Von 12 Wochen auf 10 Minuten: Wie Novo Nordisk mit GenAI und MongoDB die Zeit bis zur Wertschöpfung beschleunigt

Das 1923 in Dänemark gegründete Unternehmen Novo Nordisk ist heute eines der weltweit führenden Gesundheitsunternehmen. Mit seiner langjährigen Erfahrung im Bereich der Diabetesbehandlung hat sich das Unternehmen zum Ziel gesetzt, Veränderungen voranzutreiben, um schwere chronische Krankheiten zu besiegen. Dies erreicht es durch bahnbrechende wissenschaftliche Innovationen, die Verbesserung des Zugriffs auf seine Medikamente sowie seine Bemühungen zur Prävention und letztendlich zur Heilung von Krankheiten.

Novo Nordisk beschäftigt mehr als 64.000 Mitarbeiter in 80 Ländern. Seine Produkte werden in 170 Ländern vermarktet und erwirtschaften im Geschäftsjahr 2023 einen Umsatz von 232 Milliarden dänischen Kronen (33,5 Milliarden US-Dollar).

Louise Lind Skov, Head of Content Digitalisation bei Novo Nordisk, erklärt: „Unsere heutigen Behandlungen kommen Millionen von Menschen zugute, die an Diabetes, Fettleibigkeit und seltenen Blut- und Hormonerkrankungen leiden. Wir produzieren 50 % des weltweiten Insulins, haben über 600 Millionen Insulinpens hergestellt und mehr als 36 Millionen Menschen verwenden unsere Produkte zur Diabetesbehandlung. Von unseren Labors bis zu unseren Fabriken entdecken und entwickeln wir innovative biologische Arzneimittel und machen sie für Patienten auf der ganzen Welt zugänglich.“

Durch die Nutzung generativer KI (GenAI) mit Amazon Bedrock und MongoDB Atlas beschleunigt Novo Nordisk die Zulassung und Bereitstellung neuer Medikamente für Patienten erheblich.

Den Weg zur behördlichen Zulassung neu überdenken

Ein klinischer Studienbericht (Clinical Study Report, CSR) spielt eine entscheidende Rolle im Entwicklungsprozess für jedes neue Medikament. Er dient als umfassendes Dokument, das die Methodik, Durchführung, Ergebnisse und Analysen einer klinischen Studie dokumentiert. Der Hauptzweck des Berichts besteht darin, einen detaillierten Überblick über die medizinische Studie zu geben, damit Aufsichtsbehörden, Fachkräfte im Gesundheitswesen und andere Interessengruppen wie Forscher und Rechtsteams die Wirksamkeit und Sicherheit eines neuen Arzneimittels beurteilen können.

Skov erklärt den Zeit- und Arbeitsaufwand für die Erstellung eines klinischen Studienberichts und sagt: „Ein CSR benötigt in der Regel etwa 12 Wochen zur Erstellung und erfordert die Mitarbeit eines multidisziplinären Teams aus Statistikern, Wissenschaftlern und Fachautoren. Jeder Tag der Verzögerung bedeutet, dass die Patienten nicht die benötigten Behandlungen erhalten und das Unternehmen nicht mit der Amortisierung seiner Forschungs- und Entwicklungskosten beginnen kann.“

Der Prozess beginnt mit der statistischen Analyse der vor Ort gesammelten Daten aus klinischen Studien, woraus Tabellen, Grafiken und andere Ergebnisse erstellt werden. Fachautoren extrahieren dann diese Daten und integrieren sie in die Berichtsvorlagen, die für die Einreichung bei den Regulierungsbehörden verwendet werden. Um sicherzustellen, dass alle Daten im über 100-seitigen Bericht konsistent, umfassend und den regulatorischen Standards entsprechend sind, sind umfangreiche Qualitätssicherungsprozesse erforderlich.

Mit der Einführung von generativer KI erkannte Skovs Team bei Novo Nordisk die Möglichkeit, die Effizienz bei der Erstellung von CSRs erheblich zu steigern. Und so entstand NovoScribe.

