Het gebruik van big data in het algemeen is vrijwel een nieuw veld. Vooral in de zorgsector, waaronder de farmaceutische industrie, wordt big data nog niet genoeg toegepast. Er zijn genoeg mensen die data uit klinische studies kunnen analyseren. Maar de echte kunst zit in het kunnen combineren van deze gegevens met data vanuit de echte wereld, oftewel ‘big data’. Vaker wel dan niet zijn data vanuit ‘de echte wereld’ ongestructureerd. Dit zijn bijvoorbeeld notities van artsen, afbeeldingen van MRI, CT, röntgenfoto’s en pathologierapporten. De meeste analisten weten niet hoe ze met zulke gegevens om moeten gaan terwijl het waardevolle informatie is. Met deze gegevens kunnen bedrijven onder andere: de veiligheid van patiënten verhogen, risico’s beheren, de efficiëntie van klinische onderzoeken verbeteren en samenwerken met andere farmaceutische bedrijven om innovaties en gegevens te delen. Om maar een voorbeeld te noemen; gegevens van elektronisch patiëntendossier (EPD) kunnen waardevolle informatie bieden. Met EPD kunnen gegevens in realtime verzameld worden en kunnen ziektes, behandelingspatronen en klinische uitkomsten beter worden begrepen in een ongecontroleerde, realistische omgeving.
Belang van datawetenschappers in de farmaceutische industrie
Datawetenschappers zijn in staat om ruis in de data te verwerken. Resultaten te presenteren aan belanghebbende partijen op een eenvoudige en gemakkelijk te interpreteren manier. Ze bezitten meerdere vaardigheden en weten de juiste vragen te stellen. Verder weten zij welke data te gebruiken en maken zij gebruik van de geschikte methoden en technologieën om hun vragen te beantwoorden. Echter, een echte aanwinst om verandering in de farmaceutische industrie te kunnen doorvoeren is om grondige kennis te hebben van het gezondheidszorgsysteem, inclusief de standaardpraktijken. Het is belangrijk om te begrijpen hoe de data oorspronkelijk werden verzameld, welke ‘biases’ er mogelijk zijn en hoe deze kunnen worden gebruikt om klinische onderzoeksvragen te beantwoorden.
Veranderingen in de farmaceutische industrie
Zodra je deze combinatie hebt, kunnen er grote veranderingen in de farmaceutische industrie doorgevoerd worden. Waaronder:
Voorspellende modellen
De farmaceutische industrie kan voorspellende modellen maken om medicijnen te kwalificeren op basis van genetica, ziekte, stoornissen en levensstijl van de patiënt. De algoritme kan bijvoorbeeld rekening houden met confounders en risicofactoren van patiënten.
Effectieve klinische studies
Met behulp van big data en voorspellende analyses kunnen bedrijven effectieve klinische studies uitvoeren. Deelnemers kunnen aan bepaalde voorwaarden voldoen die in meerdere databases worden aangetroffen. Daarnaast kunnen de onderzoekers de deelnemers in realtime volgen.
Samenwerking in de industrie
Farmaceutische bedrijven kunnen tegenwoordig big data gebruiken in samenwerking met verzekeringsmaatschappijen, datamanagementfirma’s en andere wetenschappers. Door informatie te delen, kan een farmaceutisch bedrijf zijn database uitbreiden voor toekomstige klinische studies en voorspellende modellen. Wetenschappers die buiten het farmaceutisch bedrijf werken, kunnen hun bevindingen aan het bedrijf voorleggen om analyses en testen te doen. Gegevensverzameling in de Cloud maakt het delen van informatie en ideeën toegankelijk voor iedereen binnen de industrie.
Digitale apps
Farmaceutische bedrijven kunnen een relatie bouwen met consumenten via social media platforms en digitale apps (bijvoorbeeld mobiele apparaat, medische apparatuur in het huis en draagbare monitoren zoals fitbit). Deze elektronische gegevensstroom verbindt alle gezondheid aspecten met elkaar, van patiënt-follow-ups en R&D tot EPD. Artsen en bedrijven kunnen via deze apps en apparaten onmiddellijk feedback krijgen over patiënten.
De toekomst van big data in de farmaceutische industrie
Er zijn veel voordelen om met big data aan de slag te gaan in de farmaceutische industrie, waarom maken de meeste bedrijven er dan toch geen gebruik van?
Het kost nog steeds heel veel geld. Het oprichten van een nieuwe infrastructuur die verenigbaar is met het opslaan en analyseren van zulke grote hoeveelheden data is erg kostbaar. Daarnaast gaat het in dit geval om medische gegevens. De privacy van patiënten verbiedt de mogelijkheid om vrijuit gegevens uit te wisselen. De grootste reden is echter dat er een groot gat zit tussen analisten die gegevens uit klinische studies kunnen analyseren en datawetenschappers die weten om te gaan met big data. Het is daarom van groot belang dat farmaceutische bedrijven zich moeten blijven ontwikkelen op het gebied van big data.
