาณที่ลึกซึ้ง ของเรา CEO Frank Corvino และหุ้นส่วนธุรกิจของเขา ซึ่งเป็นนักคลินิกและนักเศรษฐศาสตร์สุขภาพ ได้รวมความเชี่ยวชาญของพวกเขาเพื่อสร้างโมเดลธุรกิจใหม่ที่สนับสนุนบริษัทชีววิทยาศาสตร์ด้วยวิธีการที่ขับเคลื่อนด้วยข้อมูลมากขึ้น โดยการได้รับข้อมูลเชิงลึกจากข้อมูลขนาดใหญ่ในลักษณะที่โปร่งใส ต่อเนื่อง และมีประสิทธิภาพสูง

Genesis Research ถูกสร้างขึ้นบนพื้นฐานของการคิดนอกกรอบเพื่อนำเสนอการแสดงคุณค่าที่ได้รับการสนับสนุนจากหลักฐานจากโลกแห่งความเป็นจริง (RWE) ตั้งแต่นั้นมา บริการของบริษัทได้ขยายออกไปเพื่อรวมความสามารถในการเข้าถึงตลาดและการวางกลยุทธ์ การวิจัยเศรษฐศาสตร์สุขภาพและผลลัพธ์ การสื่อสารทางวิทยาศาสตร์ และความสามารถดิจิทัลขั้นสูง เช่น การใช้ปัญญาประดิษฐ์ (AI) ที่เหมาะสม

บริษัทได้พัฒน成เป็นองค์กร RWE และ HEOR ระดับนานาชาติที่เราเป็นอยู่ทุกวันนี้ เนื่องจากเราได้ฟังลูกค้าและใช้ทีมที่มีทักษะสูงและมีความหลากหลายเพื่อตอบสนองความต้องการที่เปลี่ยนแปลงของลูกค้าในแต่ละขั้นตอนของวงจรชีวิตผลิตภัณฑ์ โดยใช้แบบจำลอง “การร่วมมือที่เพิ่มขึ้น” ที่ช่วยให้เราทำงานได้อย่างราบรื่นเหมือนเป็นส่วนหนึ่งของทีมของลูกค้า

มีปริมาณการเผยแพร่บทความที่มากเกินไปทุกปี คุณสามารถอภิปรายได้หรือไม่ว่าการเผยแพร่กำลังเร่งตัวขึ้นเร็วเพียงใด?

มันยากที่จะระบุได้แม่นยำ แต่การประมาณการอยู่ในช่วง 4 ถึง 10% ต่อปี โดยมีบทความ 1-2 ล้านบทความที่เผยแพร่ในด้านการดูแลสุขภาพทุกปี ซึ่งเป็นตัวเลขที่มาก โดยเฉพาะอย่างยิ่งหากคุณคำนวณว่าใช้เวลา 5 นาทีในการอ่านบทคัดย่อ PubMed เอง (เวอร์ชันสาธารณะของเครื่องมือค้นหาบทความทางการแพทย์ Medline) มีบทความมากกว่า 30 ล้านบทความ

ทำไมวิธีการทั่วไปในการทบทวนบทความจึงไม่ทำงานอีกต่อไป?

งานเหล่านี้ลดลงเหลือกระบวนการค้นหาหลักฐาน โดยเฉพาะบทความที่ตอบคำถามทางวิทยาศาสตร์ของคุณ และไม่ใช่ว่าวิธีการด้วยมือไม่สามารถทำได้ แต่เนื่องจากกระบวนการนี้มีความซับซ้อนมาก จึงทำให้ไม่สามารถยืดหยุ่นได้ ไม่มีใครต้องการที่จะผ่านการทำงานหนักเพื่อทำทุกอย่างอีกครั้งหากสิ่งใดเปลี่ยนแปลง และคุณไม่สามารถค้นหาทรัพยากรได้มากนักเนื่องจากการลงทุนด้านเวลาเป็นอย่างมาก และผู้คนมักจะพลาดบทความเพราะยากที่จะเน้นหลังจากอ่านบทความหลายร้อยบท ในทางกลับกัน เครื่องจักรที่ได้รับการฝึกอบรมไม่เคยเหนื่อย และการเพิ่มประสิทธิภาพทำให้แนวทางที่ใช้ AI มีความยืดหยุ่นมากกว่า เนื่องจากคุณสามารถรันการค้นหาต่อไปได้ และคุณสามารถทำได้มากเท่าที่คุณต้องการ

อะไรคือ EVID AI และมันทำให้กระบวนการสำหรับนักวิจัยทางการแพทย์ในการระบุและค้นหาปริมาณการวิจัยที่มากเกินไปได้อย่างไร?

