ライフサイエンス分析
ライフサイエンス企業は常にデータ企業です。 NovartisのGlobal Drug Development内のPredictive Analytics＆Designグループのルカ・フィネリ博士は、次のように述べています。「現実には、私たちはデータ会社です。 Finelli博士の見解は、小説を発展させるために彼らのデータを使用している大手ライフサイエンス企業には今や一般的なものです。エキサイティングな分析的アプローチ
analyticsjapan
Jun 3, 2019 03:14
2643
0
ライフサイエンス企業は常にデータ企業です。 NovartisのGlobal Drug Development内のPredictive Analytics＆Designグループのルカ・フィネリ博士は、次のように述べています。「現実には、私たちはデータ会社です。 Finelli博士の見解は、小説を発展させるために彼らのデータを使用している大手ライフサイエンス企業には今や一般的なものです。エキサイティングな分析的アプローチ
発見：
- 候補薬の選択には、潜在的な候補を特定するための膨大な量の生物学的、化学的および臨床的データの収集、処理、および分析が必要です。現在のところ、疾病の潜在的な原因と治療法を理解するためのより効率的な方法に焦点を当てている（コンピュータ処理能力は言うまでもなく）途方もない分析力があります。 （例：BenevolentAI、BERG Health、Schrodinger）
開発：
- 患者追跡が医療提供者にとっての基本的なユースケースであるのと同様に、臨床試験結果追跡はライフサイエンス企業が行う分析作業のバックボーンです。ライフサイエンス企業は、電子データ収集ツールと臨床試験管理システムを通じて、試験の全期間を通して臨床データを収集し、それによって有効性と安全性の分析を実行できます。 （例：Comprehend、Medidata、Medrio）
- 臨床試験の最適化ソリューションは、適応試験の設計および実施方法から、患者の効率的な採用方法および現場の選択、モニタリング、および管理の改善方法まで、さまざまな問題に焦点を当てています。特に患者募集に関しては、有力企業は、効果的な募集キャンペーンを構築するために社会経済的データおよび消費者データを利用し始めています。 （例：Acurian、Parexel、TriNetX）
- 薬物が最初の臨床試験で効力を示さない場合、薬物の再目的化が起こる可能性がありますが、さらに分析すると、人口統計学的、遺伝的、またはその他の特徴を共有する可能性のある亜集団にとって有効であるようです。ライフサイエンス企業が潜在的な目的変更を知らせるためにかなり多くのデータを持っているため、近年、コホート分析へのアプローチがより洗練されています。 （例：Biovista、Excelra）
- 現実世界の証拠はすでに医療従事者が医薬品開発について考える方法を変え始めています。無作為化比較試験は依然として根拠に基づく医療のためのゴールドスタンダードですが、比較試験における治療の実行方法と実社会での実行方法の有効性 - 有効性の差は十分に文書化されています。大手ライフサイエンス企業は、EHR、CPOE、クレーム、社会経済的および行動的データを利用して、日常の臨床診療の条件下で患者の転帰をよりよく理解しています。 （例：Cota Healthcare、Flatiron Health、Parexel、Tempus、Precision Health AI）
ライフサイエンスにおけるセールスおよびマーケティング戦略は、他の成熟産業における戦略に依然として追いついています。ギャップの一部は、医薬品を取り巻く規制上の要件、および処方薬のナビゲートおよび償還戦略の課題の両方を含む、ライフサイエンスにおける高度な複雑さによって説明されています。そしてその一部は、常にイノベーションを促進するものではなかった、ライフサイエンスが享受している広いマージンによって説明されています。しかし今日では、社内チームと第三者チームの両方が新しい分析アプローチを開発しています。
- 医師を対象とした分析は、医師を10分位に分割し、それに応じて営業担当者の努力を割り当てるために、処方量を歴史的に検討してきました。これらのリストは古くなっていることが多く、データは競合他社で共有されているため、競争力を獲得する機会は限られていました。今日、企業は、とりわけインフルエンサーとリフィルを区別し、潜在的な切り替えのシグナルを特定しようとする、より高度な分析を提供しています。つまり、記述分析から予測分析への移行です。 （例：マーケットウェア、Veeva）
- まれな病気の患者所見。患者の位置を特定することは多くの治療分野での課題ですが、まれな病気の会社にとっては特に深刻です。有力企業は現在、潜在的な患者の特定に役立つように、処方データセットと診断データセットに機械学習を適用しています。 （例：RDMD、Swoop、Syneos Health）*流通および販売分析多くの企業が、費用対効果の高い効率的な医薬品販売戦略を立案し、販売戦略の有効性に関する洞察を生み出すために、内部データと外部データの両方を取り込んでいます。 （例：Axtria、Inovalon、Komodo Health、Marketware、SHYFT）
- 健康経済学と結果研究は長年にわたりバイオ医薬品会社の標準的な機能であり、臨床データを利用して実社会での薬物利用と結果を研究し、これらの分析を医療費研究と組み合わせてアクセスや価格会話を知らせてきました支払人と。近年変化した主な要因は、大手企業が利用できる膨大な量の実世界データです。 （例：Cardinal Health、Syneos Health、XCenda、Precision Health AI）
- ファーマコビジランスソリューションは、医薬品を服用している患者が経験した有害事象に関するデータを収集し、臨床データの徹底的な分析と同様に、医師および患者の報告書を利用することができます。 （例：Cognizant、Elsevier、Highpoint）
