Marklogic hat die Plattform Pharma Research Hub vorgestellt, die Pharmaunternehmen eine schnellere Durchführung von Medikamentenstudien bei gleichzeitig niedrigeren Kosten ermöglichen soll. Wissenschaftler erhalten eine schnelle und einfache Möglichkeit für die Suche, Synthese und Freigabe hochwertiger Daten wie z.B. genetischer, proteomischer, textbasierter, binärer, medizinischer oder medikamenten-basierter Studiendaten innerhalb eines einheitlichen Cloud-Service. Das System nutzt maschinelles Lernen und weitere moderne Technologien wie Semantik, Fuzzy Matching, Ranking nach Relevanz und umfassende Metadaten zum Verwalten, Organisieren und Abrufen von Informationen. Als vollständig verwalteter Cloud-Service lässt sich die Plattform binnen weniger Minuten einrichten und kann Daten zehnmal schneller erfassen als spezifisch entwickelte Lösungen.
Maschinelles Lernen und künstliche Intelligenz werden so zum entscheidenden Schlüssel in der effizienten Wirkstoffentwicklung. „Wissenschaftler, die herkömmliche Technologien nutzen, haben lediglich Zugriff auf einen Bruchteil der vorhandenen Daten. Damit steigen Fehlerwahrscheinlichkeit und Zeitaufwand, was Verluste in Höhe von mehreren Hundert Millionen US-Dollar zur Folge haben kann. Noch schwerer wiegen verpasste Gelegenheiten, das Leben von Menschen zu verändern, weil die Entwicklung von Arzneimitteln zu viel Zeit in Anspruch nimmt“, erklärt Bill Fox, Vice President of Vertical Strategy Group sowie Chief Strategy Officer of Healthcare and Life Sciences bei Marklogic. „Wir bieten Forschern einen Cloud-basierten Service, mit dem sich hohe Datenvolumen in ihrer ursprünglichen Form spielend leicht kombinieren lassen, so dass die Beziehung zwischen diesen Daten verständlich wird und diese benutzt werden können, um lebensrettende Wirkstoffe schneller zu entwickeln.“
Das Unternehmen kooperiert mit fünf der weltweit größten Pharmaunternehmen sowie mit weiteren Unternehmen aus der Gesundheitsbranche. Zur Unterstützung bei der Bewältigung der Herausforderungen im Geschäftsbetrieb und in der Datenverarbeitung setzt der Anbieter auf seine Data Hub-Technologie und ermöglicht damit die Suche nach und die Visualisierung von Beziehungen über Anzeige, Navigation und Durchsuchung der Datencluster durch Nutzung sämtlicher inhärenter Beziehungen. Die Visualisierung dieser in Daten enthaltenen Beziehungen, wie beispielsweise die Verbindungen zwischen einem Wissenschaftler, Einrichtungen und Kollegen oder aber die Beziehung zwischen einem Gen, einem bestimmten Molekül und einem Stoffwechselvorgang können Entdeckungen beschleunigen.
Nutzer verbessern ihre Suchergebnisse mit Daten von höherer Qualität. Die Smart Mastering-Funktion des Systems verwendet maschinelles Lernen, um verwandte und duplizierte Elemente zu finden, zu konsolidieren und einen Wissensgraphen aus allen Daten zu konstruieren. Beim Laden von Daten werden Regeln für die Datenqualität angewendet. Solche hochwertigen, gemasterten Daten verfeinern die Suchergebnisse erheblich und verbessern nachgelagerte Bioinformatik und KI-Analysen. Der Pharma Research Hub ermöglicht das Laden beliebiger pharmazeutischer Daten wie Veröffentlichungen, Autoren, Arzneimittel, Gene und vieles mehr. Unternehmen erhalten somit schnellen Zugriff auf konsolidierte Informationen zur Auswertung für Studienzwecke.
„Der technologische Fortschritt ermöglicht die Lösung zahlreicher Datenanalyseprobleme bei gleichzeitiger Berücksichtigung der strengen Regulierungsanforderungen im Gesundheitswesen. Wir erwarten daher ein starkes Wachstum bei Lösungen für die Datenverwaltung in der Pharmaforschung“, meint Alan Louie, Life Sciences Research Director bei IDC. „Diese neuartige, branchenspezifische Technologie verspricht bereits auf kurze Sicht deutlichen Mehrwert und sorgt zugleich für eine Neudefinition von Best Practices, die den Fortschritt der Branche über Jahrzehnte hinweg prägen werden.“
Mit dem Pharma Research Hub werden die Best Practices verschiedener Kunden in der Wirkstoffentwicklung standardisiert und erweitert. Die zugrundeliegende Data Hub Plattform findet bereits seit fast zwei Jahrzehnten in äußerst komplexen Unternehmen Verwendung. Die Plattform ist für Petabytes konzipiert, lässt sich jedoch auch kosteneffizient für kleine Datensätze skalieren.
