A Gilead acelera o desenvolvimento de ferramenta de pesquisa corporativa usando machine learning na AWS

Empresa de biotecnologia Gilead Sciences Inc. A (Gilead) queria aumentar a produtividade dos funcionários e agilizar os processos internos de gerenciamento de dados em sua unidade de negócios de desenvolvimento e manufatura de produtos farmacêuticos (PDM) para poder oferecer rapidamente mais tratamentos terapêuticos para pessoas com doenças potencialmente fatais. Para trabalhar nesse sentido, a empresa queria desenvolver uma ferramenta de pesquisa corporativa escalável que usasse inteligência artificial (IA) e machine learning (ML) para fornecer análises preditivas e localizar documentos, conhecimentos e dados importantes em um local centralizado. Para que a ferramenta produzisse consistentemente resultados relevantes a cada consulta em linguagem natural, a empresa precisava de um conjunto de soluções que organizassem os dados estruturados e não estruturados de até nove sistemas corporativos e os documentos dos repositórios de conhecimentos.

Para acelerar a linha do tempo do projeto, a equipe de PDM da Gilead escolheu a Amazon Web Services (AWS), adotando o Amazon Kendra, um serviço de pesquisa inteligente altamente preciso baseado em ML. Enquanto recebia o apoio da AWS, a equipe de PDM desenvolveu um data lake em nove meses e, posteriormente, desenvolveu uma ferramenta de pesquisa em apenas três meses, concluindo o projeto bem dentro do cronograma estimado de três anos. Desde o lançamento dessa ferramenta de pesquisa corporativa, os usuários em todo o departamento de PDM conseguiram reduzir substancialmente as tarefas manuais de gerenciamento de dados e o tempo necessário para pesquisar informações em aproximadamente 50%, estimulando pesquisas, experiências e avanços farmacêuticos.

Com sede em Foster City, na Califórnia, a Gilead é especializada em pesquisa e desenvolvimento de tecnologia e produtos farmacêuticos antivirais, inclusive tratamentos potenciais para HIV e hepatite viral. Em abril de 2021, a equipe de ciência de dados da unidade de negócios de manufatura da Gilead concebeu o Morpheus, uma ferramenta de pesquisa corporativa que usaria IA e ML para extrair rapidamente informações e insights pertinentes de cerca de 250.000 documentos e 1 TB de dados não estruturados. Uma equipe de projeto composta por cientistas e engenheiros de dados foi formada dentro do departamento de PDM, dedicada a dar vida a essa ideia para que os pesquisadores e cientistas pudessem obter insights mais profundos dos dados regulatórios, dados de conformidade, dados da cadeia de suprimentos e dados de manufatura, a fim de acelerar sua capacidade de levar aos pacientes medicamentos que salvam vidas.

A equipe do Morpheus enfrentou um desafio significativo para reunir dados de muitos sistemas corporativos a fim de implementar uma única estratégia de IA e ML para a descoberta de conhecimentos. “Reconhecemos que tínhamos uma oportunidade de inovar no espaço de IA de conhecimento na Gilead, projetando e implementando uma infraestrutura que reuniria os dados, os conhecimentos e as informações necessárias para desenvolver a pesquisa de IA em escala", diz Jeremy Zhang, diretor de ciência de dados e gerenciamento de conhecimento da Gilead.

Para desenvolver uma ferramenta de pesquisa corporativa, a força-tarefa do Morpheus contratou o Laboratório de Soluções do Amazon Machine Learning, que reúne as equipes de uma organização com especialistas em ML para ajudar a identificar e desenvolver soluções de ML para lidar com as maiores oportunidades de ML com retorno de investimento da organização. Colaborando com a equipe do Laboratório de Soluções do Amazon ML, a força-tarefa aprofundou sua compreensão das melhores práticas de nuvem e aprendeu a projetar e executar provas de conceito. A equipe aprendeu também sobre o Amazon Kendra. “O Amazon Kendra é uma solução de IA pronta para uso que, quando configurada corretamente, é capaz de abranger todos os domínios da organização, sendo, ao mesmo tempo, simples de implementar”, diz Zhang. Em quatro semanas, a equipe decidiu prosseguir com o desenvolvimento da ferramenta de pesquisa corporativa totalmente na AWS.

