Gilead acelera el desarrollo de una herramienta de búsqueda empresarial mediante Machine Learning en AWS

Empresa de biotecnología Gilead Sciences Inc. (Gilead) quería aumentar la productividad del personal y agilizar los procesos internos de administración de datos dentro de su unidad de negocio de desarrollo y fabricación de productos farmacéuticos (PDM, por sus siglas en inglés) para poder implementar rápidamente más tratamientos terapéuticos para personas con enfermedades potencialmente mortales. Para lograr este objetivo, la empresa quería crear una herramienta de búsqueda empresarial escalable que usara la inteligencia artificial (IA) y el machine learning (ML) para proporcionar análisis predictivos y encontrar documentos, conocimientos y datos importantes en una ubicación centralizada. Para que la herramienta produjera resultados relevantes de forma sistemática con cada consulta en lenguaje natural, la empresa necesitaba un conjunto de soluciones que organizara tanto los datos estructurados como los no estructurados de hasta nueve sistemas empresariales y documentos de repositorios de conocimiento.

Para acelerar los plazos de su proyecto, el equipo de PDM de Gilead eligió Amazon Web Services (AWS), con la incorporación de Amazon Kendra, un servicio de búsqueda inteligente de alta precisión basado en ML. Mientras recibía soporte de AWS, el equipo de PDM creó un lago de datos en 9 meses, y después, creó una herramienta de búsqueda en solo 3 meses, con lo que completó su proyecto satisfactoriamente dentro de su plazo estimado de 3 años. Desde el lanzamiento de su herramienta de búsqueda empresarial, los usuarios de PDM han podido reducir sustancialmente las tareas manuales de administración de datos y el tiempo de búsqueda de información en aproximadamente un 50 por ciento, lo que ha impulsado la investigación, experimentación y avances farmacéuticos.

Con sede en Foster City, Gilead se especializa en la investigación y el desarrollo de tecnología antiviral y farmacéutica, incluidos posibles tratamientos para el VIH y la hepatitis viral. En abril de 2021, el equipo de ciencia de datos de la unidad de negocio de fabricación de Gilead conceptualizó Morpheus, una herramienta de búsqueda empresarial que usaría IA y ML para extraer de forma rápida la información y conocimientos pertinentes de aproximadamente 250 000 documentos y 1 TB de datos no estructurados. Dentro de PDM se formó un equipo de proyecto compuesto por científicos e ingenieros de datos que se dedicó a dar vida a esta idea para que sus investigadores y científicos pudieran obtener una visión más profunda de los datos normativos, de cumplimiento, de cadena de suministro y de fabricación con el fin de acelerar su capacidad para llevar a los pacientes medicamentos que salvan vidas.

El equipo de Morpheus se enfrentó a un reto importante para reunir los datos de muchos sistemas empresariales con el objetivo de implementar una única estrategia de IA y ML para la búsqueda de conocimiento. “Reconocimos que teníamos la oportunidad de innovar en el espacio de la IA del conocimiento en Gilead mediante el diseño e implementación de una infraestructura que reuniera los datos, conocimiento e información necesarios para crear la búsqueda de IA a escala”, dice Jeremy Zhang, director de ciencia de datos y administración del conocimiento en Gilead.

Para desarrollar una herramienta de búsqueda empresarial, el grupo de trabajo de Morpheus contrató el Laboratorio de soluciones de Amazon Machine Learning, que pone en contacto a los equipos de una organización con expertos en ML para poder identificar y crear soluciones de ML con el fin de abordar las oportunidades de ML de mayor retorno de la inversión de la organización. Al colaborar con el equipo del Laboratorio de soluciones de ML de Amazon, el grupo de trabajo profundizó en su comprensión de las prácticas recomendadas en la nube y aprendió a diseñar y ejecutar pruebas de concepto. El equipo también aprendió acerca de Amazon Kendra. “Amazon Kendra es una solución de IA lista para usar que, cuando se configura correctamente, es capaz de abarcar todos los dominios de la organización y, al mismo tiempo, es fácil de implementar”, dijo Zhang. En 4 semanas, el equipo decidió continuar con el desarrollo de la herramienta de búsqueda empresarial completamente en AWS.

