Als Chief Data Officer von UCB kombiniere ich meine Leidenschaft für Daten, Analytik und Medizin, um sinnvolle Lösungen und innovative Behandlungen für Patient:innen zu entwickeln, die UCB ihr Vertrauen schenken. Wir nutzen Datenanalysen, um Fragen zu beantworten und bessere Entscheidungen im Namen von Hilfe benötigenden Patient:innen und Betreuer:innen zu treffen.

Diese Arbeit nutzt Analytik, maschinelles Lernen und Künstliche Intelligenz (KI) in unserer Entdeckung von Arzneimitteln, ihrer Entwicklung und unseren Innovationsprozessen. So optimieren wir beispielsweise die Planung klinischer Studien, die Auswahl von Patient:innen, die Automatisierung der Analyse von Studiendaten und die Optimierung unserer Logistikabläufe. All dies hat enorme Auswirkungen darauf, wie wir arbeiten und wie effizient wir Ergebnisse liefern können. Und wir erweitern diese Arbeit, indem wir eine Plattform aufbauen, um den Wert unserer Daten für unsere Patient:innen zu maximieren.

Vorantreiben des Lebenszyklus von Gesundheitslösungen

Die Data Office-Strategie von UCB basiert auf vier Grundprinzipien:

•    Wir sind fragengeleitet und zielgerichtet
•    Wir legen zweckmäßige Datenbetriebsmodelle fest, die verantwortungsvoll und effizient sind
•    Wir arbeiten strategisch, um das volle Potenzial von Daten auszuschöpfen
•    Wir schaffen eine starke technologische Grundlage, die Menschen, Systeme und Daten miteinander verbindet

Ich möchte mich auf den ersten Grundsatz konzentrieren: Wir sind fragengeleitet. Das steht im Gegensatz zu den meisten anderen Pharmaunternehmen, die meist "datengesteuert" sind - das heißt, sie nehmen große Datenmengen und versuchen zu verstehen, welche Erkenntnisse daraus gezogen werden können.

Wir glauben, dass unser Ansatz den Patient:innen besser dient, da wir uns auf die Antworten von Fragen konzentrieren, die für sie am wichtigsten sind. Fragen wie "Wie können wir die Symptome verbessern und wie schnell?", "Was ist die geeignete Dosis eines Medikaments?" oder "Können wir das künftige Ansprechen auf die Behandlung bzw. einen Rückfall von Patient:innen vorhersagen?"

Die Zusammenarbeit von UCB mit Stanford bei schweren Krankheiten ist ein hervorragendes Beispiel für unseren fragengeleiteten Ansatz. Die Zusammenarbeit nutzt unser Fachwissen aus der klinischen Forschung und Praxis, der "-omics" und anderer Datenquellen, um das Lernen in bestimmten wichtigen Bereichen voranzutreiben.

Unser erstes Projekt mit Stanford konzentriert sich auf Hidradenitis suppurativa (HS), auch bekannt als Acne inversa. HS ist eine immunologische Hauterkrankung, die die Lebensqualität der Betroffenen stark einschränkt. Die Behandlung ist oft langwierig und komplex, mit Verzögerungen, Fehldiagnosen und unwirksamen Behandlungen. Im Rahmen unserer Stanford-Kooperation wollen wir die Phänotypisierung, die computergestützte Entdeckung pathogener Mechanismen sowie die Krankheitslast und die gesellschaftlichen Erfahrungen von Menschen, die mit einer schweren Krankheit wie HS leben, weiter untersuchen.
Im letzten Jahrzehnt wurden neue Berechnungsmethoden eingeführt, die die Kostenwirksamkeit und Effizienz in der pharmazeutischen Industrie erhöhen. Die Digitalisierung von Patient:innenakten und klinischen Studien, das Aufkommen von Cloud Computing, die Zunahme von tragbaren Geräten und das medizinische Internet der Dinge (mIoT) haben die klinische Entwicklung mit einer Explosion von Daten verändert. Die Chance und Herausforderung besteht darin, als ein Branchenführer bei der vollen Ausschöpfung des Datenpotenzials äußerst neugierig und kreativ zu bleiben.

Für uns äußert sich das in der Entwicklung eines hochmodernen Ansatzes für die Analyse großer Datenmengen, der einen KI-Ansatz mit dem Bayesschen Theorem kombiniert. In der Praxis können wir so die Möglichkeiten der Analyse großer Datenmengen nutzen, selbst wenn die Stichprobengröße relativ klein ist. Unsere Gruppe Statistical Science & Innovation hat vor kurzem eine Patentanmeldung eingereicht, die sich auf ein verbessertes maschinelles Lernverfahren konzentriert, das einen großen Hypothesenraum durchsuchen kann, um die aussagekräftigsten Informationen zu identifizieren, und dann KI einsetzt, um ein Ergebnis vorherzusagen oder Entscheidungshilfen zu geben. Diese Innovation wurde bereits für die Patient:innenstratifizierung, das Design klinischer Studien und präzisionsmedizinische Ansätze bei Parkinson und Epilepsie eingesetzt.

Ein Blick in die Zukunft

Diese neuen Technologien werden UCB in die Lage versetzen, datengestützte Entscheidungen zu treffen und die Entwicklung neuer Wirkstoffe zu beschleunigen, damit unsere Therapien den Patient:innen schneller und zuverlässiger zur Verfügung stehen. Letztendlich lenkt unser fragengeleiteter Ansatz den Fokus auf das, was am wichtigsten ist - den Einsatz von Technologie, um differenzierte Lösungen zum Nutzen unserer Patient:innen zu liefern.
 

Mike Branson
Statistical Science & Innovation