De 12 semanas para 10 minutos: como a Novo Nordisk acelera o time to value com IA generativa e MongoDB.

Fundada em 1923 na Dinamarca, a Novo Nordisk é hoje uma das principais empresas de saúde do mundo. Aproveitando sua experiência em tratamentos de diabetes, a missão da empresa é impulsionar mudanças para vencer doenças crônicas graves. Ela faz isso sendo pioneira em avanços científicos, ampliando o acesso aos seus medicamentos e trabalhando para prevenir — e, finalmente, curar — doenças.

A Novo Nordisk emprega mais de 64.000 pessoas em 80 países. Seus produtos são comercializados em 170 países, gerando receitas de 232 bilhões de coroas dinamarquesas (US$ 33,5 bilhões) no exercício fiscal de 2023.

Louise Lind Skov, chefe de digitalização de conteúdo da Novo Nordisk, explica: "Nossos tratamentos hoje estão beneficiando milhões de pessoas que vivem com diabetes, obesidade e doenças raras do sangue e endócrinas. Produzimos 50% da produção mundial de insulina, fabricamos mais de 600 milhões de canetas de insulina e mais de 36 milhões de pessoas estão usando nossos produtos para o tratamento do diabetes. Dos nossos laboratórios às nossas fábricas, estamos descobrindo e desenvolvendo medicamentos biológicos inovadores e tornando-os acessíveis a pacientes em todo o mundo.

Ao utilizar IA generativa (Gen AI) com o Amazon Bedrock e o  MongoDB Atlas, a Novo Nordisk está acelerando significativamente a aprovação e a disponibilização de novos medicamentos para os pacientes.

Reimaginando o caminho para a aprovação regulatória

Um Relatório de Estudos Clínicos (CSR) desempenha uma função crucial no processo de desenvolvimento de qualquer novo medicamento. Ele serve como um documento abrangente que captura a metodologia, a execução, os resultados e as análises de um estudo clínico. O objetivo primário do relatório é fornecer um relato detalhado do ensaio clínico, garantindo que as autoridades reguladoras, os profissionais de saúde e outras partes interessadas, como pesquisadores e equipes jurídicas, possam avaliar a eficácia e a segurança de um novo produto farmacêutico.

Explicando o tempo e o esforço necessários para produzir um relatório de estudo clínico, Skov diz: "Um CSR geralmente leva cerca de 12 semanas para ser compilado, envolvendo uma equipe multidisciplinar de estatísticos, cientistas e autores técnicos. Cada dia de atraso significa que os pacientes não recebem os tratamentos de que precisam e a empresa não pode começar a recuperar seus custos de P&D.

O processo inicia com a análise estatística dos dados de ensaios clínicos coletados no campo, gerando saídas como tabelas e figuras. Os autores técnicos então extraem e mesclam esses dados com modelos de relatórios utilizados na submissão regulatória. São necessários processos extensivos de garantia de qualidade (QA) para assegurar que todos os dados do relatório de mais de 100 páginas sejam consistentes, abrangentes e em conformidade com os padrões regulatórios.

Com a chegada da IA generativa, a equipe de Skov na Novo Nordisk identificou a oportunidade de impulsionar eficiências significativas na produção de CSRs. E assim nasceu o NovoScribe.

NovoScribe: Criado sobre uma base sólida do Amazon Bedrock, LangChain e MongoDB Atlas Vector Search

Ao iniciar o projeto em meados de 2023, a equipe de Skov reformulou seu fluxo de trabalho com o NovoScribe. Eles experimentaram compilar dinamicamente o CSR utilizando geração aumentada por recuperação (RAG) para fornecer contexto a modelos de linguagem de grande porte (LLMs) de última geração, usando tanto os resultados estatísticos dos ensaios clínicos quanto os embeddings vetoriais dos modelos de relatório.

Em poucas semanas, os experimentos se mostraram bem-sucedidos. O NovoScribe produziu CSRs mais rapidamente e com maior precisão, exigindo menos recursos do que os métodos manuais anteriores. O NovoScribe estava pronto para o horário nobre.

Tobias Kröpelin, líder técnico da NovoScribe e especialista em programação estatística na Novo Nordisk, explica a pilha de IA generativa que alimenta o NovoScribe. Cada modelo de base tem seus próprios pontos fortes e fracos, então normalmente experimentamos uma variedade de modelos de incorporação e geração para cada relatório que compilamos.

O NovoScribe utiliza os modelos fundamentais Claude 3 e Titan, hospedados no Amazon Bedrock, juntamente com uma instância privada do ChatGPT da própria empresa. Com o framework de desenvolvimento e orquestração LangChain, a equipe consegue alternar entre modelos de forma rápida e fácil, sem precisar alterar o código da aplicação. Usando RAG, os modelos recebem dados dos relatórios e embeddings vetoriais gerenciados pelo MongoDB Atlas Vector Search.