NovoScribe: Auf einem soliden Fundament von Amazon Bedrock, LangChain und MongoDB Atlas Vector Search aufgebaut

Mit dem Start des Projekts Mitte 2023 hat das Team von Skov seinen Arbeitsablauf mit NovoScribe neu gestaltet. Es experimentierte mit der dynamischen Erstellung des CSR, indem es die Retrieval Augmented Generation nutzte, um modernste Large Language Models (LLMs) sowohl mit statistischen Ergebnissen aus klinischen Studien als auch mit Vektoreinbettungen von Berichtsvorlagen zu versorgen.

Innerhalb weniger Wochen erwiesen sich die Experimente als erfolgreich. NovoScribe erstellte CSRs schneller und präziser und benötigte weniger Ressourcen als die vorherigen manuellen Methoden. NovoScribe war bereit für den Einsatz.

Tobias Kröpelin, Tech Lead für NovoScribe und Statistical Programming Specialist bei Novo Nordisk, erklärt den generativen KI-Stack, der NovoScribe unterstützt. „Jedes Foundation-Modell hat seine eigenen Stärken und Schwächen. Daher experimentieren wir in der Regel mit einer Vielzahl verschiedener Einbettungs- und Generierungsmodelle für jeden Bericht, den wir erstellen.“

NovoScribe nutzt die von Amazon Bedrock gehosteten Foundation-Modelle Claude 3 und Titan sowie die firmeneigene private Instanz von ChatGPT. Mit dem Entwicklungs- und Orchestrierungs-Framework LangChain kann das Team schnell und einfach zwischen Modellen wechseln, ohne den Anwendungscode ändern zu müssen. Mithilfe von Retrieval Augmented Generation (RAG) werden die Modelle mit Berichtsdaten und Vektoreinbettungen versorgt, die von MongoDB Atlas Vector Search verwaltet werden.

NovoScribe generiert validierten Text basierend auf definierten Inhaltsregeln und statistischen Ausgaben. Atlas Vector Search berechnet die Ähnlichkeit jedes Textausschnitts mit den relevanten Statistiken. In Kombination mit den LLM-Ausgaben wird der CSR erstellt. Durch die Nutzung von Atlas Vector Search wird der relevante Text mit hoher Präzision und Genauigkeit ausgewählt. Die vollständige Herkunft aller Quellen wird angegeben, sodass die Autoren die Genauigkeit verifizieren können, wodurch wochenlange Schreib- und Überarbeitungsprozesse entfallen.

„Das Besondere an MongoDB Atlas ist, dass wir native Vektoreinbettungen des Berichts direkt neben allen zugehörigen Textausschnitten und Metadaten speichern können“, erklärt Kröpelin. „So können wir sehr leistungsstarke und komplexe Abfragen schnell ausführen. Für jede Vektoreinbettung können wir filtern, aus welchem Quelldokument sie stammt, wer sie verfasst hat und wann sie erstellt wurde.“

Generative KI + MongoDB Atlas: schnell starten und sicher in der Cloud skalieren

Zu Beginn des NovoScribe-Projekts begannen Kröpelin und das Novo Nordisk Statistics-Team mit den Relational Databases, die sie normalerweise in ihrer täglichen Arbeit verwendeten. Es wurde jedoch schnell offensichtlich, dass das Datenmodell, das sowohl statistische Ausgaben als auch Berichtstexte in die LLMs einspeisen sollte, äußerst komplex und bei weitem nicht flexibel genug war, um mit dem Tempo der schnellen Entwicklung der Funktionen von NovoScribe Schritt zu halten.

Kröpelin erklärt: „Wenn wir mit dem tabellarischen Modell unserer herkömmlichen Relational Database gearbeitet hätten, hätten wir am Ende Dutzende separater Tabellen mit jeweils nur wenigen Spalten gehabt. Diese ähnelten in keiner Weise den Python-Wörterbüchern, mit denen mein Team im Code arbeitete, was unsere Entwicklungsgeschwindigkeit verlangsamte. Was uns auch verlangsamte, war, dass wir ohne komplexe Schemamigrationen in der Datenbank keine Änderungen an unserer Anwendung vornehmen konnten. Wenn dann alle diese Tabellen bei der Abfrage zusammengeführt wurden, um die LLMs mit Daten zu versorgen, beeinträchtigte dies die Anwendungsleistung und die Benutzererfahrung erheblich.“

