Da 12 settimane a 10 minuti: come Novo Nordisk accelera il time-to-value con Gen AI e MongoDB

Fondata nel 1923 in Danimarca, Novo Nordisk è oggi una delle principali aziende sanitarie a livello mondiale. Basandosi sulla sua esperienza nei trattamenti per il diabete, la missione dell'azienda è quella di promuovere il cambiamento per sconfiggere le malattie croniche gravi. Lo fa aprendo la strada a scoperte scientifiche, ampliando l'accesso ai suoi farmaci e lavorando per prevenire e, infine, curare le malattie.

Novo Nordisk impiega oltre 64.000 persone in 80 paesi. I suoi prodotti sono commercializzati in 170 paesi, generando un fatturato di 232 miliardi di corone danesi (33,5 miliardi di dollari) nel suo anno fiscale 2023.

Louise Lind Skov, Head of Content Digitalisation di Novo Nordisk, spiega: “I nostri trattamenti oggi stanno aiutando milioni di persone affette da diabete, obesità e malattie rare del sangue e del sistema endocrino. Realizziamo il 50% della produzione mondiale di insulina, abbiamo fabbricato oltre 600 milioni di penne per insulina e più di 36 milioni di persone utilizzano i nostri prodotti per la cura del diabete. Dai nostri laboratori ai nostri stabilimenti, stiamo scoprendo e sviluppando farmaci biologici innovativi, rendendoli accessibili ai pazienti di tutto il mondo”.

Sfruttando la Generative AI (Gen AI) con Amazon Bedrock e MongoDB Atlas, Novo Nordisk accelera notevolmente la velocità con cui può ottenere l'approvazione e la consegna di nuovi farmaci ai pazienti.

Ripensare il percorso verso l'approvazione normativa

Un Clinical Study Report (CSR) svolge un ruolo fondamentale nel processo di sviluppo di qualsiasi nuovo farmaco. Esso funge da documento completo che raccoglie la metodologia, l'esecuzione, i risultati e le analisi di una sperimentazione clinica. Lo scopo principale del rapporto è fornire un resoconto dettagliato della sperimentazione medica, garantendo che le autorità regolatorie, i professionisti sanitari e altri stakeholder, come i ricercatori e i team legali, possano valutare l'efficacia e la sicurezza di un nuovo prodotto farmaceutico.

Spiegando il tempo e l'impegno necessari per produrre un CSR, Skov afferma: “La compilazione di un CSR richiede solitamente circa 12 settimane e coinvolge un team multidisciplinare di statistici, scienziati e autori tecnici. Ogni giorno di ritardo fa sì che i pazienti non ricevano le terapie di cui hanno bisogno e che l'azienda non possa iniziare a recuperare i costi di ricerca e sviluppo”.

Il processo inizia con l'analisi statistica dei dati delle sperimentazioni cliniche raccolti sul campo, producendo risultati come tabelle e grafici. Gli autori tecnici estraggono e integrano questi dati con i modelli di report utilizzati nella presentazione normativa. Sono necessari processi di garanzia della qualità (QA) approfonditi per assicurare che tutti i dati nel rapporto di oltre 100 pagine siano coerenti, completi e conformi agli standard normativi.

Con l'arrivo della Generative AI, il team di Skov presso Novo Nordisk ha visto l'opportunità di migliorare significativamente l'efficienza nella creazione di CSR. E così è nato NovoScribe.

NovoScribe: costruito su una solida base di Amazon Bedrock, LangChain e MongoDB Atlas Vector Search

Avviando il progetto a metà del 2023, il team di Skov ha ripensato il proprio flusso di lavoro con NovoScribe. Hanno sperimentato la compilazione dinamica dei CSR sfruttando la RAG per attivare modelli linguistici di grandi dimensioni (LLM) all'avanguardia utilizzando sia i risultati statistici degli studi clinici sia gli incorporamenti vettoriali dei modelli di report.

Nel giro di poche settimane, gli esperimenti si sono dimostrati un successo. NovoScribe ha prodotto i CSR più rapidamente e con maggiore precisione, richiedendo meno risorse rispetto ai metodi manuali precedenti. NovoScribe era pronto per il lancio.

Tobias Kröpelin, Tech Lead di NovoScribe e specialista in programmazione statistica presso Novo Nordisk, spiega lo stack di Generative AI che alimenta NovoScribe: “Ogni modello di base ha i suoi punti di forza e di debolezza, quindi in genere sperimentiamo una varietà di modelli di incorporamento e generazione diversi per ogni rapporto che compiliamo”.

NovoScribe utilizza i modelli di base Claude 3 e Titan ospitati da Amazon Bedrock, insieme all'istanza privata dell'azienda di ChatGPT. Con il framework di sviluppo e orchestrazione LangChain, il team può passare rapidamente e facilmente da un modello all'altro, senza dover modificare alcun codice dell'applicazione. Utilizzando la RAG, i modelli vengono serviti con dati di report e incorporamenti vettoriali gestiti da MongoDB Atlas Vector Search.

