Die Bedeu­tung von Daten für die Phar­ma­zeu­ti­sche Indus­trie und für klini­sche Studien

Hinter­grund

Nicht alle Pati­en­tin­nen, bei denen Auto­an­ti­kör­per in der Brust­krebs­er­ken­nung (ABCD) diagnos­ti­ziert werden, können auf die heute erhält­li­chen Behand­lungs­me­tho­den und Medi­ka­mente anspre­chen. Ihre letzte Alter­na­tive ist die Erfor­schung von Arznei­mit­teln und Thera­pien in klini­schen Studien. Unglück­li­cher­weise ist die Verfüg­bar­keit solcher Infor­ma­tio­nen in einer zusam­men­hän­gen­den, einfach zu verste­hen­den Platt­form ein Luxus. Klini­sche Studien werden durch­ge­führt, wenn sich alle verfüg­ba­ren Behand­lun­gen als erfolg­los erwie­sen haben, doch der Prozess der Aufnahme in eine klini­sche Studie kann für die Pati­en­ten teuer, zeit­auf­wän­dig und kompli­ziert sein. Hohe Kosten für Forschung und Entwick­lung im Bereich des Wirk­stoff­ent­wurfs führen zu höhe­ren Arznei­mit­tel­prei­sen und höhe­ren Versi­che­rungs­prä­mien. Die US-Regie­­rung geht davon aus, dass bis Mai 2018 nur 3% der Krebs­pa­ti­en­ten für klini­sche Studien einge­schrie­ben sind. Wie können klini­sche Studien für die Pati­en­ten kosten­güns­ti­ger, effi­zi­en­ter und zugäng­li­cher gemacht werden?

Data­sets verwen­det

Einer der Gründe für das Schei­tern klini­scher Studien liegt in der Daten­er­he­bung. Ein erster Schritt ist der Zugang zu einer kura­tier­ten Daten­bank mit klini­schen Studien, in der die Pati­en­ten direkt nach Kate­go­rien und Stand­or­ten suchen können. Darüber hinaus können auf dem Daten­markt­platz anony­mi­sierte Pati­en­ten­in­for­ma­tio­nen und Analy­se­be­richte über Arznei­mit­tel einge­se­hen werden. Die Verfüg­bar­keit dieser Infor­ma­tio­nen und nicht die münd­li­che Empfeh­lung des Gesund­heits­per­so­nals wird den Prozent­satz der Pati­en­ten, die an solchen klini­schen Studien betei­ligt sind, erhö­hen. Der Prozess wird sogar noch effi­zi­en­ter, wenn das Forschungs­team digi­tale Kopien (nicht als pdf oder Fax) von Pati­en­ten­ak­ten und frühe­ren Behand­lungs­be­rich­ten zur Verfü­gung hat. Der Adva­neo Daten­markt­platz wurde entwi­ckelt, um diesem Umstand Rech­nung zu tragen.

Adva­neo Data Market­place

Zu den zahl­rei­chen Merk­ma­len des für den Gesund­heits­sek­tor rele­van­ten Daten­markt­plat­zes gehö­ren insbe­son­dere klini­sche Studien zur Gewähr­leis­tung von Sicher­heit und Daten­schutz bei gleich­zei­ti­ger Ermög­li­chung eines naht­lo­sen Daten­aus­tau­sches mit ausge­wähl­ten medi­zi­ni­schen Einrich­tun­gen. Der Adva­neo Daten­markt­platz bietet:



Sicher­heit und Privat­sphäre: Es wird kein Daten­satz auf dem Markt­platz gespei­chert, sondern es werden veri­fi­zierte Daten­end­punkte, an denen solche Infor­ma­tio­nen abge­ru­fen werden können, zusätz­lich zu einer stan­dar­di­sier­ten Beschrei­bung des Daten­sat­zes (Meta­da­ten) zur Verfü­gung gestellt. Der Daten­pro­vi­der (Patient/Krankenhaus) pflegt den Daten­satz mit 100%iger Data Gover­nance.



Makler­ser­vice: Ergän­zende Infor­ma­tio­nen wie Ernäh­rungs­ge­wohn­hei­ten, Akti­vi­tät und Schlaf­zy­klus können vom Pati­en­ten selbst­stän­dig mit Hilfe einer Viel­zahl von Smar­t­­phone-Apps und Weara­bles erfasst werden. Diese dem Pati­en­ten gehö­ren­den Daten können frei zugäng­lich gemacht oder vom Pati­en­ten gehan­delt werden. Unser Broker-Service stellt sicher, dass dies ohne kompli­zier­ten Over­head für den Daten­an­bie­ter geschieht. Solche Daten­sätze verhin­dern die Abhän­gig­keit von der subjek­ti­ven Reak­tion während der klini­schen Studien.



Geschlos­sene Benut­zer­grup­pen: Der Fort­schritt und die Endergeb­nisse klini­scher Studien können zu Geschäfts­ge­heim­nis­sen werden, die für die am Prozess betei­lig­ten Parteien geheim gehal­ten werden soll­ten. Der Daten­markt­platz bietet die Möglich­keit, geschlos­sene Benut­zer­grup­pen anzu­le­gen. Die Exis­tenz solcher Grup­pen und Mitglie­der bleibt unbe­merkt. Wich­ti­ger noch, die Meta­da­ten sind nur für die Grup­pen­mit­glie­der sicht­bar und der Daten­satz wird direkt zwischen den Pärchen ausge­tauscht.

Wirkung

Die Suche nach geeig­ne­ten Medi­ka­men­ten zur Behand­lung von Krebs mittels klini­scher Studi­en­ana­lyse ist derzeit ein lang­wie­ri­ger und kost­spie­li­ger Prozess. Die Zusam­men­stel­lung und Verfüg­bar­keit von quali­ta­tiv hoch­wer­ti­gen Daten­sät­zen wird ein wich­ti­ger Schritt zur Prozess­trans­for­ma­tion sein. Darüber hinaus werden die Möglich­kei­ten endlos, wenn maschi­nelle Lern­werk­zeuge auf diese Daten­sätze ange­wen­det werden, um den Abgleich von Pati­ent zu klini­scher Studie, die Früh­erken­nung von Anoma­lien und den daten­ge­steu­er­ten Arznei­mit­tel­de­sign­pro­zess zu ermög­li­chen. Die Verfüg­bar­keit von Daten wird auch maschi­nelle Lern­an­wen­dun­gen bei der Präven­tion und Früh­dia­gnose von Gesund­heits­pan­de­mien unter­stüt­zen. Tatsäch­lich wird Deep Lear­­ning-Anwen­­dun­­gen bis 2025 3 Milli­ar­den Dollar zum Gesund­heits­we­sen beitra­gen. Dies wird zu einer deut­li­chen Senkung der Gesund­heits­kos­ten führen und gleich­zei­tig neue Geschäfts­chan­cen im Gesund­heits­sek­tor erschlie­ßen.