Возможности, которые дает использование Big data в современном мире очень велики, от нового импульса к развитию компаний и отраслей, замедлившим свой рост, до открытия новых вариантов диверсификации бизнеса и переориентации на зарождающиеся рынки. Одной из таких отраслей является фармакология, где big data внедряется не только в сферах продаж и маркетинге, но и в исследованиях и разработке (R&D).
В фарме данные поступают из разнообразных источников — от процесса R&D до оказания услуг пациентам в больницах. Полученный объем информации позволяет быстрее и лучше разрабатывать лекарственные препараты и выводить их на окупаемость.
Эффект проявляется в экономии затрат по разным направлениям: оптимизация процесса внедрения инноваций, проведение исследований и клинических испытаний, использование новых digital инструментов для врачей и пациентов, регуляторов и страховщиков. Так, по оценке McKinsey Global Institute — потенциальный эффект Big Data может оцениваться до $ 100 млн в год для системы здравоохранения только в США.
Уже не за горами будущее R&D, где возможно следующее:
- Предиктивные модели биологических процессов на основе молекулярных и клинических данных позволят разрабатывать наиболее эффективные таргетированные лекарства.
- Отбор пациентов будет осуществляться с учетом данных соцсетей и учитывать их генетические характеристики, чтобы достаточный размер выборки при испытаниях был сведен к минимуму.
- Испытания будут корректироваться в реальном времени, реагируя на возможные побочные эффекты и сокращая время ненужных задержек.
- Сбор данных в реальном времени и их перемещение по типу потока от отдела к отделу и к компаниям-партнерам, к примеру, врачам и исследовательским организациям (CRO), анализ которых принесёт практическую пользу бизнесу.
Так с чего же начать работу с Big Data для фармацевтического R&D?
1) Организовать процесс работы с данными
Для того, чтобы системы данных использовались максимально эффективно и приносили пользу в долгосрочной перспективе, нужны изменения в самой организации. Мышление, ориентированное на данные, подразумевает, что для каждого типа собираемых данных определяется их жизненный цикл, а также определяется владелец данных, чей опыт работы с данными может помочь при их анализе.
2) Интегрировать все имеющиеся данные
Одна из самых больших сложностей R&D фармы — это получить полностью согласованные, связанные между собой, надежные данные. Эффективная сквозная интеграция данных, которая аккуратно связывает разрозненные источники данных, позволяет использовать «умные» алгоритмы аналитики, которые приносят максимальную выгоду компании.
Компании обычно придерживаются 2-этапного подхода к построению систем big data, с целью получения как можно более быстрого эффекта: сначала включают в систему самые «нужные» данные (например, клинические испытания), а потом уже постепенно добавляют остальные данные по мере их важности (временные ряды, сценарный анализ и т. д.).
3) Обеспечить техническое оснащение
Фармкомпании часто используют устаревшие системы с азрозненными и разнородными данными. Возникает необходимость увеличить возможности обмена данными и подключить эти системы, для чего требуются узкие технические специалисты и определенное оборудование.
4) Сотрудничать внутри и внешне
Максимальные выгоды могут быть достигнуты при получении инсайтов на стыке областей, таких как клиническая разработка и медицинские исследования. Так исследования могут быть улучшены с помощью предсказательных моделей, предлагающих рекомендации на основе симуляций или клинических данных.
Для создания фармкомпаниями собственных сетей данных для сбора, анализа, обмена данными крайне важны партнерские отношения с плательщиками, поставщиками и другими учреждениями. Некоторые фармкомпании развивают свой «круг доверия», подключая внешних партнеров и предлагая доступ к данным, как привилегию для них: сначала показывая данные в режиме реального времени, и дальше двигаясь к совместному исследованию и использованию данных, таких как быстрое реагирования на реальные результаты и данные претензий.
5) Использовать новые ИТ-технологии
Системы Big data помогают принимать управленческие решения, основанные на данных быстро и без задержек. Для этого могут использоваться приложения с визуализацией, смарт-панели для мониторинга высокого уровня, которые глубоко анализируют данные и показывают подробную оперативную информацию, повышая прозрачность активов компании.
Среди передовых инструментов R&D в фарме — такие высокопроизводительные технологии обработки данных, как секвенирование генома, которое позволит в течение 18−24 месяцев секвенировать весь геном человека примерно за 100 $. Персонализированная медицина и диагностика требует также новых технологий аналитики: интеграция данных генотипа человека с данными клинических испытаний для идентификации чувствительных пациентов.
6) Добавить данные с биометрических устройств
Удаленный мониторинг пациентов с помощью биометрических датчиков и устройств представляет собой огромные возможности. Такие данные, собираемые в реальном времени, могут быть использованы для содействия исследованиям и разработкам, анализу эффективности лекарственного средства и улучшению будущих продаж лекарств.
Устройства удаленного мониторинга также могут добавить ценность, увеличивая следование пациентов их рецептам. Примеры разрабатываемых устройств включают смарт-таблетки, которые могут выпускать лекарства и передавать данные пациента, а также смарт-бутылки, которые помогают отслеживать использование лекарства.
7) Использовать дополнительные источники данных для мониторинга безопасности лекарств
Мониторинг безопасности лекарств открывает новые сложные методы, позволяющие отследить редкие побочные эффекты. Так ранние сигналы о проблемах доступности и репутации лекарств могут быть обнаружены из ряда источников: запросы пациентов в интернете, интернет-сообщества врачей, электронные медицинские записи и потребительские СМИ. Байесовский анализ, который идентифицирует неблагоприятные события из входящих данных, мог бы выявлять редкие или неоднозначные сигналы безопасности более быстро и точно.
____________________________________________________
Еще не так много компаний в фарме полностью внедрили системы big data, однако остается несомненным, что инвестиции в big data будут стремительно расти и приносить неоценимую пользу.
По данным: McKinsey & Company. How big data can revolutionize pharmaceutical R&D. https://www.mckinsey.com/industries/pharmaceuticals-and-medical-products/our-insights/how-big-data-can-revolutionize-pharmaceutical-r-and-d