EVID AI เป็นฐานข้อมูลวิชาการทางการแพทย์เดียวที่ใช้การเรียนรู้ของเครื่องจักรเพื่อสร้างมากกว่า 80 ล้านจุดข้อมูล – จากก่อนคลินิก การทดลองทางคลินิก เศรษฐกิจ วิทยาการระบาดวิทยา ผลลัพธ์ที่รายงานโดยผู้ป่วย และพื้นที่เน้นการตรวจสอบ – และช่วยให้ผู้ใช้สามารถกรองผลการค้นหาให้แคบลงเหลือข้อมูลที่เกี่ยวข้องและทันสมัยที่สุดสำหรับการวิเคราะห์เพิ่มเติม มันเป็นแพลตฟอร์มเดียวที่มีความสามารถในการเปลี่ยนข้อมูลที่ฝังอยู่ในหลายบทความให้เป็นตารางที่มีโครงสร้างที่นำเสนอจุดข้อมูลที่เกี่ยวข้องและที่ร้องขอในรูปแบบที่ชัดเจน วิธีการที่ได้รับการจดสิทธิบัตรนี้ทำให้หลักฐานกลายเป็นข้อมูลที่ใช้ได้ เพื่อให้นักวิจัยสามารถพัฒนาแผนภูมิและดัชบอร์ดเพื่อแบ่งปันกับผู้มีส่วนได้ส่วนเสียโดยไม่ต้องอ่านปริมาณบทความที่มากเกินไป

Genesis Research ได้ปรับปรุง EVID AI ซึ่งเป็นแพลตฟอร์มการวิจัยวิชาการทางการแพทย์ที่ใหญ่ที่สุดในโลกในปัจจุบัน – เพื่อช่วยให้ทีมเภสัชกรรมและผู้ตัดสินใจด้านการดูแลสุขภาพอื่นๆ ค้นหาผลลัพธ์ที่มีคุณภาพสูงและมุ่งเป้าหมายได้เร็วขึ้น มีประสิทธิภาพมากขึ้น และจากแหล่งข้อมูลที่หลากหลายอย่างไม่เคยปรากฏมาก่อน

โดยใช้ EVID AI งานค้นหาวิชาการสามารถทำได้เร็วกว่าความพยายามด้วยมือถึง 59 เท่า โดยมีหลักฐานที่เกี่ยวข้องมากขึ้นต่อการค้นหา และมีบทความที่ไม่เกี่ยวข้องน้อยกว่า 15 เท่า รูปแบบการเรียนรู้ของเครื่องจักรที่ได้รับการจดสิทธิบัตรซึ่งได้รับการเขียนโปรแกรมผ่านการเปิดเผยต่อจุดข้อมูลการฝึกอบรมหลายหมื่นจุด มีความเร็วและครอบคลุมมากกว่าเดิม และจะลดเวลาในการวิจัยจากเดือนเป็นสัปดาห์หรือวัน

ข้อได้เปรียบหนึ่งของ EVID AI คือ ช่วยให้นักวิจัยและหน่วยงานกำกับดูแลของรัฐบาลสามารถติดตามข้อมูล AI กลับไปยังแหล่งที่มาได้ ทำไมมันจึงสำคัญและทำงานอย่างไร?

ปัญหาหลักของระบบ AI หลายระบบคือว่าพวกมันไม่โปร่งใส – บางครั้งเรียกว่า “กล่องดำ” และสิ่งนี้เป็นจริงในแง่ที่ว่าเราไม่เข้าใจเสมอไปว่าทำไม AI จึงทำสิ่งที่ทำ เช่น ถ้า它นำบทความมาและแยกผลลัพธ์ทั้งหมดออกจากข้อความ มันอาจไม่สามารถบอกคุณได้ว่าทำไมจึงเลือกคำและผลลัพธ์เหล่านั้น แต่เรามุ่งเน้นไปที่การเป็นโปร่งใสและให้ข้อมูลที่มา (เช่น แสดงให้คุณเห็นว่ามาจากไหน) เพื่อให้ผู้ใช้สามารถติดตามผลลัพธ์กลับไปยังแหล่งที่มาได้เสมอ วิธีนี้ไม่เพียงแต่ให้ผลวิทยาศาสตร์ที่ดีขึ้นเท่านั้น แต่ยังสำคัญสำหรับผู้กำกับดูแลด้วย เนื่องจากหากบริษัทเภสัชกรรมต้องการอ้างอิงหลักฐานจาก AI ของเรา ผู้กำกับดูแลสามารถตรวจสอบได้ว่าข้อมูลถูกต้องและแหล่งที่มาเป็นไปตามที่กำหนด

คุณสามารถแบ่งปันกรณีศึกษาหรือกรณีการใช้งานของนักวิจัยที่ใช้ EVID AI ได้หรือไม่?

