Matt Michelson, Tổng thống Genesis AI tại Genesis Research – Phỏng vấn Series

Matt Michelson là Tổng thống của Genesis AI tại Genesis Research, một tổ chức nghiên cứu quốc tế về HEOR và Real-World Evidence với văn phòng tại Mỹ và Anh, hỗ trợ ngành công nghiệp khoa học đời sống.

Là một nhà lãnh đạo được thành lập trong chiến lược bằng chứng, phát triển và truyền thông, họ hỗ trợ khách hàng với phân tích cơ sở dữ liệu, nghiên cứu kinh tế và kết quả sức khỏe chiến lược và chiến thuật, xem xét tài liệu, mô hình hóa kinh tế, xuất bản khoa học và chiến lược tiếp cận thị trường.

Là chuyên gia trong việc phát triển các giải pháp công nghệ sáng tạo, họ cung cấp một loạt các nền tảng tùy chỉnh, bảng điều khiển, cổng dữ liệu và một nền tảng xem xét trí tuệ nhân tạo độc đáo EVID AI, để hỗ trợ việc xác định, theo dõi và trích xuất bằng chứng chính xác được nhắm mục tiêu.

Bạn có thể chia sẻ câu chuyện về sự ra đời của Genesis Research?

Vào năm 2009, sau thời gian ở học thuật và sử dụng nền tảng định lượng sâu, CEO của chúng tôi Frank Corvino và đối tác kinh doanh của ông, một bác sĩ lâm sàng và nhà kinh tế học sức khỏe, đã kết hợp chuyên môn của họ để phát triển một mô hình kinh doanh mới hỗ trợ các công ty khoa học đời sống với một cách tiếp cận dựa trên dữ liệu hơn, thu được thông tin từ dữ liệu lớn một cách minh bạch, có thể tái tạo và rất chuyên nghiệp.

Genesis Research ban đầu được xây dựng trên cam kết nghĩ ra ngoài hộp để cung cấp giá trị chứng minh được hỗ trợ bởi Bằng chứng Thế giới Thực (RWE). Kể từ đó, các dịch vụ của công ty đã mở rộng để bao gồm khả năng tiếp cận thị trường và chiến lược, Nghiên cứu Kinh tế và Kết quả Sức khỏe (HEOR), truyền thông khoa học, và các khả năng kỹ thuật số tiên tiến như sử dụng trí tuệ nhân tạo (AI) phù hợp với mục đích.

Công ty đã phát triển thành tổ chức RWE và HEOR quốc tế hàng đầu mà chúng tôi là ngày nay vì chúng tôi lắng nghe khách hàng và sau đó sử dụng một đội ngũ đa dạng, có kỹ năng cao để đáp ứng nhu cầu thay đổi của họ tại bất kỳ giai đoạn nào của chu kỳ sống sản phẩm, sử dụng một mô hình “đối tác nâng cao” linh hoạt cho phép chúng tôi hoạt động một cách không thể tách rời như một phần mở rộng của đội ngũ khách hàng.

Khối lượng lớn các bài báo được xuất bản mỗi năm. Bạn có thể thảo luận về tốc độ xuất bản đang tăng tốc như thế nào?

Nó khó để xác định chính xác, nhưng ước tính dao động từ 4 đến 10% tăng mỗi năm, với 1-2 triệu bài viết hiện được xuất bản trong chăm sóc sức khỏe mỗi năm. Đó là một số lượng khổng lồ, đặc biệt nếu bạn ước tính rằng nó mất 5 phút để đọc một tóm tắt. PubMed bản thân (phiên bản công cộng của công cụ tìm kiếm giấy sức khỏe Medline) có một bộ sưu tập hơn 30 triệu bài viết.

Tại sao các phương pháp xem xét truyền thống không còn hoạt động?

Các nhiệm vụ này bao gồm quá trình tìm kiếm bằng chứng, đặc biệt là các bài báo, trả lời các câu hỏi khoa học của bạn. Và không phải là các phương pháp thủ công không thể làm điều này. Thay vào đó, vì quá trình này rất繁 tạp, nó có nghĩa là nhiệm vụ không linh hoạt. Không ai muốn đi qua công việc để làm tất cả lại nếu có gì đó thay đổi, và bạn không thể tìm kiếm nhiều nguồn như bạn muốn, vì đầu tư thời gian khổng lồ. Và mọi người sẽ đôi khi bỏ lỡ các bài viết vì nó khó để tập trung sau khi đọc hàng trăm bài báo. Ngược lại, một máy được đào tạo không bao giờ mệt mỏi, và lợi ích hiệu suất có nghĩa là các phương pháp dựa trên AI là linh hoạt hơn, vì bạn có thể chỉ chạy tìm kiếm tiếp theo, và bạn có thể làm càng nhiều càng tốt.

