Bagaimana pembelajaran mesin boleh menjimatkan operasi percubaan klinikal berjuta-juta dolar

​Sebagai penyedia perkhidmatan percubaan klinikal yang besar, WCG mempunyai pengaruh yang besar pada laluan pasaran bagi banyak ubat dan peranti perubatan. Tetapi sebagai koleksi lebih daripada 30 syarikat yang dahulunya bebas, sukar untuk mendapatkan data yang konsisten untuk menyokong perkhidmatan ini. Di sinilah penyelesaian penguasaan data Tamr membantu.

Sebagai organisasi perkhidmatan klinikal, WCG mengendalikan semua aspek ujian klinikal bagi pihak syarikat farmaseutikal dan pengeluar peranti, daripada sumber manusia dan IT kepada penglibatan pesakit dan semakan etika, untuk lalai Ia menyediakan perkhidmatan kritikal kepada syarikat gergasi farmaseutikal seperti Crocker dan Roche, serta kepada beribu-ribu syarikat permulaan farmaseutikal bersaiz kecil dan sederhana serta kumpulan penyelidikan yang mendapatkan kelulusan kawal selia untuk ubat dan peranti baharu.

Satu-satunya perkhidmatan yang tidak ditawarkan oleh syarikat ialah menjalankan percubaan sebenar. "Kami tidak berbuat demikian," kata Art Morales, ketua pegawai teknologi dan pegawai data syarikat itu.

Sepanjang dekad yang lalu, WCG telah mewujudkan niche yang menguntungkan dalam industri ujian klinikal melalui pengambilalihan 35 syarikat. Setiap syarikat—sesetengahnya berusia lebih daripada 50 tahun—mengkhususkan diri dalam aspek tertentu dalam proses percubaan klinikal. Syarikat-syarikat ini membangunkan aplikasi perisian tersuai mereka sendiri untuk mengautomasikan pelbagai proses perniagaan mereka, menyediakan sumber harta intelek yang sangat berharga.

Mempunyai sistem yang berbeza masuk akal dari perspektif setiap perniagaan individu, tetapi ini menimbulkan cabaran bagi WCG, yang ingin mengekalkan pandangan yang konsisten terhadap semua operasi anak syarikat.

Syarikat pada mulanya cuba menyelesaikan ketidakkonsistenan data secara manual. Satu pasukan yang terdiri daripada kira-kira lima hingga 10 orang bekerja selama dua tahun untuk menghapuskan kesilapan silap, entri pendua dan ralat data lain dalam sistem berbeza yang digunakan oleh 35 anak syarikat. Data yang telah dibersihkan dan diseragamkan disimpan dalam gudang data WCG yang berjalan di awan, di mana ia boleh dianalisis menggunakan pelbagai enjin analisis yang berkuasa.

"Salah satu soalan besar yang kami ada ialah, bagaimana anda menentukan bahawa 'nod' adalah 'nod' yang sama dalam organisasi yang berbeza?" "Dalam sesetengah sistem, mungkin terdapat atau mungkin tiada alamat, atau alamat mungkin dieja dengan salah. Sesetengah data mungkin hilang, dan terdapat banyak ketidakpastian." perlu dibuat satu persatu, proses menguasai data secara manual adalah membosankan dan memakan masa. Syarikat itu membelanjakan berjuta-juta dolar untuk menguasai data, tetapi masih terdapat ketidakkonsistenan dalam data.

Morales sedar mesti ada cara yang lebih baik. Dia mendengar tentang Tamr, alat penguasaan data yang menggunakan pembelajaran mesin untuk mengenal pasti entiti yang diketahui secara automatik dalam set data yang besar.

Penguasaan data berdasarkan pembelajaran mesin

Tamr ialah alat kualiti data yang dilahirkan lapan tahun lalu dan berasal daripada penyelidikan akademik yang dijalankan oleh Mike Stonebraker, seorang saintis komputer terkenal di MIT.

Menurut Anthony Deighton, bekas eksekutif Qlik lama yang kini ketua pegawai produk Tamr, Stonebraker percaya bahawa pembelajaran mesin adalah perlu untuk menyelesaikan isu kualiti data yang berlarutan yang Ia akan menjadi lebih teruk pada skala data besar.

Selama bertahun-tahun, penyelesaian yang ditetapkan untuk dilema ini ialah projek Pengurusan Data Induk (MDM). Daripada bergantung pada setiap sistem individu untuk memastikan semuanya betul, sistem data individu akan mempunyai penunjuk kepada salinan data yang diketahui—"rekod emas", boleh dikatakan.

