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.

Email:
Tel.: 0211 876691–0
Ihr Anprech­part­ner: Jür­gen Bret­feld