Pharma-Talk mit Jörg Neulist von Zühlke über Data Science in der Pharmaindustrie

Vom Reagenzglas zum Patienten

Jörg Neulist, Lead Consultant für Data Science bei Zühlke

Data Science unterstützt Unternehmen auf dem Weg zur digitalen Transformationen. Auch in der Pharmaindustrie kommen diese Methoden und die Nutzung Künstlicher Intelligenz in vielen Bereichen zum Einsatz. Im Pharma-Talk von pharmaindustrie-online.de nimmt Jörg Neulist, Lead Consultant für Data Science bei Zühlke, den Leser mit in die Welt der Algorithmen. Er beschreibt die Leistungsfähigkeit der Methoden, beleuchtet kritisch die Herausforderungen im Umgang mit KI und gibt spannende Einblicke in Projekte, in denen Unternehmen aus der Pharmabranche von Data Science profitieren.

Herr Neulist, Ihr CEO Ernst Ellmer hat 2019 gesagt, dass Zühlke in Deutschland einen steigenden Bedarf an Expertise im Bereich der Digitalisierung auch in der Pharmaindustrie sehe, insbesondere bei deren Umsetzung. Was unterscheidet Ihr Unternehmen von den vielen anderen Anbietern für Digitalisierungslösungen, insbesondere von den kreativen Start-Ups?

Es gibt einen grundlegenden Unterschied: Start-Ups entwickeln häufig ein Produkt, das skalierbar ist. Oft sind es sehr gute Standardlösungen. Aber sie verfügen nicht über die Kapazitäten großer Unternehmen, um den Kunden individuell zu unterstützen. Unsere Herangehensweise ist eine andere. Wir kommen aus der Beratung und Umsetzung von kundenspezifischen Projekten. Auch sind wir viel stärker darin, Kundenlösungen zu entwickeln, die individuellen Nutzen stiften. Natürlich kennen wir auch die marktüblichen Standardlösungen von Microsoft und Co. Aber wir haben neben den Software-Entwicklern auch UX-Experten für benutzerfreundliche Anwendungen. Business Consultants sorgen dafür, dass der Kunde eine gewinnbringende Lösung erhält. Bei uns wird, unserem Unternehmensmotto „Empowering Ideas“ entsprechend, eine Idee ganzheitlich umgesetzt, statt nur ein Out-of-the-Box Produkt zu verkaufen. Gerade im Bereich Healthcare und Pharma haben wir vielfältige Projekte realisiert, vor allem im Bereich Regulierung.

Was verstehen Sie unter erfolgreicher Digitalisierung? Welche Rolle spielt hier Data Science?

Aus erfolgreicher Digitalisierung entspringen in meinen Augen Lösungen, die wie Prozessverbesserungen wirklich weiterhelfen. Die Unternehmen starten zunächst mit Leuchtturmprojekten. Manchmal wird nur ein Prozess optimiert. Dieser wird schlanker, bietet allen Beteiligten mehr Zeit für wertschöpfende Aufgaben und liefert einen finanziellen Mehrwert. Tatsächlich sollte das Ziel für digitale Transformation die so genannte „Data Driven Company“ sein. Das machen bisher sehr wenige, die meisten sind erst auf dem Weg dorthin. Daten sollen keine Belastung, sondern in allen Abteilungen vernetzt sein und zum Standardrepertoire gehören. Das führt zu komplett neuen Geschäftsmodellen.

Data Science, zu Deutsch: Datenwissenschaft, steht für die Extraktion von Wissen aus Daten mit Hilfe wissenschaftlich fundierter Methoden, Prozesse, Algorithmen und Systemen. Daten nur zu besitzen reicht nicht aus. Mit Data Science startet man mit einfachen Dashboards, z. B. mit den Jahresverkaufszahlen. Einmaleffekte wie Jahresendaufträge oder Börsenaspekte in Bilanzen können so über die Jahre herausgerechnet werden. Dies führt zu einer objektiven Beurteilung der Werte.

Stichwort „Personalisierte Medizin“: Was kann Data Science hier bereits leisten?

