機械学習はどのようにして臨床試験業務を何百万ドルも節約できるのか

大規模な臨床試験サービスプロバイダーとして、WCG は多くの医薬品や医療機器の市場展開に大きな影響力を持っています。しかし、以前は独立していた 30 社を超える企業が集まっているため、これらのサービスを裏付ける一貫したデータを入手するのは困難です。ここで、Tamr のデータマスタリング ソリューションが役立ちます。

WCG は、臨床サービス組織として、人事や IT から患者エンゲージメントや倫理審査に至るまで、臨床試験のあらゆる側面において製薬会社や機器メーカーを代表しています。は、Crocker や Roche などの大手製薬会社だけでなく、新薬や機器の規制当局の承認を求める数千の中小規模の製薬新興企業や研究グループに重要なサービスを提供しています。

同社が提供していない唯一のサービスは、実際のトライアルの実施です。同社の最高技術責任者兼データ責任者であるアート・モラレス氏は、「私たちはそんなことはしません」と語った。

過去 10 年にわたり、WCG は 35 社の買収を通じて臨床試験業界で収益性の高いニッチ市場を確立してきました。各企業（中には創業 50 年を超える企業もあります）は、臨床試験プロセスの特定の側面を専門としています。これらの企業は、さまざまなビジネス プロセスを自動化する独自のカスタム ソフトウェア アプリケーションを開発し、非常に貴重な知的財産源を提供しています。

異なるシステムを使用することは、個々のビジネスの観点からは理にかなっていますが、すべての子会社業務について一貫したビューを維持したいと考えている WCG にとっては、これが課題となります。

同社は当初、データの不整合を手動で解決しようとしました。約 5 ～ 10 人のチームが 2 年間、35 の子会社が使用する異なるシステムでタイプミス、重複エントリ、その他のデータ エラーを根絶するために取り組みました。クリーンアップされ、標準化されたデータは、クラウド上で実行される WCG データ ウェアハウスに保存され、さまざまな強力な分析エンジンを使用して分析できます。

「私たちが抱えている大きな疑問の 1 つは、ある『ノード』が異なる組織の同じ『ノード』であるとどのように判断するのかということです。」とモラレス氏は説明しました。 「システムによっては、アドレスがある場合もあれば、アドレスがない場合、またはアドレスのスペルが間違っている場合もあります。一部のデータが単に欠落している可能性もあり、非常に多くの不確実性があります。」

なぜならそして、意思決定を 1 つずつ行う必要があるため、データを手動でマスターするプロセスは退屈で時間がかかります。同社はデータをマスターするために数百万ドルを費やしましたが、データには依然として不一致がありました。

モラレス氏は、もっと良い方法があるはずだと気づきました。彼は、機械学習を使用して大規模なデータ セット内の既知のエンティティを自動的に識別するデータ マスタリング ツールである Tamr について聞きました。

機械学習に基づくデータマスタリング

Tamr は 8 年前に誕生したデータ品質ツールで、MIT の有名なコンピューター科学者であるマイク ストーンブレイカーによって行われた学術研究に由来しています。

Stonebraker は、長年にわたるデータ品質の問題を解決するには機械学習が必要であると考えています。ビッグデータの規模になるほど問題はさらに悪化するでしょう。

長年にわたり、このジレンマに対する既定の解決策はマスター データ管理 (MDM) プロジェクトでした。すべてが正しいことを確認するために個々のシステムに依存するのではなく、個々のデータ システムは、データの既知のコピー、いわば「ゴールデン レコード」へのポインターを持ちます。

ゴールデン レコードのアプローチは問題を解決できる、少なくとも彼らはそう考えています。しかし、綿密に練られた計画も、現実に直面すると水泡に帰してしまう危険性があります。これはまさに従来の MDM で起こっていることです。

データのクリーニングと管理を人間に依存するのは無駄です。これではうまくいきません。

この問題に対する Stonebraker の洞察は、インターネットの初期に Google が機械学習を使用して Web サイトを自動的に分類し、Yahoo による手動キュレーションによるインターネットの取り組みを打ち負かしたのと同じように、機械学習を使用してデータを分類することです。

Tamr は、ビジネス システム内のエンティティを認識するようにマシンをトレーニングすることにより、ゴールデン レコードを自動的に作成する方法を発見しました。チームが到達した重要な結論は、限られた選択肢のセットで一貫性を確認するように求められた場合、人々は数十、数百の選択肢を同時に提示された場合よりもはるかに良い結果を出したということでした。

臨床上の黄金記録

WCG の Tamr 試験は 2021 年 5 月に始まりました。一定期間のトレーニングの後、Tamr ソフトウェアは従業員がデータの差異にどのように対処するかを観察し、学習します。

WCG 従業員のチームは Tamr と協力して、データ ウェアハウス内のすべてのデータ ソースを確認し、クレンジングしました。このソフトウェアは、異なるアプリケーションで同じことを意味する 2 つ以上の用語である「クラスター」を識別し、それらをゴールデン レコードとして WCG のクラウド データ ウェアハウスにロードします。

各データ ソースは、データ ウェアハウスにデータをロードする前に、Tamr を通じて実行されます。データ ソースのサイズは、約 50,000 レコードから 100 万レコードを超えるまでの範囲にあり、エンティティごとに約 200 列が含まれる場合があります。問題は量ではなく、複雑さです。 Tamr ツールは、データ マスタリング プロセスを約 4 倍高速化することに加えて、より標準化されたデータを生成するため、ビジネス運営がより明確になります。

「データをクリーンアップすると、よりクリーンなデータを使用して、より優れた運用上の洞察を得ることができるようになります」とモラレス氏は言いました。 「Salesforce とアプリケーションを通じて照合して、これらが正しいかどうかを判断できます。以前は、データがクリーンアップされていない場合、50 パーセントが照合できました。今では 80 パーセントが照合できます。つまり、私たちが行っていることを使用すると、非常に明白な運用上の利点。"

Tamr はすべてのエンティティをクラスターにうまく適合させることができず、人間の専門知識を必要とするいくつかのエッジ ケースが依然として存在します。このような場合、ソフトウェアはオペレータに一致の信頼度が低いことを通知します。しかし、モラレス氏によると、タムル氏は明らかな一致を見つけるのが非常に得意だという。同氏によると、正解率は初日から約95％だったという。

「データマスタリープロジェクトには不一致が存在することを受け入れなければなりません。タイプIとタイプIIのエラーが存在するでしょう」と彼は言いました。 「人間は同じ間違いを犯すので、これらのエラーの原因を追跡できれば良いのですが…。」

さらに、Tamr は、WCG がデータをより深く理解するのに役立ちます。

モラレス氏は、データマスタリングに対する同社の手動アプローチには総額数百万ドルのコストがかかっていたが、Tamr 社のコストは 100 万ドル未満だったと述べました。データ品質の向上を定量化するのは難しいですが、おそらくより重要です。

##

以上が機械学習はどのようにして臨床試験業務を何百万ドルも節約できるのかの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。