Updesh Dosanjh, praktisk leder, teknologiløsninger, IQVIA – Intervju-serie

Updesh Dosanjh, praktisk leder for teknologiløsninger i IQVIA (IQV ), en verdensleder i bruk av data, teknologi, avansert analyse og ekspertise for å hjelpe kunder med å fremme helse- og menneskehelse.

Hva var det som først dro deg til life sciences?

Jeg har arbeidet i flere bransjer de siste 30 årene, inkludert life sciences-bransjen tidlig i karrieren min. Da jeg valgte å returnere til life sciences-bransjen for 15 år siden, var det for å oppnå tre mål: å arbeide i en bransje som bidro til folks velvære; å arbeide i et område som kunne bli betydelig hjulpet av teknologi; og å arbeide i en bransje som ga meg mulighet til å arbeide med hyggelige mennesker.  Arbeidet med et pharmacovigilance-team i life sciences har hjulpet meg til å møte alle disse målene.

Kan du diskutere hva menneske-data-vitenskap er og dens betydning for IQVIA?

Volumet av menneskehelse-data vokser raskt—mer enn 878 prosent siden 2016. Økende avanserte analyser er nødvendige for å avdekke nødvendige innsikter. Data-vitenskap og teknologi utvikler seg raskt, men det finnes fortsatt utfordringer med innhenting og analyse av strukturert og ustrukturert data, spesielt når det kommer fra forskjellige og isolerte datakilder.

Den nye disiplinen menneske-data-vitenskap integrerer studiet av menneske-vitenskap med gjennombrudd i data-teknologi for å utnytte den potensielle verdien stor data kan gi i å fremme forståelsen av menneskehelse. I essensen fungerer menneske-data-vitenskapsmannen som en oversetter mellom verden til klinikerne og verden til data-ekspertene. Dette nye paradigmet hjelper med å takle utfordringene som møter 21. århundres helsevesen.

IQVIA er unikt posisjonert til å innhente, beskytte, klassifisere og studere data som hjelper oss med å svare på spørsmål om menneskehelse. Som en leder i menneske-data-vitenskap har IQVIA en dypt nivå av life sciences-ekspertise samt avanserte analytiske evner til å avdekke innsikter fra en mengde data-punkter som kan hjelpe life science-kunder med å bringe nye medisiner til markedet raskere og drive mot bedre helse-resultater. Ved å forstå dagens utfordringer og være kreative om hvordan nye innovasjoner kan akselerere nye svar, har IQVIA lært inn konseptet menneske-data-vitenskap—transformerende måten life sciences-bransjen finner pasienter, diagnostiserer sykdom og behandler tilstander.

Hvordan kan AI best assistere legemiddelforskere i å avgrense hvilke spesifikke legemidler fortjener mer industri-resurser?

Å bringe nye medisiner til markedet er usedvanlig kostbart og tidskrevende—i gjennomsnitt tar det omtrent 10 år og koster 2,6 milliarder dollar å gjøre det. Når legemiddel-utviklere undersøker en molekyls potensiale til å behandle eller forebygge en sykdom, analyserer de all tilgjengelig data relevant for den molekylet, noe som krever betydelig tid og ressurser. Videre, når en medisin introduseres og bringes til markedet, er selskapene ansvarlige for pharmacovigilance, hvor de må utnytte teknologi til å overvåke uønskede hendelser (UH)—enhver uønsket erfaring i forbindelse med bruk av en gitt medisin—hva som hjelper med å sikre pasient-sikkerhet.

Artificiell intelligens (AI)-verktøy kan hjelpe life sciences-organisasjoner med å automatisere manuelle data-behandlingsoppgaver for å søke etter og spore mønster i data. I stedet for å måtte manuelt søke gjennom hundrevis eller tusenvis av data-punkter for å avdekke de mest relevante innsiktene i forbindelse med en bestemt behandling, kan AI hjelpe life sciences-team med å effektivt avdekke de viktigste informasjonene og bringe dem frem for videre undersøkelse og handling. Dette sikrer at mer tid og ressurser fra life science-teamene reserveres for strategisk analyse og beslutningstagning i stedet for data-rapportering.

Du skrev nylig en artikkel om hvordan bioteknologiske selskaper som bruker naturlig språk-behandling vil ha en konkurransefordel. Hvorfor tror du dette er så viktig?

