Il settore delle Life science (o scienze della vita) include tutte quelle attività legate all’industria farmaceutica, alle biotecnologie, l’industria per la produzione dei dispositivi medici, i servizi sanitari, l’industria degli studi clinici. È un settore in cui modelli basati sull’Intelligenza Artificiale aprono scenari destinati a stravolgere i paradigmi di riferimento della medicina tradizionale. Allo stesso tempo si tratta di un settore in cui le normative sul trattamento dei dati risultano molto stringenti, dettando le regole per i framework della data governance aziendale.
Governance dei big data per la Life science
Tutte le attività di ricerca e sviluppo fondano il loro successo su pratiche di conoscenza e condivisione delle informazioni, per questo i Big Data e l’applicazione di modelli matematici e algoritmi d’Intelligenza Artificiale e Machine Learning rappresentano una grande opportunità per lo sviluppo della medicina del futuro, sia per le industrie che per i pazienti.
La medicina tradizionale sarà presto superata da un approccio multidisciplinare che prevede la collaborazione fra medici, matematici, ingegneri e informatici per mettere in relazione processi biologici, eventi fisici, stili di vita, ambiente e malattie, dati statistici e individuali, così da offrire cure sempre più personalizzate e prevenire l’insorgere delle patologie anziché curarle.
Scienze della vita, healthcare e MedTech hanno sempre più bisogno di adottare soluzioni che permettano la raccolta, manipolazione, aggregazione e analisi di enormi quantità di dati in modo rapido ed accurato. La gestione dei Big Data diventa questione fondamentale per gli studi clinici, per la realizzazione e produzione di nuovi farmaci, per sviluppare nuove tecnologie al servizio della medicina. Così come l’integrazione di fonti differenti in un unico Data Lake.
Affianco alla gestione dei Big Data finalizzati alla ricerca e sviluppo, i modelli di analisi predittiva, prescrittiva e augmented analytics diventano determinanti per il successo di nuovi prodotti e soluzioni: dalla progettazione all’immissione nel mercato, i progetti delle Life science coinvolgono grandi capitali e risorse, e come tutte le aziende hanno bisogno di prendere decisioni strategiche efficaci per raggiungere il successo e prosperare. La Business Analytics è quindi lo strumento assodato per la gestione delle sperimentazioni cliniche, l’ottimizzazione delle attività produttive, il supporto alla field force, etc.
RWE (Real World Evidence) basata sui RWD (Real World Data) si affaccia all’orizzonte e ad oggi viene già utilizzata dai decisori governative e di settore oltre alle più illuminate ed innovative aziende farmaceutiche per migliorare la valutazione e comprensione sulla effettiva efficacia dei farmaci e dei percorsi terapeutici. FDA (Food and Drugs Administrations) docet. A questo importante aspetto dedicheremo un articolo specifico.
Sicurezza dei dati sensibili e sanitari
La particolarità del settore Life science è quella di gestire, più di altri, dati sensibili dei pazienti, informazioni sanitarie degli individui o di intere comunità, informazioni relative ad HCP (Health Care Professional) come HCO (Health Care Organization). Va da sé che l’aspetto di Governance dei dati assume un peso determinante: realizzare un corretto framework di data governance è il pre-requisito per ogni azienda che voglia estrarre valore dai dati, ma diventa condizione vincolante per le organizzazioni di questo settore.
In Europa, la data governance per le Life Science deve rispettare le maglie più stringenti di AIFA (Agenzia Italiana del Farmaco) ed EMA (Agenzia europea per i medicinali che purtroppo non si è stabilita in Italia – Milano), oltre al regolamento europeo GDPR, oltre che il Data Governance Act, e prevedere tutti quegli aspetti affatto secondari come la protezione della proprietà intellettuale e il corretto scambio di informazioni tra medico, paziente e fornitori. Anche oltre oceano la questione è spigolosa: gli interessi privati si sovrappongono spesso a quelli pubblici, da qui la necessità di adottare modelli flessibili, in grado di essere conformi alle normative attuali e di modificarsi con esse in un futuro non troppo lontano.
È necessario quindi un approccio globale, secondo una logica di network innovation, incoraggiando organizzazioni e aziende del settore ad instaurare partnership di valore per raggiungere i propri obiettivi più rapidamente, riducendo costi e rischi.
La metodologia DataOps, alla quale riserveremo un prossimo articolo, può aiutare nel definire un corretto approccio di strumenti, processi e metodi.
Realizziamo soluzioni di Business Intelligence & Advanced Analytics per trasformare semplici dati in informazioni di grande valore strategico.