Có gì là EVID AI và nó làm thế nào để đơn giản hóa quá trình cho các nhà nghiên cứu y tế để xác định và xem xét khối lượng lớn nghiên cứu?

EVID AI là cơ sở dữ liệu tài liệu y khoa duy nhất sử dụng học máy để tạo ra hơn 80 triệu điểm dữ liệu – từ tiền lâm sàng, lâm sàng, kinh tế, dịch tễ học, kết quả được báo cáo bởi bệnh nhân và lĩnh vực tập trung vào xem xét – và cho phép người dùng lọc kết quả tìm kiếm để có thông tin mới nhất, liên quan nhất cần thiết cho phân tích thêm. Đây là nền tảng duy nhất có khả năng biến dữ liệu nhúng trong nhiều bài báo thành bảng cấu trúc trình bày các điểm dữ liệu liên quan, được yêu cầu trong định dạng rõ ràng. Cách tiếp cận được cấp bằng sáng chế này cô đặc bằng chứng thành dữ liệu có thể sử dụng, để các nhà nghiên cứu có thể dễ dàng phát triển đồ thị và bảng điều khiển để chia sẻ với các bên liên quan mà không cần phải đọc một lượng lớn bài báo.

Genesis Research gần đây đã thực hiện các cải tiến cho EVID AI – hiện là nền tảng nghiên cứu tài liệu y khoa hiện tại lớn nhất trên thế giới – giúp các nhóm dược phẩm và những người ra quyết định chăm sóc sức khỏe khác tìm thấy kết quả chất lượng cao, được nhắm mục tiêu nhanh hơn, hiệu quả hơn và từ một phạm vi nguồn chưa từng có.

Sử dụng EVID AI, các nhiệm vụ tìm kiếm tài liệu y khoa có thể được thực hiện 59 lần nhanh hơn so với các nỗ lực thủ công, với bằng chứng liên quan nhiều hơn mỗi tìm kiếm và 15 lần ít hơn các bài viết không liên quan. Định dạng học máy được cấp bằng sáng chế, được lập trình thông qua việc tiếp xúc với hàng chục nghìn điểm dữ liệu đào tạo, nhanh hơn và toàn diện hơn bao giờ hết và sẽ cắt giảm thời gian nghiên cứu từ tháng sang tuần hoặc ngày.

Một lợi ích của EVID AI là nó cho phép các nhà nghiên cứu và các nhà quản lý chính phủ theo dõi dữ liệu AI trở lại nguồn của nó. Tại sao điều này lại quan trọng và nó hoạt động như thế nào?

Một vấn đề chính với nhiều hệ thống AI là chúng không minh bạch – đôi khi được gọi là “hộp đen.” Và điều này đúng trong ý nghĩa rằng chúng tôi không luôn hiểu tại sao AI lại làm những gì nó làm. Ví dụ, nếu nó lấy một bài báo và phá vỡ tất cả các kết quả từ văn bản, nó không thể nhất thiết cho bạn biết chính xác tại sao nó chọn những cụm từ và kết quả đó, nó chỉ có thể hiển thị chúng cho bạn. Tuy nhiên, chúng tôi nhấn mạnh vào việc minh bạch và cung cấp nguồn gốc dữ liệu (ví dụ: hiển thị cho bạn nơi nó đến), để người dùng luôn có thể theo dõi một kết quả trở lại câu mà nó đến, bài báo chứa câu đó, và sau đó vị trí ban đầu của bài báo. Điều đó có nghĩa là luôn có một cơ chế để theo dõi kết quả trở lại nguồn của chúng. Ngoài việc cung cấp khoa học tốt hơn, điều này quan trọng đối với các nhà quản lý, vì nếu một công ty dược phẩm đang đưa ra một tuyên bố dựa trên bằng chứng từ AI của chúng tôi, nhà quản lý có thể xác minh rằng dữ liệu là chính xác và nguồn là hợp lệ.

