Pharma: come Data science e AI accelerano la ricerca in laboratorio

La Data Science come alleato strategico per tagliare tempi e costi di sviluppo di nuovi farmaci, in grado non solo di accelerare la sperimentazione clinica, ma anche di abilitare una medicina personalizzata

Pubblicato il 10 Apr 2020

precision-medicine

Oggi la Data Science rappresenta per la ricerca farmacologica un alleato strategico, capace di accelerare quel rigoroso processo di analisi alla base di qualsiasi sviluppo terapeutico. Un percorso tradizionalmente difficile, lungo e particolarmente oneroso. Per la progettazione e lo sviluppo di un farmaco possono occorrere, infatti, fino a dieci anni e investimenti oltre due i miliardi di euro. Tempi e costi indispensabili per rispettare con massimo scrupolo un processo regolamentato da normative estremamente rigide, stabilite per tutelare la salute e la sicurezza di chi farà uso del nuovo farmaco. Alla base della progettazione un susseguirsi di fasi alimentate dall’incrocio di tutti i dati disponibili, ognuna delle quali incaricata, a propria volta, di generare dati utili per gli step procedurali successivi: tutte informazioni da raccogliere e incrociare, mettendole a disposizione di professionisti e scienziati dalle competenze eterogenee. Un contesto interdisciplinare in cui la Data Science mette a disposizione strumenti di analisi formidabili, applicando ai Big Data algoritmi di intelligenza artificiale e machine learning capaci non solo di abbattere i tempi di ricerca e di sviluppo, ma anche di ridurre i costi di trasferimento del farmaco dai laboratori al mercato.

Data Science per accelerare lo sviluppo dei farmaci

La capacità di incrociare dati provenienti da molteplici fonti, estraendone i più significativi rende la Data Science uno strumento preziosissimo nelle mani dei ricercatori, che grazie agli strumenti di analisi avanzata possono esplorare velocemente un enorme patrimonio informativo. Un’accelerazione nei tempi di consultazione ed elaborazione che taglia i tempi di ricerca e sviluppo dei nuovi farmaci, mettendo anche a disposizione tool predittivi in grado di fornire suggerimenti sulle strade migliori da percorrere per arrivare prima al risultato. E questo soprattutto se la base dati su cui la Data Science lavora è ampia e articolata: una ricchezza che non rallenta le varie fasi del processo, ma anzi le consolida con un maggior numero di informazioni a supporto. Per questo, molte aziende farmaceutiche anche concorrenti stanno ormai collaborando in modo stabile, condividendo l’enorme patrimonio dati in loro possesso.

Data Science per aumentare l’efficacia degli studi clinici

Gli studi clinici per lo sviluppo di nuovi farmaci sono costosi, richiedono molto tempo e necessitano del giusto mix di pazienti per giungere a risultati validi. Da questo punto di vista i Big Data e la Data Science possono dare una mano straordinaria, aiutando a identificare con precisione i soggetti più indicati per una specifica ricerca sperimentale. Gli studi clinici possono, così, incrementare la propria validità, aggiungendo anche la possibilità di incrociare in tempo reale tutti i dati generati in remoto dai pazienti con quelli provenienti da precedenti casi di sperimentazione. Un monitoraggio che consente persino di identificare in modo più attendibile i potenziali effetti collaterali, allertando i ricercatori su eventuali interazioni e controindicazioni dei nuovi trattamenti, e contribuire così ad aumentare il livello di sicurezza dei farmaci in sviluppo.

Data Science, fattore abilitante di una medicina di precisione

L’individuazione dei pazienti più adatti a partecipare alle sperimentazioni farmacologiche non rende gli studi clinici solo più attendibili. Consente anche di sviluppare farmaci molto più mirati, specifici per soggetti con le stesse caratteristiche. Soggetti su cui sono disponibili sempre più dati grazie alle informazioni fornite dal sequenziamento genomico, dai sensori medici e dalle cartelle cliniche elettroniche: un patrimonio che non solo permette alle aziende farmaceutiche di studiare in modo molto più approfondito le cause di determinate patologie, ma anche di trattarle in modo più specifico in funzione delle caratteristiche dei pazienti. Pur essendo affette dalla stessa malattia, spesso le persone rispondono, infatti, in modo differente ai trattamenti, il che rende particolarmente importante riuscire a sviluppare modelli terapeutici personalizzati. La capacità di esplorare e incrociare dati provenienti da più fonti consente ai laboratori di ricerca di individuare proprio questi modelli, aiutando a realizzare farmaci di precisione, più mirati sulle caratteristiche dei pazienti.