A equipe de PDM da Gilead lançou o projeto Morpheus criando um data lake no Amazon Simple Storage Service (Amazon S3), um serviço de armazenamento de objetos que oferece a melhor escalabilidade, disponibilidade de dados, segurança e performance do setor. O data lake funciona como um repositório centralizado para armazenamento de todos os dados não estruturados de PDM em praticamente qualquer escala. "Para ter uma ferramenta de pesquisa corporativa na AWS, tínhamos que ter um gerenciamento robusto de dados em torno dela", diz Zhang. "Então, criamos um data lake na AWS em nove meses, algo que muitos consideravam que deveria levar muito mais tempo para ser implementado." A empresa usa o data lake não apenas como base para IA e ML, mas também para realizar análises e obter insights aprofundados a partir de dados de desenvolvimento e manufatura. Anteriormente, as equipes da Gilead tinham que enviar solicitações de serviço à equipe de tecnologia da informação para análise e, em alguns casos, eles levavam até um ano para atender os pedidos. Agora, a empresa pode oferecer análise e inferências de IA em alguns dias úteis.

Em seguida, a equipe de PDM se concentrou em enriquecer suas pesquisas preenchendo metadados ausentes ou incompletos na ferramenta de documentos usando o Amazon SageMaker, que ajuda os usuários a desenvolver, treinar e implantar modelos de ML para praticamente qualquer caso de uso, com infraestrutura, ferramentas e fluxos de trabalho totalmente gerenciados. Usando essa solução, a Gilead tornou mais fácil para os pesquisadores procurar informações pertinentes com algumas palavras-chave. A empresa também usa o Amazon Textract, um serviço de ML que extrai automaticamente texto impresso ou manuscrito e dados de documentos digitalizados. A Gilead usa o Amazon Textract para detectar informações relevantes nos documentos, e isso reduziu significativamente os custos associados por operação em comparação com sua solução anterior de reconhecimento óptico de caracteres. “O Amazon Textract é muito bom, não apenas por causa da economia real de custos, mas também porque sua capacidade técnica de extrair informações é extraordinária”, diz Zhang.

A equipe também usa o Amazon Kendra com a aplicação para pesquisar resultados do data lake. Com isso, a Gilead foi capaz de reduzir o tempo necessário para pesquisar informações relevantes em diversos sistemas em cerca de 50%, aumentando a produtividade dos funcionários e agilizando os fluxos de trabalho das equipes. “Usar o Amazon Kendra significa um grande aumento de eficiência. Com ele, nossa equipe reduziu o número de lugares onde as pessoas precisam ir para encontrar as informações certas", diz Zhang.

Em novembro de 2021, a equipe conseguiu lançar a aplicação Morpheus, concluindo a primeira fase do projeto com uma equipe central de cinco funcionários. Desde então, a aplicação tem sido um catalisador de mudança organizacional. Em três meses a partir do lançamento, mais de 100 funcionários já adotaram a ferramenta de pesquisa corporativa. "O Morpheus nos fez superar a ideia de que é necessário estudar biblioteconomia ou ontologia para organizar e encontrar conhecimentos", diz Zhang. “E tornou-se uma maneira fácil de demonstrar o valor da IA e do ML para a liderança sênior.”

A equipe de desenvolvimento e manufatura da Gilead está atualmente trabalhando para melhorar o data lake para conseguir conformidade de GxP, incluindo o cumprimento de boas práticas de manufatura, e prevê que terá terminado a reestruturação do data lake até junho de 2022. A empresa também planeja desenvolver mais tecnologia de IA e ML para fornecer metadados preditivos, IA personalizada e gráficos de conhecimentos. “O Morpheus nos conscientiza de como o uso de uma ferramenta desse tamanho e escala beneficia toda a organização”, diz Zhang. “Está realmente nos ajudando a entender como a Gilead pode usar a ciência de dados para impulsionar a próxima onda de valor que podemos extrair da IA e do ML na AWS.”