Bạn có thể chia sẻ một trường hợp sử dụng hoặc nghiên cứu trường hợp của các nhà nghiên cứu sử dụng EVID AI?

Tuyệt đối. Có nhiều trường hợp để lựa chọn, nhưng đây là hai trường hợp hữu ích, vì chúng cho thấy công cụ có thể được sử dụng cho cả các dự án lớn, được ngân sách và các nhiệm vụ hàng ngày, ad-hoc. Trong trường hợp đầu tiên, chúng tôi đã có một công ty dược phẩm thuê một nhóm để thực hiện một cập nhật xem xét tài liệu cho lĩnh vực ung thư. Đây là một nhiệm vụ lớn vì lĩnh vực cụ thể trong ung thư là lớn, tài liệu thay đổi nhanh chóng, và phạm vi của dự án là lớn. Xem xét ban đầu bao gồm một phân tích về cảnh quan (ví dụ: tất cả các loại thuốc chính) và kết quả của chúng về hiệu quả, an toàn và tác động kinh tế. Nó bao gồm không chỉ các báo cáo thử nghiệm lâm sàng, mà còn các bài viết về các nghiên cứu quan sát, nơi các nhà khoa học theo dõi hiệu suất của một loại thuốc được kê đơn trong “thế giới thực” thay vì chỉ trong một môi trường thử nghiệm được kiểm soát.

EVID AI đã giúp công ty này thu thập tất cả các kết quả mới và cập nhật cho nhiệm vụ xem xét tài liệu này, với tiết kiệm đáng kể. Ngược lại, chúng tôi đã có một ví dụ về một nhà khoa học đã xây dựng một mô hình tác động ngân sách về chi phí liên quan đến việc chuyển đổi giữa các loại thuốc sức khỏe tâm thần khác nhau được gọi là “mô hình tác động ngân sách”. Thử thách là việc kéo các ước tính tốt về tần suất mà những bệnh nhân như vậy chuyển đổi thuốc. Khi nhà khoa học ban đầu xây dựng mô hình, ông đã dành cả ngày để quét các bài báo để tìm kết quả mà ông muốn. Với EVID AI, ông đã tìm thấy nó trong vài phút.

Quan điểm của bạn về tương lai của con người và AI cộng tác trong nghiên cứu y tế là gì?

Khi nghiên cứu y tế trở nên thoải mái hơn với AI, nó sẽ thấm vào các lĩnh vực từ khám phá thuốc đến tuyển dụng thử nghiệm lâm sàng đến phân tích dữ liệu và hoàn trả. Mọi khía cạnh của việc phát triển các liệu pháp mới sẽ được hưởng lợi từ AI, và kết quả sẽ được nhúng vào công việc. Thay vì dựa vào các công cụ riêng biệt yêu cầu chuyển đổi ngữ cảnh từ một nhiệm vụ khoa học bench đến một nhiệm vụ AI, nó sẽ trở nên trực giác như sử dụng GPS để đến một nhà hàng mới. Sẽ không có một suy nghĩ thứ hai. Tuy nhiên, đặc biệt là trong ngành dược phẩm, chúng tôi vẫn sẽ cần những người có kinh nghiệm cao, như các đội tại Genesis Research, để xác định sự liên quan của dữ liệu và khởi xướng phân tích thêm để hỗ trợ việc ra quyết định.

Có gì khác mà bạn muốn chia sẻ về Genesis Research?

Sự tăng trưởng nhanh chóng của Genesis Research là do khả năng của nó trong việc chấp nhận các thách thức mới, đặt câu hỏi đúng, tập hợp các đội đúng để truy cập và phân tích dữ liệu đúng, và cung cấp các giải pháp di chuyển các sáng kiến khoa học đời sống tiến về phía trước. Một nhà đổi mới trong việc phát triển các giải pháp dựa trên RWE, công ty hoàn toàn không phụ thuộc vào dữ liệu và làm việc chặt chẽ với khách hàng để xác định các nguồn dữ liệu tối ưu. Chúng tôi tự hào là một nhà lãnh đạo được thành lập trong chiến lược bằng chứng, phát triển và truyền thông, cũng như chuyên gia trong việc phát triển các giải pháp công nghệ sáng tạo.