Pendekatan Rekod Emas boleh menyelesaikan masalah, sekurang-kurangnya itulah yang mereka fikirkan. Walau bagaimanapun, rancangan terbaik berisiko bertukar menjadi habuk sebaik sahaja ia menghadapi realiti. Inilah yang berlaku dengan MDM tradisional.

Bergantung kepada manusia untuk membersihkan dan mengurus data adalah sia-sia. Ini tidak akan berfungsi.

Pemahaman Stonebraker tentang masalah ini ialah menggunakan pembelajaran mesin untuk mengklasifikasikan data, sama seperti Google menggunakan pembelajaran mesin untuk mengklasifikasikan tapak web secara automatik pada hari-hari awal internet, mengalahkan usaha Internet penyusunan manual Yahoo.

Dengan melatih mesin untuk mengenali entiti dalam sistem perniagaan, Tamr menemui cara untuk mencipta rekod emas secara automatik. Kesimpulan utama yang dicapai oleh pasukan ialah apabila orang diminta untuk mengesahkan konsistensi dengan set pilihan yang terhad, mereka melakukan lebih baik daripada apabila mereka dibentangkan dengan berpuluh-puluh atau beratus-ratus pilihan secara serentak.

Rekod Emas Secara Klinikal

Percubaan Tamr WCG bermula pada Mei 2021. Selepas tempoh latihan, perisian Tamr memerhati dan mempelajari cara pekerja menangani perbezaan data.

Sepasukan kakitangan WCG bekerjasama dengan Tamr untuk menyemak dan membersihkan semua sumber data dalam gudang data. Perisian ini mengenal pasti "kluster", dua atau lebih istilah yang bermaksud perkara yang sama dalam aplikasi yang berbeza, dan memuatkannya sebagai rekod emas dalam gudang data awan WCG.

Setiap sumber data dijalankan melalui Tamr sebelum memuatkan data ke dalam gudang data. Sumber data berkisar dalam saiz daripada kira-kira 50,000 rekod hingga lebih 1 juta rekod, dan setiap entiti mungkin mempunyai sekitar 200 lajur. Masalahnya bukan kuantiti, tetapi kerumitan. Selain mempercepatkan proses penguasaan data dengan lebih kurang 4x, alat Tamr menghasilkan lebih banyak data yang standard, yang bermakna lebih jelas untuk operasi perniagaan.

"Apabila anda membersihkan data, kini anda boleh menggunakan data yang lebih bersih untuk mendapatkan cerapan operasi yang lebih baik," kata Morales. "Kami boleh memadankan melalui Salesforce dan aplikasi kami untuk mengetahui ini adalah perkara yang betul. Sebelum ini, jika data tidak dibersihkan, anda akan memadankan 50 peratus. Kini kami boleh memadankan 80 peratus. Jadi, menggunakan perkara yang kami lakukan Perkara mempunyai manfaat operasi yang sangat jelas ”

Tamr tidak boleh berjaya memadankan semua entiti ke dalam kelompok, masih terdapat beberapa kes kelebihan yang memerlukan kepakaran manusia. Dalam kes ini, perisian memberitahu pengendali bahawa ia mempunyai keyakinan yang rendah dalam perlawanan. Tetapi menurut Morales, Tamr sangat pandai mencari padanan yang jelas. Beliau berkata kadar ketepatan adalah kira-kira 95% dari hari pertama.

"Anda perlu menerima bahawa dengan mana-mana projek penguasaan data akan ada ketidakpadanan. Akan ada ralat Jenis I dan Jenis II," katanya. "Alangkah baiknya jika anda dapat mengesan sumber ralat ini daripada... kerana manusia melakukan kesilapan yang sama."

Selain itu, Tamr membantu WCG memahami datanya dengan lebih baik.

Morales berkata pendekatan manual syarikat terhadap penguasaan data menelan belanja berjuta-juta dolar secara keseluruhan, manakala kos Tamr kurang daripada $1 juta. Penambahbaikan dalam kualiti data adalah lebih sukar untuk diukur, tetapi boleh dikatakan lebih penting. ​

Atas ialah kandungan terperinci Bagaimana pembelajaran mesin boleh menjimatkan operasi percubaan klinikal berjuta-juta dolar. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!