NovoScribe gera texto validado com base em regras de conteúdo definidas e resultados estatísticos. O Atlas Vector Search calcula a similaridade de cada trecho de texto com as estatísticas relevantes. Isso, combinado com a saída do LLM, esboça o CSR. Ao utilizar o Atlas Vector Search, o texto relevante é selecionado com um alto grau de precisão e exatidão. A linhagem completa de todas as fontes é apresentada, permitindo que os autores verifiquem a precisão, eliminando semanas de escrita e revisão.

“O que é ótimo no MongoDB Atlas é que podemos armazenar incorporações vetoriais nativas do relatório junto com todos os trechos de texto e metadados associados”, diz Kröpelin "Isso significa que podemos executar queries realmente poderosas e complexas rapidamente" Para cada incorporação de vetor, podemos aplicar um filtro de qual documento de origem ela vem, quem a gravou e quando.

IA generativa + MongoDB Atlas: inicie rapidamente e escale com segurança na nuvem

No início do projeto NovoScribe, Kröpelin e a equipe de Estatísticas da Novo Nordisk começaram com os bancos de dados relacionais que normalmente utilizam em seu trabalho diário. Mas logo ficou evidente que o modelo de dados necessário para alimentar tanto saídas estatísticas quanto texto de relatório aos LLMs era extremamente complexo e longe de ser flexível o suficiente para acompanhar o ritmo do rápido desenvolvimento de funcionalidades do NovoScribe.

Kröpelin diz: “Ao trabalhar com o modelo tabular do nosso relational database tradicional, acabaríamos com dezenas de tabelas separadas, cada uma com apenas algumas colunas. Eles não se pareciam em nada com os dicionários do Python que minha equipe estava usando no código, o que reduzia nossa velocidade de desenvolvimento. O que também nos atrasou foi que não podíamos fazer nenhuma alteração em nosso aplicativo sem migrações de esquema complexas no banco de dados. E então, unir todas essas tabelas no momento da query para acionar os LLMs prejudicou o desempenho do aplicativo e a experiência do usuário.

Além dos bancos de dados relacionais, a equipe de Kröpelin já tinha familiaridade com o MongoDB e rapidamente reconheceu que seu modelo de dados orientado a documentos proporcionaria a facilidade de uso, a flexibilidade e a velocidade exigidas pelo NovoScribe. Uma única chamada ao driver Python do MongoDB pode recuperar o objeto completo — incluindo os trechos de texto de origem, seu embedding vetorial e os metadados — sem a sobrecarga de realizar junções entre dados.

Além do acesso programático, MongoDB Compass está disponível para membros da equipe que não são desenvolvedores para visualizarem e filtrarem dados armazenados no MongoDB por meio de uma interface gráfica, permitindo-lhes revisar a integridade do conjunto de dados antes de fornecê-los aos LLMs.

Ao utilizar o serviço totalmente gerenciado MongoDB Atlas, a Novo Nordisk obtém as garantias críticas necessárias para executar aplicações altamente regulamentadas. Como disse Waheed Jowiya, líder de estratégia de digitalização na Novo Nordisk, "a segurança e a recuperação de desastres não são negociáveis." Temos acesso ao VPC por meio do suporte do Atlas para o Amazon PrivateLink. Além disso, controles de acesso detalhados, auditoria, criptografia de dados de ponta a ponta e backups são todos recursos padrão do Atlas, configurados com chamadas simples de API.

Jowiya continua dizendo: "Temos uma equipe pequena, por isso a automação operacional fornecida pelo MongoDB Atlas é inestimável." Isso também nos dá flexibilidade de escolha. Hoje, o NovoScribe é executado na AWS, mas, como empresa, também temos uma parceria com o Azure. Graças ao suporte multinuvem, podemos executar o Atlas em ambas as plataformas de hiperescala com total liberdade e sem dependência de um único fornecedor.”

IA generativa: desbloqueando ganhos incríveis de produtividade e olhando para o futuro

Hoje, a NovoScribe compila cerca de 30% de todos os CSRs para a Novo Nordisk, e espera-se que esse trabalho aumente para mais de 90% até o final do ano. Os resultados alcançados demonstram por que o NovoScribe está ganhando rapidamente impulso de adoção em toda a empresa.

Jowiya continua dizendo que os LLMs levam apenas alguns minutos para gerar o CSR usando os dados recuperados do MongoDB Atlas para produzir a saída final. O restante do tempo é dedicado à QA. Membros altamente qualificados da equipe não precisam mais gastar tempo reunindo os dados ou verificar duas vezes se estão copiando e colando as estatísticas corretas na seção apropriada do relatório. Os modelos de IA generativa automatizam o processo agora, liberando-os para se concentrar em promover mais pesquisas e desenvolvimentos inovadores.

Para a Novo Nordisk, o NovoScribe é apenas o começo. Além dos CSRs, a empresa está explorando muitas novas oportunidades para aplicar IA generativa em todas as partes do seu negócio, com o MongoDB Atlas no centro de seus esforços.

Próximos passos

Aprenda mais sobre como outros clientes MongoDB estão inovando com AI. Você também pode registrar-se no MongoDB Atlas e visitar o Guia de Início Rápido do Atlas Vector Search para começar a criar pesquisas mais inteligentes ou iniciar o uso de IA generativa no seu próximo projeto.