แน่นอน มีหลายกรณีที่น่าสนใจ แต่กรณีต่อไปนี้มีประโยชน์ เนื่องจากแสดงให้เห็นวิธีการใช้เครื่องมือนี้สำหรับทั้งโครงการขนาดใหญ่ที่มีงบประมาณและงานประจำวันที่ไม่ซับซ้อน ในกรณีแรก เรามีบริษัทเภสัชกรรมที่จ้างทีมเพื่อทำการอัปเดตการวิจารณ์วรรณกรรมสำหรับโรคมะเร็ง ซึ่งเป็นงานใหญ่เพราะสาขาเฉพาะในโรคมะเร็งมีขนาดใหญ่ วรรณกรรมเปลี่ยนแปลงอย่างรวดเร็ว และขอบเขตของโครงการใหญ่ การวิจารณ์เดิมรวมถึงการวิเคราะห์ภูมิทัศน์ (เช่น ยาหลักๆ ทั้งหมด) และผลลัพธ์ของพวกมันในแง่ของประสิทธิผล ความปลอดภัย และผลกระทบทางเศรษฐกิจ

EVID AI ช่วยให้บริษัทนี้รวบรวมผลลัพธ์ใหม่และอัปเดตสำหรับงานวรรณกรรมนี้ โดยมีการประหยัดที่มาก ในทางกลับกัน เรามีตัวอย่างที่นักวิทยาศาสตร์สร้างแบบจำลองผลกระทบทางงบประมาณของต้นทุนที่เกี่ยวข้องกับการเปลี่ยนยาทางจิตระหว่างยาต่างๆ เมื่อนักวิทยาศาสตร์สร้างแบบจำลองครั้งแรก เขาใช้เวลาทั้งวันในการสแกนบทความเพื่อค้นหาสิ่งที่เขาต้องการด้วย EVID AI เขาพบมันในไม่กี่นาที

คุณมีมุมมองอย่างไรเกี่ยวกับอนาคตของการทำงานร่วมกันระหว่างมนุษย์และ AI ในการวิจัยทางการแพทย์?

เมื่อการวิจัยทางการแพทย์กลายเป็นมิตรกับ AI มากขึ้น มันจะแพร่กระจายไปยังพื้นที่ตั้งแต่การค้นพบยา การจัดหาทรัพยากรสำหรับการทดลองทางคลินิก การวิเคราะห์ข้อมูลและการชดเชย คุณลักษณะทุกด้านของการพัฒนายาใหม่จะได้รับประโยชน์จาก AI และผลลัพธ์จะถูกฝังอยู่ในกระบวนการทำงาน มันจะไม่ต้องใช้เครื่องมือแยกต่างหากที่ต้องเปลี่ยนบริบทจากงานวิทยาศาสตร์บนโต๊ะทดลองไปสู่งาน AI มันจะกลายเป็นเรื่องธรรมดามากกว่าการใช้ GPS เพื่อไปร้านอาหารใหม่ ไม่จำเป็นต้องมีการคิดสองครั้ง อย่างไรก็ตาม โดยเฉพาะในอุตสาหกรรมเภสัชกรรม เรายังคงต้องการผู้เชี่ยวชาญที่มีประสบการณ์สูง เช่น ทีมที่ Genesis Research เพื่อกำหนดความเกี่ยวข้องของข้อมูลและเริ่มการวิเคราะห์เพิ่มเติมเพื่อช่วยในการตัดสินใจ

มีสิ่งใดที่คุณต้องการแบ่งปันเกี่ยวกับ Genesis Research อีกหรือไม่?

Genesis Research เติบโตอย่างรวดเร็วเนื่องมาจากความสามารถในการรับมือกับความท้าทายใหม่ๆ การถามคำถามที่ถูกต้อง การรวบรวมทีมที่เหมาะสมเพื่อเข้าถึงและวิเคราะห์ข้อมูลที่ถูกต้อง และส่งมอบโซลูชันที่ผลักดันโครงการชีววิทยาศาสตร์ไปข้างหน้า ในฐานะผู้สร้างนวัตกรรมในการพัฒนาวิธีแก้ปัญหาที่ใช้หลักฐานจากโลกแห่งความเป็นจริง (RWE) บริษัทนี้ไม่ฝักใฝ่ฝ่ายใดในการทำงานกับแหล่งข้อมูลต่างๆ และทำงานอย่างใกล้ชิดกับลูกค้าเพื่อระบุแหล่งข้อมูลที่เหมาะสมที่สุด เราภูมิใจที่จะเป็นผู้นำที่มีประสบการณ์ในด้านยุทธศาสตร์หลักฐาน การพัฒนา และการสื่อสาร ตลอดจนผู้เชี่ยวชาญในการพัฒนาวิธีแก้ปัญหาทางเทคโนโลยีที่เป็นนวัตกรรม