26/05/2026
🌍 Ravis Technology ได้รับคัดเลือกให้นำเสนอผลงานวิจัยในงาน PharmaSUG 2026 ณ เมืองบอสตัน ประเทศสหรัฐอเมริกา 🇺🇸
PharmaSUG (Software Users Group of life science and health research professionals) ถือเป็นหนึ่งในงานประชุมระดับนานาชาติที่สำคัญของอุตสาหกรรม Pharmaceutical Biostatistics และ Clinical Data Science ซึ่งรวบรวมผู้เชี่ยวชาญด้าน Biostatistics, Clinical Programming, Regulatory Data Standards และ AI for Life Sciences จากทั่วโลก
🚀 ในปีนี้ Ravis Technology จะนำเสนอผลงานวิจัย:
📄 Paper AI-141 — Accelerating CDISC SEND Conversion with AI: From Raw Preclinical Data to Regulatory-Ready Datasets
หัวข้องานวิจัยเราจะนำเสนอ
▸ การประยุกต์ใช้ LLMs + RAG เพื่อแปลงข้อมูล preclinical study ที่ไม่มีโครงสร้าง ให้เป็น SENDIG v3.1.1–compliant datasets
▸ แนวทางการทำ Human-in-the-loop AI workflow สำหรับงาน regulatory data อย่างมี governance
▸ วิธีการประเมินผลระบบ AI แบบสองชั้น (two-layer validation)
▸ การต่อยอด architecture เดียวกันสู่ clinical SDTM workflows
งานวิจัยนี้จะเกิดขึ้นไม่ได้เลยถ้าไม่ได้รับการสนับสนุนจาก Tilsna (เดิมคือ TCELS) ร่วมกับ National Laboratory Animal Center (NLAC), Mahidol University และผศ. ดร. ฐิติพัทธ อัชชะกุลวิสุทธิ์ ที่ปรึกษาด้าน LLM ของพวกเราตลอดมา
ขอบคุณทุกคนที่ทำให้เราได้รับโอกาสนี้ เราจะพยายามพัฒนาผลงานระดับโลกในวงการ Life Science Tech ต่อไปให้ดียิ่งขึ้น
---------------------------------------------------------------
🌍 We are honored and proud that Ravis Technology has been selected to present our research at PharmaSUG 2026 in Boston, USA 🇺🇸
PharmaSUG (Software Users Group of life science and health research professionals) is one of the world’s leading conferences in Pharmaceutical Biostatistics and Clinical Data Science, bringing together global experts in Biostatistics, Clinical Programming, Regulatory Data Standards, and AI for Life Sciences.
🚀 This year, we will present:
📄 Paper AI-141 — Accelerating CDISC SEND Conversion with AI: From Raw Preclinical Data to Regulatory-Ready Datasets
In this session, we will share:
▸ How we engineered LLMs with RAG to transform unstructured preclinical study data into SENDIG v3.1.1–compliant datasets
▸ What a governed, human-in-the-loop AI workflow looks like in real-world regulatory practice
▸ Our two-layer validation methodology for evaluating AI-generated outputs
▸ How this same LLM-RAG architecture can be extended to clinical SDTM workflows
This work was supported by TCELS (now Tilsna), in collaboration with the Mahidol University, National Laboratory Animal Center (NLAC) — an OECD-GLP compliant rodent testing facility in Thailand, and Asst. Prof. Dr. Titipat Achekulvisut, who guided us through the LLM techniques and evaluation methods
We will continue advancing impactful work in life science AI and automation to create positive global impact, as always.
See you in Boston! ✨
