Un ponte digitale accorcia i tempi di sviluppo del farmaco

Un alveare di monitor montati a parete che lampeggiano in continuazione come avviene in una sala di controllo aereo. In effetti, siamo in una torre di controllo, non di un areoporto però, ma nel quartier generale di Novartis a Basilea, che con la piattaforma digitale Nerve Live avviata nel 2018 intende recuperare terreno sul fronte della trasformazione digitale in ambito farmaceutico. La torre Sense per gli studi clinici, nota anche come centro di controllo “the Bridge”, fa parte della piattaforma e aiuta Novartis a monitorare i suoi 500 test clinici in corso in migliaia di siti in tutto il mondo e ad anticipare eventuali problemi che potrebbero causare ritardi o costi aggiuntivi così da affrontarli prima che compaiano.

«La farmaceutica è una grande industria di dati e come tale dobbiamo essere attrezzati per sfruttare al massimo questa enorme quantità di informazioni al fine di semplificare le operazioni, ridurre i costi e ottimizzare le decisioni» ci spiega Luca Finelli, vicepresidente a capo del gruppo Predictive analytics & design nell’ambito dello sviluppo globale di farmaci di Novartis. La big pharma svizzera ha infatti due milioni di dati relativi a pazienti per anno, che grazie alle nuove tecnologie ha riunito in un unico database accessibile a tutti i suoi scienziati. «Ciò consente di generare nuove intuizioni difficilmente raggiungibili se i dati vengono strutturati in silos. In quest’ottica dobbiamo passare da una cultura della conoscenza a una cultura dell’apprendimento, e cioè dobbiamo capire la storia che i nostri dati ci stanno raccontando e non viceversa» continua Finelli.

Loading…

Grazie agli ultimi algoritmi di machine learning e cognitive computing il team ha lavorato alla generazione di un motore di analisi avanzato per elaborare i dati ed estrarre informazioni che in precedenza restavano nascosti.

Ma la digitalizzazione in ambito farmaceutico può davvero accorciare i tempi di sviluppo di un farmaco? «Sì, anche se in maniera progressiva – dice Finelli – Per esempio, la fase di reclutamento dei pazienti per avviare i trial clinici è uno di quegli step in cui ci possono essere degli intoppi: l’ospedale che garantisce un certo numero di pazienti potrebbe non rispettarlo oppure non rispettare i tempi di reclutamento, questo comporta ritardi di settimane o mesi. Ora con i predictive analitics, sin da quando viene pianificato lo studio, il sistema è in grado di anticipare un percorso più coerente con la realtà riducendo i ritardi». In pratica, l’intelligenza artificiale fa una “prognosi” fornendo anche la “cura” per lo studio clinico. Ma ancora più importante è il fatto di utilizzare i dati per accelerare l’intero processo di sviluppo di un farmaco fino alla registrazione. «Esistono datebase all’interno degli ospedali e dei centri di ricerca che forniscono una storia molto dettagliata di una determinata patologia in certe classi di pazienti – riprende Finelli -. L’approccio tradizionale è quello di fare uno studio che va a cercare questi pazienti e il loro stato di malattia. Se invece fossimo in grado di integrare questi dati già esistenti nel processo di scoperta di un farmaco, potremmo addirittura evitare di fare degli studi perché certe ipotesi sono già state confermate o sono confermabili con dati che già esistono. Questa modalità farebbe risparmiare un paio d’anni». Ma anche sul design dello studio scientifico si possono fare dei notevoli progressi. «Con il natural language processing è possibile analizzare il contenuto di testo e il design degli studi passati (come erano stati concepiti, i problemi, cosa non ha funzionato, eccetera, ndr) e usare questo know how per disegnare ad hoc il protocollo del nuovo trial» conclude Finelli. Work in progress.