Personalisierte Medizin ist ein sehr komplexes Thema mit vielen zu berücksichtigenden Aspekten. Verschiedene Rezeptoren und Bakterienstämme im Körper, unterschiedliche Wirkstoffe – jeder Mensch ist anders. Die Variablen sind immens hoch. Ohne automatische Auswertung ist diese Datenmenge einfach nicht zu bewältigen. Auch der Arzt muss die Arzneimittel passend auf den Patienten zusammenstellen. Das passiert nun auf eine Weise, die bislang den Entwicklern im Pharmalabor vorbehalten waren. Es bedarf einer Schnittstelle dorthin und skalierbaren Tools. Diese unterstützen Ärzte bei der Kommunikation mit den Laboren. Die letzte Herausforderung liegt in der Produktion der individuellen Medikamente. Data Science ermöglicht diesen Schritt.

In welchen weiteren Bereichen der pharmazeutischen und biopharmazeutischen Industrie sehen Sie ein Potential für den Einsatz von Data Science?

In der Forschung gibt es bereits Ansätze, dass man klinische Studien mittels Data Science beobachtet. So soll schneller der Erfolg von Wirkstoffen vorhergesagt werden. Wenn man als Hersteller einen neuen Impfstoff sucht, wie aktuell zur Bekämpfung von Covid-19, weiß man, welche Proteine beteiligt sind. Es gilt zu klären, welche Wirkstoffe dort andocken und bestimmte Wirkungen erzielen können. Unzählige Varianten ergeben sich. Durch In-silico-Studien kann man alle Möglichkeiten dank Data Science vorab am Rechner durchspielen und geeignete Kandidaten herausselektieren. Der Umfang der Optionen verkleinert sich stark. Mittels klinischer Studien werden die besten Wirkstoffe nach vorne geholt.

Auch in Produktion und Supply Chain gibt es erprobte Verfahren aus anderen Branchen, die in der Pharmaindustrie eingesetzt werden können. Mittels Supply Chain-Optimierung lässt sich beispielsweise den Absatz in einem Monat vorhersagen. So kann man die Mengen an benötigten Rohstoffen genauer berechnen. Der Prozess wird verschlankt. In der Produktion gibt es Effizienzsteigerungsmethoden, z. B. die Hochskalierung von Laborprozessen in der Produktion, ohne eingesetztes Material durch Fehlproduktion zu verschwenden.

Im Bereich Labor sind Standardlösungen kaum verbreitet. Häufig läuft jemand mit einem Zettel von A nach B, um Daten zu übertragen. Auch in der Auswertung von Analyseverfahren gibt es viel zu holen, denn Diagramme werden noch von Menschen gecheckt, statt dies mit Algorithmen einer Künstlichen Intelligenz zu überlassen. In einem Whitepaper haben wir zusammengefasst, wie KI reguliert entwickelt werden kann. 

Können auch Patienten von Data Science profitieren?

Was man auch nicht vergessen darf: In der so genannten „Patient Journey“ – von der Prävention über Diagnose bis hin zur Therapie – kann man Künstliche Intelligenz einsetzen. Beispielsweise entwickelt Amazon aktuell ein Verfahren, wie Alexa Krankheiten diagnostizieren kann und gleich die richtigen OTC-Medikamente empfiehlt. Das zeigt, wie sich neue Geschäftsmodelle entwickeln lassen. Oder bei der Diagnose von Krankheiten, wenn die KI den Arzt aufgrund einer breiten Datenbasis unterstützt. Der Mediziner ist immer noch der finale Experte, aber der Algorithmus sortiert beispielsweise aus 50 anstehenden Röntgenbildern nur noch die kritischen heraus und erspart dem Arzt so viel Arbeit. Ein anderer Bereich ist die niedrigschwellige Diagnostik, die ein Mediziner normalerweise nicht zu Gesicht bekommt. Das sind z.B. die Anzeichen von Parkinson, die sehr viel früher auftreten, als die Patienten und selbst ihre Partner dies bemerken. Geringe Verhaltensänderungen oder ein leichtes Zittern können Smartphones oder Fitnesstracker registrieren, lange bevor das kritisch wird. Man erhält eine Diagnose und kann frühzeitig eine Therapie mit einem Fachmann angehen.

Weiterlesen: Welche Hürden gilt es zu überwinden? 

Weiterlesen: Einsatz von Data Science - diese Projekte hat Zühlke in der Pharmaindustrie bereits umgesetzt