Data Science per servizi mirati e personalizzati

Combinati con modelli analitici avanzati, i dati generati dai sensori medici utilizzati dai pazienti offrono all’industria farmaceutica un’importante visibilità non solo sugli effetti delle terapie in test, ma anche sui comportamenti degli utenti: informazioni che, accanto alla progettazione di farmaci personalizzati, contribuiscono anche alla realizzazione di servizi mirati. Un esempio potrebbe essere la creazione di un’app incaricata di inviare un messaggio ai pazienti per ricordare loro di assumere un farmaco, in modo da migliorarne il rispetto del protocollo oppure la progettazione di un servizio capace di interpretare alcuni parametri elettrofisiologici per migliorare le terapie prescritte dai medici. Tutte opzioni possibili grazie a strumenti di Data Science in grado di elaborare in tempo reale tutti i dati raccolti.

Data Science per le attività di follow up

Nel processo di sviluppo di un farmaco, la fase di follow-up presso il paziente riveste una rilevanza enorme. Questa attività consente, infatti, di sapere esattamente come vengono usati i farmaci, monitorandone l’effetto sullo stato di salute di chi li assume. Si tratta di un lavoro lungo e oneroso, che obbliga a una raccolta particolarmente accurata di dati essenziali per lo sviluppo delle terapie farmacologiche. Anche in questo caso la Data Science corre in aiuto, mettendo a disposizione strumenti di analisi e modellazione capaci di semplificare il lavoro di indagine, trasformando questi dati in una combinazione di informazioni capaci di rappresentare al meglio l’evento da studiare.

Data science Pharma

In realtà, le aziende farmaceutiche si sono sempre affidate a dati empirici per l’identificazione modelli, testare le teorie e comprendere l’efficacia dei trattamenti. L’analisi dei dati in maniera analitica attraverso la Data science può essere vista come un’evoluzione di una tendenza che continua da centinaia di anni. Le tecnologie ICT, in buona sostanza, assicurano l’accelerazione di questo processo, rendendo possibile condividere e attingere a più fonti di informazione contemporaneamente. Molto di più di quanto potrebbe fare, singolarmente, una mente umana. Le tecnologie di analisi dei dati , permettendo di elaborare e dare un senso ai parametri ricevuti, rappresenta una grande opportunità per le aziende farmaceutiche, che possono approfondire i propri dati e ottenere informazioni  di valore da essi. In particolare, la Data Science e l’intelligenza artificiale hanno il potenziale per trasformare la scoperta di nuovi farmaci in termini di costi, velocità ed efficienza. Tanto che tutte le previsioni di mercato evidenziano come si assisterà a un’adozione a pieno titolo dell’Intelligenza artificiale da parte delle aziende farmaceutiche e biotecnologiche nei prossimi 4-5 anni.

Data scientist Pharma

Ovviamente un ruolo cruciale per la diffusione della Data Science nel mondo farmaceutico è demandato ai Data Scientist, agli esperti dell’analisi dei dati, che infatti sono sempre più presenti in questo settore. A loro spetta il compito di estrarre informazioni di valore dalla grande mole di dati a disposizione delle aziende del settore. Da rilevare che queste figure hanno a disposizione oggi delle soluzioni che facilitano e migliorano il loro lavoro. Basti pensare che il Progetto Genoma Umano, che si è svolto dal 1990 al 2003, ha richiesto anni di lavoro pionieristico per arrivare al sequenziamento del genoma. Oggi invece, grazie all’evoluzione delle tecnologie, un lavoro analogo può essere fatto in poche ore e a costi contenuti. I data scientist che lavorano nel settore utilizzano sempre di più framework e strumenti per archiviare, tracciare, ricevere, analizzare e interpretare i propri dati.  Questi professionisti possono lasciare che l’intelligenza artificiale (AI) faccia il duro lavoro di setacciare le librerie di potenziali farmaci, valutando ciò che potrebbe  funzionare in base ai criteri specifici di ogni progetto. Oppure sono disponibili sempre più  software automatizzati che consentono di esaminare milioni di composti, al fine di identificare i farmaci adatti per una sperimentazione clinica.

Big Data Pharma

Il settore farmaceutico, per molti versi, è un comparto economico come tutti gli altri. Questo significa che le aziende che ci lavorano hanno bisogno di fare risultati di business e profitti, così anche da alimentare la spinta alla ricerca scientifica e all’innovazione.  Questo significa che, come le altre aziende, anche le imprese farmaceutiche sono sottoposte a forte pressioni, in particolare per diversificare il portafoglio di prodotti e mantenere i flussi di reddito costanti. Il problema è che il classico  processo di sviluppo dei farmaci è lungo e complesso, nonchè spesso estremamente costoso.  Fortunatamente i progressi nelle tecnologie di archiviazione, rete e informatica consentono di accorciare notevolmente queste tempistiche, grazie allo sfruttamento dei Big Data a disposizione. Questi ultimi possono essere utilizzati per supportare l’analisi scientifica e per permettere alle organizzazioni del Pharma di ottenere risultati di business più ottimali.