Neben Relational Databases war Kröpelins Team auch mit MongoDB vertraut und erkannte schnell, dass dessen Dokumentdatenmodell die von NovoScribe geforderte Benutzerfreundlichkeit, Flexibilität und Geschwindigkeit bieten würde. Ein einziger Aufruf des MongoDB Python-Treibers kann das gesamte Objekt – einschließlich der Quelltextausschnitte, seiner Vektoreinbettung und Metadaten – abrufen, ohne dass Daten zusammengeführt werden müssen.

Zusätzlich zum programmgesteuerten Zugriff steht MongoDB Compass auch Teammitgliedern ohne Entwicklerkenntnisse zur Verfügung, um in MongoDB gespeicherte Daten über eine grafische Benutzeroberfläche anzuzeigen und zu filtern. So können sie die Vollständigkeit des Datensatzes überprüfen, bevor er an die LLMs weitergeleitet wird.

Durch die Nutzung des vollständig verwalteten MongoDB Atlas-Dienstes erhält Novo Nordisk die geschäftskritischen Sicherheiten, die für den Betrieb streng regulierter Anwendungen erforderlich sind. Waheed Jowiya, Digitalisation Strategy Lead bei Novo Nordisk, erklärt: „Sicherheit und Notfallwiederherstellung sind unverzichtbar. Wir verfügen über VPC-Zugriff über den Support von Atlas für Amazon PrivateLink. Darüber hinaus sind differenzierte Zugriffskontrollen, Audits, End-to-End-Datenverschlüsselung und Backups Standardfunktionen von Atlas, die mit einfachen API-Aufrufen konfiguriert werden können.“

Jowiya ergänzt: „Wir haben ein kleines Team. Daher ist die von MongoDB Atlas bereitgestellte Betriebsautomatisierung von unschätzbarem Wert. Es bietet uns auch Flexibilität. NovoScribe wird derzeit auf AWS ausgeführt, jedoch unterhalten wir als Unternehmen auch eine Geschäftsbeziehung zu Azure. Dank des Multi-Cloud-Supports können wir Atlas auf beiden Hyperscale-Plattformen mit vollständiger Freiheit und ohne Lock-in betreiben.“

Generative KI: Erschließung unglaublicher Produktivitätssteigerungen und Blick in die Zukunft

Heute erstellt NovoScribe etwa 30 % aller CSRs für Novo Nordisk, und bis zum Jahresende soll dieser Anteil auf über 90 % steigen. Die erzielten Ergebnisse verdeutlichen, warum NovoScribe im gesamten Unternehmen so schnell an Akzeptanz gewinnt.

Jowiya ergänzt, dass die LLMs nur wenige Minuten benötigen, um den CSR mithilfe der aus MongoDB Atlas abgerufenen Daten zu generieren und so die endgültige Ausgabe zu erstellen. Die restliche Zeit wird für die Qualitätssicherung aufgewendet. Hochqualifizierte Teammitglieder müssen nicht mehr die Zeit aufwenden, um die Daten zusammenzutragen oder mehrfach zu überprüfen, ob sie die richtigen Statistiken in den entsprechenden Abschnitt des Berichts einfügen. Die generativen KI-Modelle automatisieren nun den Prozess, sodass sie sich auf die Durchführung bahnbrechender Forschung und Entwicklung konzentrieren können.

Für Novo Nordisk ist NovoScribe erst der Anfang. Über CSRs hinaus erkundet das Unternehmen viele neue Möglichkeiten, generative KI in allen Geschäftsbereichen einzusetzen, wobei MongoDB Atlas im Mittelpunkt seiner Bemühungen steht.

Wie geht es weiter?

Erfahren Sie mehr darüber, wie andere MongoDB-Kunden Innovationen mit KI vorantreiben. Sie können sich auch für MongoDB Atlas registrieren und die Atlas Vector Search Schnellstartanleitung aufrufen, um mit der Erstellung intelligenterer Suchvorgänge zu beginnen oder um generative KI in Ihrem nächsten Projekt einzusetzen.