机器学习如何为临床试验业务节省数百万美元
作为一家大型临床试验服务提供商，WCG对许多药物和医疗设备的市场路径具有相当大的影响。但作为30多家前独立的公司的集合体，很难获得支持这些服务的一致数据。这就是Tamr的数据掌握解决方案提供帮助的地方。作为一个临床服务组织，WCG代表制药公司和设备制造商处理临床试验的所有方面，从人力资源和IT到患者参与和道德审查，为默克和罗氏等制药巨头以及数以千计的中小型制药初创公司和研究集团提供关键服务，这些公司寻求获得监管机构对新药和设备的批准。该公司唯一没有提供的服务就是进行实际试验。“我们不这么做。”该公司的首
作为一家大型临床试验服务提供商，WCG对许多药物和医疗设备的市场路径具有相当大的影响。但作为30多家前独立的公司的集合体，很难获得支持这些服务的一致数据。这就是Tamr的数据掌握解决方案提供帮助的地方。
作为一个临床服务组织，WCG代表制药公司和设备制造商处理临床试验的所有方面，从人力资源和IT到患者参与和道德审查，为默克和罗氏等制药巨头以及数以千计的中小型制药初创公司和研究集团提供关键服务，这些公司寻求获得监管机构对新药和设备的批准。
该公司唯一没有提供的服务就是进行实际试验。“我们不这么做。”该公司的首席技术官兼数据官阿特·莫拉莱斯(Art Morales)说。
在过去十年中，WCG通过收购35家公司，在临床试验行业建立了有利可图的利基市场。每一家公司——其中一些已经有50多年的历史——都专门处理临床试验过程的某些方面。这些公司开发了他们自己的定制软件应用程序来自动化他们的各种业务流程，提供了非常有价值的知识产权来源。
从每个独立业务的角度来看，拥有不同的系统很有意义，但这对WCG构成了挑战，WCG希望对所有子公司的运营保持一致的看法。
该公司最初试图以人工解决数据不一致的问题。一个大约5到10人的团队工作了两年，根除了35家子公司使用的不同系统中存在的拼写错误、重复条目和其他数据错误。经过清理的标准化数据存储在运行在云端的WCG数据仓库中，在那里可以使用各种强大的分析引擎对数据进行分析。
“我们遇到的一个大问题是，你如何确定一个‘节点’在不同的组织中是同一个‘节点’?” 莫拉莱斯解释道。“在一些系统中，可能有地址，也可能没有地址，也可能地址拼写不正确。有些数据可能只是缺失了，真的有很多不确定性。”
由于这种不确定性和需要逐个作出决定，手工掌握数据的过程是乏味和耗时的。该公司花费了数百万美元来掌握数据，但数据仍然存在不一致性。
莫拉莱斯意识到应该有更好的办法。他从Tamr那里听说了一个数据掌握工具，它使用机器学习来自动识别大型数据集中的已知实体。
基于机器学习的数据掌握
Tamr是一个数据质量工具，诞生于八年前，源自麻省理工学院著名计算机科学家Mike Stonebraker进行的学术研究。
据曾长期担任Qlik高管、现为Tamr首席产品官的安东尼·戴顿(Anthony Deighton)称，Stonebraker认为，机器学习对于解决长期存在的数据质量问题是必要的，这些问题在大数据规模下会加剧。
多年来，解决这一难题的规定解决方案一直是主数据管理(MDM)项目。不再依赖于每个单独的系统来确保所有的事情都是正确的，单独的数据系统将拥有指向已知的数据副本的指针——可以称之为“黄金唱片”。
金唱片的方法可以解决问题，至少他们是这么认为的。然而，一旦遇到现实，再周密的计划也有化为尘土的风险。这正是传统MDM所发生的情况。
依靠人类来清理和管理数据是徒劳的。这是行不通的。
Stonebraker对这个问题的深刻见解是使用机器学习来对数据进行分类，就像谷歌在早期互联网上使用机器学习来自动对网站进行分类一样，这打败了雅虎(Yahoo)手动管理互联网的努力。
通过训练机器识别业务系统中的实体，Tamr找到了一种自动创建黄金唱片的方法。团队得出的一个关键结论是，当人们被要求用有限的一组选项来确认一致性时，要比同时使用几十个或数百个选项做得好得多。
临床上黄金唱片
WCG的Tamr试验于2021年5月开始。经过一段时间的训练，Tamr软件观察并学习员工如何处理数据差异。
WCG的一组员工与Tamr一起检查和清理数据仓库中的所有数据源。该软件识别了“集群”，即两个或两个以上的术语，它们在不同的应用程序中表示相同的东西，并作为黄金记录加载在WCG的云数据仓库中。
在将数据加载到数据仓库之前，每个数据源都要通过Tamr运行。数据源的大小从大约50,000条记录到超过100万条记录不等，每个实体可能有200列左右。问题不在于数量，而在于复杂性。除了将数据掌握过程加快约4倍之外，Tamr工具还产生了更标准化的数据，这意味着业务运营的清晰度更高。