NovoScribe genera testo convalidato basato su regole di contenuto definite e output statistico, mentre Atlas Vector Search calcola la somiglianza di ogni frammento di testo con le statistiche pertinenti. Questo, combinato con l'output dell'LLM, aiuta a redigere il CSR. Utilizzando Atlas Vector Search, il testo pertinente viene selezionato con un alto grado di precisione e accuratezza. Viene presentato il lignaggio completo di tutte le fonti, consentendo agli autori di verificarne l'accuratezza, evitando settimane di scrittura e revisioni.

“La cosa fantastica di MongoDB Atlas è che possiamo archiviare gli incorporamenti vettoriali nativi del report proprio accanto a tutti i frammenti di testo e ai metadati associati”, afferma Kröpelin “Ciò significa che possiamo eseguire query davvero potenti e complesse rapidamente Per ogni incorporamento vettoriale possiamo filtrare da quale documento sorgente proviene, chi lo ha scritto e quando”.

Generative AI + MongoDB Atlas: inizia rapidamente e scala in modo sicuro nel cloud

All'inizio del progetto NovoScribe, Kröpelin e il team di statistica di Novo Nordisk hanno iniziato con i relational database che di solito utilizzavano nel loro lavoro quotidiano. Tuttavia, è diventato subito evidente che il modello di dati necessario per alimentare sia i risultati statistici che il testo dei report negli LLM era estremamente complesso e non abbastanza flessibile da far fronte al ritmo dello sviluppo rapido delle funzionalità di NovoScribe.

Kröpelin afferma: “Lavorando con il modello tabulare del nostro relational database tradizionale, avremmo finito con dozzine di tabelle separate, ognuna con solo un paio di colonne. Questi non assomigliavano affatto ai dizionari Python con cui il mio team stava lavorando nel codice, il che ha rallentato la nostra velocità di sviluppo. Ciò che ci ha rallentato è stato il fatto che non potevamo apportare alcuna modifica alla nostra applicazione senza complesse migrazioni di schemi nel database. E poi unire tutte queste tabelle al momento della query per richiedere agli LLM di compromettere le prestazioni delle applicazioni e l'esperienza utente”.

Oltre ai relational database, il team di Kröpelin aveva familiarità anche con MongoDB e ha rapidamente riconosciuto che il suo data model doc avrebbe fornito la facilità d'uso, la flessibilità e la velocità richieste da NovoScribe. Una singola chiamata dal driver Python di MongoDB può recuperare l'intero oggetto, inclusi i frammenti di testo di origine, il suo incorporamento vettoriale e i metadati, senza i costi generali dell'unione dei dati.

Oltre all'accesso programmatico, MongoDB Compass è disponibile per i membri del team non sviluppatori per visualizzare e filtrare i dati archiviati in MongoDB tramite un'interfaccia grafica (GUI), consentendo loro di esaminare la completezza del set di dati prima di servirlo agli LLM.

Utilizzando il servizio completamente gestito MongoDB Atlas, Novo Nordisk ottiene le garanzie fondamentali di cui ha bisogno per eseguire applicazioni altamente regolamentate. Come afferma Waheed Jowiya, Digitalisation Strategy Lead di Novo Nordisk: “La sicurezza e il ripristino di emergenza non sono negoziabili. Abbiamo accesso VPC grazie al supporto di Atlas per Amazon Privatelink. Inoltre, i controlli di accesso granulari, l'auditing, la crittografia end-to-end dei dati e i backup sono tutte funzionalità standard di Atlas, configurate con semplici chiamate API”.

Jowiya continua dicendo: “Abbiamo un piccolo team, quindi l'automazione operativa fornita da MongoDB Atlas ha un valore inestimabile. Ci offre anche diverse opzioni. NovoScribe funziona attualmente su AWS, ma come azienda abbiamo anche una relazione con Azure. Grazie al suo supporto multi-cloud, possiamo eseguire Atlas tra entrambe le piattaforme iperscalabili in completa libertà e senza lock in”.

Gen AI: sbloccare incredibili aumenti di produttività e guardare al futuro

Oggi NovoScribe compila circa il 30% di tutti i CSR per Novo Nordisk, e si prevede che questo lavoro aumenterà fino a oltre il 90% entro la fine dell'anno. I risultati raggiunti dimostrano perché NovoScribe sta guadagnando così rapidamente il consenso di tutta l'azienda.

Jowiya continua dicendo che gli LLM impiegano solo pochi minuti per generare il CSR utilizzando i dati recuperati da MongoDB Atlas per produrre l'output finale. Il resto del tempo è dedicato alla QA. I membri del team altamente qualificati non devono più dedicare tempo a raccogliere i dati o a verificare che stiano copiando e incollando le statistiche corrette nella sezione appropriata del rapporto. Ora i modelli di Generative AI automatizzano il processo, permettendo loro di concentrarsi su attività di ricerca e sviluppo più innovative.

Per Novo Nordisk, NovoScribe è solo l'inizio. Oltre ai CSR, l'azienda sta esplorando nuove opportunità per applicare la Gen AI in ogni parte della sua attività, con MongoDB Atlas al centro dei suoi sforzi.

Next Steps

Scopra di più su come altri clienti di MongoDB stanno innovando con l'AI. Puoi anche registrarti a MongoDB Atlas e visitare la Guida rapida ad Atlas Vector Search per iniziare a costruire ricerche più intelligenti o per iniziare a utilizzare la Generative AI nel tuo prossimo progetto.