Gilead accélère le développement de son outil de recherche d'entreprise en utilisant le machine learning sur AWS.

Une entreprise de biotechnologie : Gilead Sciences Inc. (Gilead) souhaitait augmenter la productivité du personnel et rationaliser les processus internes de gestion des données au sein de son unité de développement et de fabrication pharmaceutiques (PDM) afin de pouvoir rapidement mettre sur le marché davantage de traitements thérapeutiques pour les personnes atteintes de maladies potentiellement mortelles. C'est en ce sens que Gilead a voulu créer un outil de recherche d'entreprise évolutif qui utilise l'intelligence artificielle (IA) et le machine learning (ML) pour fournir une analyse prédictive et rechercher des documents, connaissances et données importants dans un emplacement centralisé. Pour que l'outil produise systématiquement des résultats pertinents à chaque requête en langage naturel, l'entreprise avait besoin d'un ensemble de solutions permettant d'organiser les données structurées et non structurées provenant de neuf systèmes d'entreprise et de documents issus de référentiels de connaissances.

Pour accélérer la mise en place de son projet, l'équipe de Gilead en charge du développement et de la fabrication des produits pharmaceutiques a choisi Amazon Web Services (AWS), adoptant Amazon Kendra, un service de recherche intelligente très précis alimenté par le ML. Tout en bénéficiant de l'assistance d'AWS, l'équipe chargée du développement des produits pharmaceutiques a construit un lac de données en neuf mois, puis un outil de recherche en trois mois seulement, achevant ainsi son projet bien avant la fin du délai prévu de trois ans. Depuis que la société a lancé son outil de recherche d'entreprise, les utilisateurs au sein de l'équipe en charge du développement ont pu réduire considérablement les tâches de gestion manuelle des données et le temps nécessaire à la recherche d'informations d'environ 50 %, ce qui a favorisé la recherche, l'expérimentation et les découvertes pharmaceutiques.

Gilead, dont le siège social est situé à Foster City en Californie, est une société spécialisée dans la recherche et le développement de technologies et de produits pharmaceutiques antiviraux, notamment des traitements potentiels contre le VIH et l'hépatite virale. En avril 2021, l'équipe chargée de la science des données au sein de l'unité commerciale de fabrication de Gilead a conceptualisé Morpheus, un outil de recherche d'entreprise qui utiliserait l'IA et le ML pour extraire rapidement des informations et des idées pertinentes d'environ 250 000 documents et 1 To de données non structurées. Une équipe composée de scientifiques et d'ingénieurs spécialisés dans les données a été formée au projet au sein de l'équipe en charge du développement. Cela a permis à la société de concrétiser cette idée et à ses chercheurs et scientifiques d'obtenir des informations plus approfondies sur les données relatives à la réglementation, à la conformité, à la chaîne d'approvisionnement et à la fabrication afin d'accélérer leur capacité à fournir des médicaments vitaux aux patients.

L'équipe qui a développé Morpheus a fait face à un défi de taille afin de réunir les données de nombreux systèmes d'entreprises pour mettre en place une stratégie unique d'IA et de ML permettant la recherche de connaissances. « Nous avons reconnu que nous avions la possibilité d'innover dans l'espace de l'IA des connaissances chez Gilead en concevant et en mettant en œuvre une infrastructure qui rassemblerait les données, les connaissances et les informations nécessaires pour construire une recherche d'IA à l'échelle », explique Jeremy Zhang, directeur de la science des données et de la gestion des connaissances chez Gilead.

Pour développer un outil de recherche d'entreprise, le groupe de travail Morpheus a fait appel à Amazon Machine Learning Solutions Lab, qui associe les équipes d'une organisation à des experts en ML pour les aider à identifier et à élaborer des solutions ML afin de saisir les opportunités de ML les plus rentables pour l'organisation. En collaborant avec l'équipe d'Amazon ML Solutions Lab, le groupe de travail a approfondi sa compréhension des meilleures pratiques en matière de cloud et a appris à concevoir et à exécuter des preuves de concepts. L'équipe a également beaucoup appris sur Amazon Kendra. « Amazon Kendra est une solution d'IA clé en main qui, lorsqu'elle est configurée correctement, est capable de couvrir tous les domaines de l'organisation tout en étant simple à mettre en œuvre », a déclaré Jérémy Zhang. En quatre semaines, l'équipe a décidé d'aller de l'avant en développant l'outil de recherche d'entreprise entièrement sur AWS.