“当你清理数据时，现在你可以使用更干净的数据来获得更好的运营洞察力。” 莫拉莱斯说。“我们可以通过Salesforce和我们的应用程序进行匹配，以知道这些是正确的东西。以前，如果数据没有被清洗干净，你会匹配50%。现在我们可以匹配80%。因此，使用我们正在做的事情有非常明显的操作好处。”
Tamr不能成功地将所有实体匹配到集群中，仍然有一些边缘情况需要人类的专业知识。在这些情况下，软件会让操作员知道它对匹配的信心很低。但根据莫拉莱斯的说法，Tamr非常擅长找到明显的匹配。他说，从第一天起，准确率约为95%。
“你必须接受任何数据掌握项目都会出现不匹配。会出现第一类和第二类错误，”他说。“如果你能从....追踪这些错误的来源就很好了。因为人类也会犯同样的错误。”
此外，Tamr还有助于WCG更好地理解其数据。
莫拉莱斯说，该公司的人工数据掌握方法总共花费了数百万美元，而Tamr的费用不到100万美元。数据质量的改善更难量化，但可以说是更重要的。
Shapr3D是一款面向工业设计、机械工程、建筑概念和三维打印工作流的CAD软件。Mac版采用Parasolid建模内核，支持草图约束、实体建模、工程图、可视化渲染及常见CAD格式交换，并可通过账户在多台设备之间同步项目。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Ableton Live 是面向音乐制作人与现场表演者的数字音频工作站，提供编曲视图、独具特色的现场视图、音频录制、MIDI创作、实时变速、乐器及效果器。Mac版原生支持Apple芯片，并可连接音频接口、MIDI控制器和第三方插件。
Adobe After Effects 是面向动态图形、影视特效与视频合成的专业创作软件。它提供关键帧动画、遮罩抠像、运动跟踪、三维空间、文字动画和表达式等工具，并可与 Premiere Pro、Photoshop、Illustrator
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Adobe Bridge 是面向摄影师、设计师及内容团队的免费数字资产管理工具，可集中预览照片、视频和 Adobe 项目文件，并利用评级、标签、关键词、元数据、筛选与收藏集完成分类检索。它还支持批量重命名、格式导出、相机导入及 Camera
Adobe Illustrator 是 Adobe 推出的专业矢量图形设计软件，适合在 Mac 上制作标志、图标、插画、包装、信息图及印刷版面。它以路径和锚点构建可无损缩放的图形，并提供钢笔、形状、文字、图像描摹、渐变、画板及生成式功能。
Adobe InDesign 是面向印刷品与数字出版物的专业版面设计软件，可在 Mac 上制作书籍、杂志、宣传册、海报、报告及交互式文档。它提供精细的文字样式、网格、母版、长文档管理和印前输出能力。
Adobe Lightroom Classic 是面向桌面摄影工作流的照片管理与后期处理软件，可将原始照片保存在本地硬盘，通过目录、关键词、评分和收藏夹高效整理图库，并提供 RAW 冲印、蒙版、镜头校正、批量同步及多格式导出等功能。
Adobe Media Encoder 是 Adobe 推出的专业音视频编码与转码工具，可通过队列、预设和监视文件夹批量完成格式转换、代理文件创建及多平台成片输出，并与 Premiere Pro、After Effects 等软件紧密协作。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理软件，提供图层、蒙版、选区、修复、调色、文字排版、智能对象及生成式编辑等能力。Mac 版支持 Intel 与 Apple Silicon 处理器。
Adobe Premiere Pro 是面向专业视频制作的非线性剪辑软件，提供多轨时间线、调色、音频处理、字幕、代理工作流和多格式输出能力，并可与 After Effects、Audition、Photoshop 及 Frame.io 协同
Photoshop 2026 是 Adobe 推出的专业图像处理与视觉设计软件，支持 Windows、macOS 和 iPad 等平台，广泛应用于摄影修图、电商设计、平面海报、数字绘画及视觉合成等创作场景。
Blender 是一款免费开源、跨平台的专业 3D 创作软件，集建模、动画、渲染、视频编辑与视觉合成等功能于一体，广泛应用于影视动画、游戏设计和建筑可视化等领域。软件支持 Cycles 物理渲染器与 Eevee 实时渲染引擎，并提供多边形建模、骨骼绑定、物理模拟等专业工具。Blender 兼容 Windows、macOS 和 Linux 系统，安装包轻巧、运行流畅，依托活跃的全球开发者社区持续更新，是从初学者到专业创作者都值得选择的正版 3D 创作工具。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。