Life sciences-selskaper er under mer press enn noen gang for å innovere, da de streber etter å fremme global helse og holde seg konkurranse-sterke i en svært mettet marked. Naturlig språk-behandling (NLP) blir for tiden brukt av life science-selskaper for å hjelpe med å utvinne og “lese” ustrukturerte, tekst-baserte dokumenter. Det finnes imidlertid fortsatt betydelig uutnyttet potensiale for å bruke NLP i pharmacovigilance for å ytterligere beskytte pasient-sikkerhet, samt sikre regulatorisk overholdelse. NLP har potensialet til å møte utviklende overholdelseskrav, forstå nye data-kilder og heve nye muligheter for å drive innovasjon. Dette gjøres ved å kombinere og sammenligne UH fra tiårs statistisk arv-data og ny innkommende pasient-data—som kan prosesseres i sanntid—gir en utenkelig mengde synlighet og klarhet rundt informasjon som utvinnes fra kritiske data-kilder.

Pharmacovigilance (detektion, innhenting, vurdering, overvåking og forebygging av uønskede effekter med legemidler) er stadig mer avhengig av AI. Kan du diskutere noen av innsatsene som gjøres av IQVIA mot dette?

Som nevnt, er en av de primære rollene til pharmacovigilance (PV)-avdelinger å innhente og analysere informasjon om UH. I dag bor omtrent 80 prosent av helse-data i ustrukturerte formater, som e-poster og papirdokumenter, og UH må samles inn og korreleres fra forskjellige og omfattende data-kilder, inkludert sosiale medier, nett-samfunn og andre digitale formater. Hva mer, er språk subjektivt, og definisjoner er flytende. Selv om to pasienter som tar samme medisin kan beskrive lignende UH-reaksjoner, kan hver pasient oppleve, måle og beskrive smerte- eller ubehag-nivåer på en dynamisk skala basert på forskjellige faktorer. PV- og sikkerhets-personale som arbeider i life sciences-organisasjoner som fortsatt avhenger av manuell data-rapportering og -behandling, må gjennomgå disse omfattende, varierte og komplekse data-sammensettene via ineffektive prosesser. Dette ikke bare sakte ned kliniske forsøk, men kan også potensielt forsinke innføringen av nye medisiner på markedet, og hindre pasienter fra å få tilgang til potensielt livreddende medisiner.

Life sciences-bransjen er svært data-drevet, og det finnes ingen bedre allierte for data-analyse og mønster-avdekking enn AI. Disse verktøyene er spesielt nyttige i å prosessere og utvinne store, komplekse PV-data-sammensettninger for å hjelpe med å automatisere manuelle arbeidsbyrder og gjøre best mulig bruk av de menneskelige ressurser på sikkerhets-teamene. Faktisk gjør tilpasningen av AI- og NLP-verktøy innen life sciences-bransjen det mulig å ta disse store, ustrukturerte data-sammensettningene og omdanne dem til handling-orienterte innsikter i en utenkelig hastighet. Her er noen av måtene AI kan forbedre operasjonell effektivitet for PV-team, som IQVIA aktivt leverer til sine kunder i dag:

1. Øke litteratur-søk etter relevante informasjon
2. Skanne sosiale medier over hele verden for å peke ut UH
3. Lytte og absorbere lyd-opptak (f.eks. inn i en kontakt-senter) for å nevne et selskap eller legemiddel
4. Oversette store mengder informasjon fra ett språk til et annet
5. Transformere skannede dokumenter om UH til handling-orientert informasjon
6. Lese og tolke sak-narrativer med minimal menneskelig veiledning
7. Bestemme om noen mønster i UH-data gir nye, tidligere urealiserte informasjon som kan forbedre pasient-sikkerhet
8. Automatisere sak-oppfølgning for å verifisere informasjon og fange eventuelt manglende data

Er det noe annet du ønsker å dele om IQVIA?

IQVIA utnytter sine store data-sammensettninger, avanserte teknologi og dypt domene-ekspertise for å levere den kritiske differensiatoren i å levere AI-verktøy som er spesifikt bygget og trent for life sciences-bransjen. Denne unike kombinasjonen av attributter er hva som har bidratt til den suksessfulle implementeringen av IQVIA-teknologi over en bred rekke bransje-aktører. Dette støtter integrerte globale overholdelses-innsats for bransjen, samt forbedrer pasient-sikkerhet.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke IQVIA.