L'équipe de développement de chez Gilead a démarré le projet en créant un lac de données à l'aide d'Amazon Simple Storage Service (Amazon S3), un service de stockage d'objets offrant une capacité de mise à l'échelle, une disponibilité des données, une sécurité et des performances de pointe. Ce lac de données fait office de référentiel centralisé pour l'entreposage, à presque n'importe quelle échelle, de toutes les données non structurées de l'équipe de développement. « Afin de disposer d'un outil de recherche d'entreprise sur AWS, nous devions l'entourer d'une solide gestion des données », a déclaré Jérémy Zhang. « Nous avons donc créé en neuf mois un lac de données sur AWS, chose qui pour bon nombre de personnes aurait dû prendre des années à mettre en place. » L'entreprise utilise non seulement le lac de données comme base pour son IA et son ML mais aussi pour exécuter des analyses et pour obtenir des informations détaillées des données à travers le développement et la fabrication. Avant, les équipes de Gilead devaient soumettre des tickets à l'équipe informatique pour obtenir des analyses et, parfois, obtenir des réponses aux demandes pouvait prendre jusqu'à un an. Désormais, l'entreprise fournit des analyses et des inférences IA en seulement quelques jours.

Par la suite, l'équipe de développement s'est appliquée à enrichir ses recherches en complétant les métadonnées manquantes ou incomplètes de son outil documentaire à l'aide d'Amazon SageMaker, qui aide les utilisateurs à développer, former et déployer des modèles ML pour presque n'importe quel cas d'usage, en offrant une infrastructure, des outils et des flux de travail entièrement gérés. Grâce à cela, Gilead a permis à ses chercheurs de rechercher des informations plus pertinentes à l'aide de quelques mots-clés. L'entreprise utilise également Amazon Textract, un service de ML qui extrait automatiquement le texte, l'écriture et les données des documents numérisés. Gilead utilise Amazon Textract afin de repérer les informations pertinentes dans ses documents. Cela a permis de réduire les coûts associés par opération de plusieurs ordres de grandeur, par rapport à son ancienne solution de reconnaissance optique des caractères. « Amazon Textract est vraiment bien, non seulement en raison des économies réelles qu'il permet de réaliser, mais aussi parce que sa capacité technique à extraire des informations est extraordinaire », explique M. Zhang.

L'équipe utilise aussi Amazon Kendra et son application pour chercher des résultats dans son lac de données. De cette manière, Gilead a pu réduire d'environ 50 % le temps nécessaire à la recherche d'informations pertinentes dans les systèmes, ce qui a permis d'accroître la productivité du personnel et de rationaliser les flux de travail de ses équipes. « Utiliser Amazon Kendra permet un incroyable gain d'efficacité. Grâce à ce service, notre équipe a réduit le nombre d'endroits où les gens doivent se rendre pour trouver la bonne information », a déclaré M. Zhang.

En novembre 2021, l'équipe a pu lancer son application Morpheus, achevant ainsi la première phase de son projet avec une équipe de base de cinq employés. Dès lors, l'application a été un accélérateur du changement organisationnel. Dans les trois mois suivant son lancement, plus de 100 employés ont adopté l'outil de recherche d'entreprise. « Morpheus nous a permis de dépasser l'idée que nous devions faire de la bibliothéconomie ou de l'ontologie pour organiser et trouver des connaissances », explique M. Zhang. « Et c'est devenu un moyen facile de démontrer la valeur de l'IA et du ML aux dirigeants. »

L'équipe de développement et de fabrication de Gilead travaille actuellement à l'amélioration de son lac de données pour atteindre la conformité GxP, y compris la conformité aux bonnes pratiques de fabrication, et elle prévoit d'avoir terminé la restructuration du lac de données d'ici juin 2022. La société prévoit également de développer davantage de technologies d'IA et de ML pour fournir des métadonnées prédictives, une IA personnalisée et des graphiques de connaissances. « Morpheus nous fait prendre conscience de la manière dont l'utilisation d'un outil de cette taille et de cette envergure profite à l'ensemble de l'organisation », explique M. Zhang. « Cela nous aide vraiment à comprendre comment Gilead peut utiliser la science des données pour conduire la prochaine vague de valeur que nous pouvons tirer de l'IA et du ML sur AWS ».