2017年12月6日にArisGlobalはDIAとのオンラインセミナーを「薬事部門において自動化の用意はできていますか?」というテーマにて開催しました。プレゼンターである薬事戦略担当シニアディレクターのDavid Scanlonが参加者に関連する質問を3つ投票形式にてお聞きしました所、各々の質問に対する回答に興味深い情報がありました。今回は3部構成の連載ブログの2回目としまして参加頂いた方々のお考えを元にそれが薬事分野において弊社のお客様に何を意味するのかにつきましてアリスグローバルの考えを述べたいと思います。

本連載ブログの1回目では、オンラインセミナーの参加者が直面した薬事における最大の課題についてフィードバックを差し上げました。約70%の出席者は、システム統合の欠如と全体的なデータ品質が薬事部門における上位2つの課題として認識されておりました。

「新しい技術革命という道筋におきまして、どの位の位置にいるとお考えでしょうか」という2番目の質問への回答から明らかなように、次の産業革命の利用化を実現するまでの行程は、殆どの方々にとってはまだ始まったばかりということでした

  • オンラインセミナーの参加者の内わずかな割合(4%)の方々が、この様な課題に十分な取り組みを行っているビジネスリーダーがいるアーリーアダプターであると自社を評価しています
  • オンラインセミナーの参加者の13%が、新技術への取り組みについて自社のITにおけるリーダーシップがトップクラスであると位置づけています
  • オンラインセミナーの参加者の83%は、丁度始めた所、技術の可能性を理解し始めたと所、あるいは初期の調査を開始したばかりとの回答です

 

 
オンラインセミナーのプレゼンターであるDavid Scanlonにとっては、この質問への回答は驚くべきことではありませんでした。ArisGlobalに入社する数ヶ月前まで、その先進的な戦略の立案と実行から、アストラゼネカのグローバル医薬品開発部門におけるインスピレーションを与えるリーダーの最終候補であり、多くの自動化プロジェクトを完了させ、今日のアストラゼネカを薬事データサイエンスにおける最先端の位置に押し上げました。

「私が薬事分野における分析と情報科学と呼ぶ技術とビジネスのやり方の間にある隔たりを橋渡しできる人材を見つけることが最も難しいタスクでした」とDavidはコメントしています。適切な能力があれば投資のメリットがすぐに実現出来るので、投資に関して経営層を説得することは難しい事ではありません。

他の産業、ファーマコビジランスを含む製薬における他の役割から学ぶことにより、薬事は自分の責任範囲である情報が金鉱であったことに気付き始めています。薬事データサイエンスによって構造化(RIMプラットフォーム)と非構造化(文書管理プラットフォーム)の両方のデータベースの活用方法を学習することはコアコンピタンスになって行きます。間近にあるチャンスとしまして、欧州におけるSPOR導入のため正しいデータを取得しようとする動きをサポートしながらデータの一貫性を改善し薬事における要求に合致する事に繋げることが出来る様に関連するデータ要素を特定し抽出するという事があります。

最後の質問としまして、参加者に自社のデータサイエンスの能力につき評価をお聞きしました。結果は、「薬事におけるデータサイエンス」はまだ開発の初期段階という回答が60%近くと非常に多く、オンラインセミナーにご参加頂いていることもあり、多くの企業にとって大きな関心事となっています。

  • 9%の企業は成熟した、あるいは高いな能力を持っている
  • 33%は中間のレベルと考えている
  • 59%はまだ開始した所、またはまだ開始していない


デビッドはこういった結果は何ら驚くことではなく、今まで自身が関わってきた他のベンチマーキングとなる活動を確認できたと考えています。 この様な能力が企業を差別化し製薬のミッションの中心であるべき「より多くの生命を脅かす疾患を治療するための科学である医学という分野に資金を投資する」方向に後押しすると述べています。私がアストラゼネカで作り上げた能力は安心して会社を託して良いものであり、真に必要とされている変革を支援する技術基盤の構築を楽しみながらサポートしていきたいと現在は考えています。

薬事分野における分析、情報科学、そしてロボットによる自動化などを用いて早く簡素化された薬事業務における意思決定の向上が見られると思います。一方で自然言語処理(NLP)、機械学習、またデータマイニングにより、必要とされてきたデータ品質の改善、ドキュメントとデータベース間のデータの一貫性の向上が実現するのではないでしょうか。例えばSPOR実装(ISO標準データの70〜80%が文書中ー承認済みの薬事文書に閉じ込められています)の準備を行うといった通常は手動で実行される複雑なデータ収集のタスクにも機械学習のアルゴリズムが適用できます。事実、今回の質問への回答におきまして、自然言語処理と機械学習ベースのツールを採用し薬事関連の問題を解決することを参加者の大部分が検討していることを示しています。

これは患者がより早く治療を受けられる革新的な方法を見つけること、あるいは医薬品表示の表示変更を迅速に行うことで患者に確実に被害がないようにすることと云った重要な活動のためにより多くの時間を割くことが出来ることを意味します。

今日までの薬事におけるオートメーションの発展につきまして更なる比較対象と深いお話しはウェブ放送の完全版をお聞きください。間もなく本連載の最後のブログを掲載し、そこでは成功を導くための開始条件に焦点を当てるつもりでおります。