El equipo de PDM de Gilead inició el proyecto Morpheus al crear un lago de datos mediante el uso de Amazon Simple Storage Service (Amazon S3), un servicio de almacenamiento de objetos que ofrece escalabilidad, disponibilidad de datos, seguridad y rendimiento líderes en el sector. Este lago de datos actúa como un depósito centralizado para almacenar todos los datos no estructurados de PDM a prácticamente cualquier escala. “Para tener una herramienta de búsqueda empresarial en AWS, teníamos que contar con una administración de datos sólida en torno a ella”, comenta Zhang. “Así que creamos un lago de datos en AWS en 9 meses; algo que muchos consideran que debería haber llevado muchos más años de implementación”. La empresa usa el lago de datos no solo como base para su IA y ML, sino también para ejecutar análisis y obtener información detallada de los datos en el desarrollo y la fabricación. Anteriormente, los equipos de Gilead tenían que enviar tickets a su equipo de tecnología de la información para llevar a cabo análisis y, en algunos casos, se tardaban hasta un año en atender las solicitudes. Ahora la empresa puede proporcionar análisis e inferencias de IA en pocos días hábiles.

A continuación, el equipo de PDM se centró en enriquecer sus búsquedas a través del ingreso de los metadatos que faltaban o estaban incompletos para su herramienta de documentos mediante el uso de Amazon SageMaker, que ayuda a los usuarios a crear, entrenar y desplegar modelos de ML para prácticamente cualquier caso de uso con una infraestructura, herramientas y flujos de trabajo completamente administrados. Con esta solución, Gilead facilitó a sus investigadores la búsqueda de información pertinente con unas pocas palabras clave. La empresa también utilizó Amazon Textract un servicio de ML que extrae texto, escritura a mano y datos de documentos escaneados de manera automática. Gilead utiliza Amazon Textract para detectar información relevante en sus documentos, y redujo los costos asociados en órdenes de magnitud por operación en comparación con su solución de reconocimiento óptico de caracteres anterior. “Amazon Textract es realmente bueno, no solo por el ahorro de costos real, sino también porque su capacidad técnica para extraer información es extraordinaria”, afirma Zhang.

El equipo también utiliza Amazon Kendra con su aplicación para buscar resultados de su lago de datos. De este manera, Gilead ha podido reducir el tiempo de búsqueda de información relevante en los sistemas en aproximadamente un 50 por ciento, lo que aumenta la productividad del personal y agiliza los flujos de trabajo de sus equipos. “El uso de Amazon Kendra es una enorme ganancia de eficiencia. Con ella, nuestro equipo redujo el número de lugares a los que las personas tienen que acudir para encontrar la información adecuada”, dice Zhang.

En noviembre de 2021, el equipo pudo lanzar su aplicación Morpheus, lo que completó la primera fase de su proyecto con un equipo base de 5 empleados. Desde entonces, la aplicación ha sido un catalizador del cambio organizativo. A los tres meses de su lanzamiento, más de 100 empleados habían adoptado la herramienta de búsqueda empresarial. “Morpheus nos hizo superar la idea de que tenemos que hacer ciencia bibliotecaria u ontología para organizar y encontrar el conocimiento”, comenta Zhang. “Y se convirtió en una forma fácil de demostrar el valor de la IA y el ML a los altos directivos”.

El equipo de desarrollo y fabricación de Gilead está trabajando actualmente en la mejora de su lago de datos para lograr el cumplimiento de GxP, incluido el cumplimiento de las prácticas recomendadas de fabricación, y prevé que habrá terminado de reestructurar el lago de datos en junio de 2022. La empresa también tiene previsto desarrollar más tecnología de IA y ML para proporcionar metadatos predictivos, IA personalizada y gráficos de conocimiento. “Morpheus nos hace conscientes de cómo el uso de una herramienta de este tamaño y escala beneficia a toda la organización", declara Zhang. “Realmente nos está ayudando a entender cómo Gilead puede usar la ciencia de los datos para impulsar la próxima ola de valor que podemos obtener de la IA y el ML en AWS."