Data & AI

Algoritme sorterer 18.000 dokumenter hos LEO Pharma

Med en kombination af machine learning, automatisering og co-creation har NNIT og LEO Pharma arbejdet sammen om at udvikle en metode, der sikrer bedre orden og struktur i tusindvis af forretningskritiske dokumenter. Projektet forventes at frigøre ressourcer for et tocifret millionbeløb.

Dokumenthåndtering er en almindelig udfordring i life science-industrien. De fleste pharma-virksomheder opbevarer tusindvis af dokumenter på platforme såsom Veeva Vault. Det er blandt andet arbejdsinstrukser og standardprocedurer (SOPs), som er kritiske for produktionen af lægemidler. Men for at undgå, at dubletter, test-dokumenter og gamle kladder, nogle med færre end 100 tegn, bliver blandet sammen med de gyldige dokumenter, er det nødvendigt at allokere betydelige ressourcer til at opretholde dokument-compliance.

For at innovere deres dokumenthåndtering og optimere deres oprydning, har LEO Pharma samarbejdet med NNIT om en banebrydende tilgang til udfordringen: at anvende AI til at understøtte dokumenthåndteringen og gøre den mere brugervenlig.

Ifølge et konservativt estimat vil projektet frigøre ressourcer for et tocifret millionbeløb, som i stedet kan allokeres til mere produktive opgaver. Initiativet skal også bane vejen for optimering af interne processer og generelt fremme en mere data-drevet tilgang til dokumenthåndtering.

50 års oprydning
Ideen om at anvende AI opstod da, LEO Pharma havde beregnet, at det cirka ville tage et menneske cirka 50 år at gennemgå og rydde op i de næsten 18.000 dokumenter.

– Vi indså tidligt, hvor lang tid det ville tage at udføre oprydningen manuelt. Alene det at holde rede på, hvilke dokumenter vi har været igennem, er en udfordring. For at gøre processen mere overkommelig besluttede vi at undersøge mulighederne for at anvende AI og få en algoritme til at hjælpe med at sortere, fortæller Josefine Hedehus, Project Manager, Quality Systems & Business Process Management ved LEO Pharma.

Sammen med sin kollega Torben Craner er hun projektleder på oprydningsprojektet, der strækker sig på tværs af LEO Pharmas globale organisation og involverer en del stakeholdere, især fra de forretningsområder, der har ansvar for mange dokumenter.

Co-creation gennem hele projektet
Som en del af oprydningsprocessen ønskede LEO Pharma også at indføre et nyt niveau i dokumentstrukturen, så indholdet blev grupperet i relevante underkategorier. Derfor havde de behov for en partner, der ikke blot havde kendskab til AI og Veeva, men også til de arbejdsprocesser og de regulative krav, der kendetegner en life science-organisation.

– Foruden deres erfaring med Veeva, har NNIT også stor indsigt i arbejdet med dokumenthåndtering og dybdegående GxP-kendskab. Lige fra begyndelsen var der en god atmosfære og et godt drive til projektet. NNIT’s team var gode til at stille afklarende spørgsmål, så vi kunne kalibrere sorteringen korrekt. Undervejs bød de ind med ideer og observationer, som vi ikke havde overvejet, så hele processen var karakteriseret ved co-creation og engagement over al forventning, siger Torben Craner.

Menneske og maskine der arbejder sammen
Baseret på den indledende forventningsafstemning designede NNIT en intelligent data quality-løsning baseret på teknologi fra Amazon Web Services (AWS), som anvender natural language processing (NLP). Dette betyder, at AI-algoritmen ikke kun kan genkende individuelle ord, men også fortolke og analysere teksten ud fra kontekst og naturligt sprogbrug, så den kan scanne dokumenterne og trække struktureret indhold direkte ud fra teksten.

Resultatet af algoritmens sortering bliver vist i en brugervenlig AI-træningsapplikation, hvor subject matter experts (SME) fra LEO Pharma kan gennemgå og kvalificere dokumenterne. Dette tillader brugere at kommunikere direkte til algoritmen og forbedre den, så den bliver endnu mere præcis. Når først dokumenterne er klassificeret ordentligt, kan sorteringen automatiseres yderligere.

– En vigtig erfaring var, at det fungerede godt at kombinere algoritmen med menneskelige brugere og automatisering. De rå data kan ikke stå alene. Meget af indholdet er for eksempel LEO-specifikt, som deres SME er nødt til at forstå og kvalificere. Vi kørte en række workshops, hvor vi gennemgik grovsorteringen, og omkring 90 procent af indholdet var sorteret korrekt efter den første runde med input fra SME, siger Peter Smedegaard Andersen, Advanced Advisory Consultant hos NNIT.

Forbedrer kvaliteten af dokumenter brugt til træning
De positive effekter af den nye proces for dokumenthåndtering kan også mærkes i andre områder af LEO Pharmas forretning, såsom i kvaliteten af dokumenter brugt til træning.

– Træning er en vigtig del af GxP. Ved at implementere en mere struktureret oprydningsproces sikrer vi, at kvaliteten af dokumenter, som vi benytter til træning, bliver forbedret – og det øger kvaliteten af den del af vores træning, som omhandler ”Læs og Forstå”, siger Josefine Cramer Hedehus.

Efter i alt 20 ugers opstart og implementering er løsningen nu overdraget til LEO Pharma, hvor den bliver brugt til yderligere oprydning og reorganisering af dokumenter og som en del af den overordnede datarapportering.

Hvis du vil vide mere om Intelligent Data Quality-løsninger fra NNIT, kan du kontakte Peter Smedegaard Andersen, Advanced Advisory Consultant hos NNIT – peax@nnit.com.

Algorithm LEO

Intelligent Data Quality-løsningen til LEO Pharma indeholder flere AWS services, inklusive AWS Textract, Amazon Simple Storage Service (S3) og AWS Comprehend Medical, og hosted på AWS’ Cloud-infrastruktur.