Data analytics pharma

Insomma, sino a pochi anni fa era considerato praticamente impossibile pensare che la grande quantità di dati generata dai settori farmaceutico e sanitario potesse essere raccolta e analizzata in tempo reale. Con l’avvento delle moderne tecnologie Data Analytics, le aziende farmaceutiche le aziende possono integrare ed elaborare milioni di record su dati strutturati e non strutturati, inclusi appunti medici, dati di studi clinici, trascrizioni mediche, reclami, cartelle di pazienti e persino post sui social media. Le informazioni di valore estratte dai data Analytics consentono alle aziende farmaceutiche di investire più proficuamente in nuovi farmaci e sviluppare strategie di vendita più precise e differenziate nella distribuzione, guadagnando così nuove opportunità di mercato. In buona sostanza, le piattaforme di Data Analytics aiutano le aziende farmaceutiche a sfruttare le intuizioni di machine learning, intelligenza artificiale,  per ottenere un vantaggio competitivo, a beneficio del proprio modello industriale ma anche della società nel suo complesso. Che può alla fine contare su farmaci innovativi disponibili in tempi più rapidi e costruiti in maniera ottimale.

IBM Watson Health a supporto della ricerca farmacologica

Nuove terapie farmacologiche, sperimentazioni cliniche mirate, medicina di precisione, creazione di servizi personalizzati: per ottimizzare efficacia e time to market, qualsiasi ambito della ricerca e sviluppo sanitaria necessita di informazioni precise e tempestive, estrapolate da set di dati attentamente modellati. Una visibilità garantita da tecnologie cognitive avanzate, che facilitano la scoperta di modelli normalmente nascosti in dati disconnessi. Come quelle offerte da IBM Watson Health Life Science, in grado di accelerare l’innovazione per metterla subito a disposizione dei pazienti. Ne fanno parte le soluzioni Watson for Drug Discovery (capace di generare veloci insight e creare tutto il potenziale per un time to market più ridotto), Watson Clinical Development (per la gestione dei test clinici con maggiore controllo, convenienza e sicurezza), CTMS for sites (un sistema completo per la gestione dei test clinici in grado di ottimizzare il processo di gestione degli studi e centralizzare la ricerca clinica), Watson for Patient Safety (per trasformare il lavoro di monitoraggio della sicurezza dei pazienti da un processo manuale reattivo a una fonte predittiva di insight), Watson for Real World Evidence (una piattaforma che consente ai ricercatori di esplorare, visualizzare, analizzare e condividere risultati reali) e, infine, Watson Platform for Health (la piattaforma di dati sanitari che può essere utilizzata dalle aziende per creare applicazioni sanitarie digitali innovative, sfruttando tutta la potenza del cognitive, dell’IoT e dei Big Data).

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Speciale Digital360Awards e CIOsumm.it

Tutti
Update
Round table
Keynote
Video
Digital360Awards e CIOsumm.it, i momenti salienti
Eventi
Digital360 Awards e CIOsumm.IT, ecco i progetti vincitori
Tavola rotonda
Evoluzione del CIO: da centro di costo a motore strategico del business
Tavola rotonda
Business Process Augmentation: dall’RPA alla GenAI… il dato e tratto
Approfondimenti
Sistemi digitali potenziati: l’intelligenza dei chatbot è nelle mani dei CIO
Tavola rotonda
Intelligenza collaborativa e AI: sfide e opportunità per i CIO nell’era dello Human to Machine (H2M) 
Approfondimenti
Open Source: collaborazione e innovazione nel caos apparente del software libero 
Metodologie
BANI: che cos’è e come l’AI può aiutare i CIO a gestire la felicità (e l’infelicità) dei talenti
Prospettive
AI in un mondo complesso. Tra ordine e disordine, le aziende iniziano a capire la giusta via
Approfondimenti
Intelligenza Umana vs Intelligenza Artificiale insieme. Non invece
Eventi
Digital360 Awards e CIOsumm.IT, al via l’evento conclusivo
Video
Digital360Awards e CIOsumm.it, i momenti salienti
Eventi
Digital360 Awards e CIOsumm.IT, ecco i progetti vincitori
Tavola rotonda
Evoluzione del CIO: da centro di costo a motore strategico del business
Tavola rotonda
Business Process Augmentation: dall’RPA alla GenAI… il dato e tratto
Approfondimenti
Sistemi digitali potenziati: l’intelligenza dei chatbot è nelle mani dei CIO
Tavola rotonda
Intelligenza collaborativa e AI: sfide e opportunità per i CIO nell’era dello Human to Machine (H2M) 
Approfondimenti
Open Source: collaborazione e innovazione nel caos apparente del software libero 
Metodologie
BANI: che cos’è e come l’AI può aiutare i CIO a gestire la felicità (e l’infelicità) dei talenti
Prospettive
AI in un mondo complesso. Tra ordine e disordine, le aziende iniziano a capire la giusta via
Approfondimenti
Intelligenza Umana vs Intelligenza Artificiale insieme. Non invece
Eventi
Digital360 Awards e CIOsumm.IT, al via l’evento conclusivo

Articoli correlati

Articolo 1 di 4