medical

Znaczenie i wykorzystanie danych w sektorze life-science rośnie

Firmy z sektora medycznego, biotechnologii, farmaceutycznego (life-sciences) zaczynają stosować nowe cyfrowe rozwiązania, aby zmienić sposób wykorzystania danych w procesie produkcji i szeroko rozumianym łańcuchu dostaw.

W 1747 roku James Lind, chirurg okrętowy na statku HMS Salisbury, przeprowadził pionierski eksperyment medyczny na 12 członkach swojej załogi. Wszyscy oni cierpieli na szkorbut, powszechne i często śmiertelne schorzenie, które dotykało tysiące marynarzy podczas długich rejsów. Lind podzielił grupę na pary i każdej z nich zaproponował inne leczenie. Dostępne opcje obejmowały codzienne dawki wody morskiej, octu i cydru, ale jedna para otrzymywała dwie pomarańcze i cytrynę każdego dnia. Po tygodniu zdrowie mężczyzn, którzy jedli owoce cytrusowe, uległo znacznej poprawie; jeden z nich czuł się nawet na tyle dobrze, że mógł powrócić do normalnych obowiązków.

Eksperyment Linda jest obecnie uważany za prekursora dzisiejszych badań klinicznych. Chociaż Lind nie rozumiał pierwotnych przyczyn szkorbutu (brak witaminy C w diecie), odkrył skuteczny sposób leczenia i miał na to dowody. Niestety dla marynarzy, owoce cytrusowe były w tamtych czasach w Europie drogim luksusem. Minęło kolejne 50 lat, zanim brytyjska marynarka włączyła sok z limonki jako standardowy składnik racji żywnościowych załogi.

Ilość danych dostępnych dla branży life-science rośnie niezwykle szybko. Analiza przeprowadzona w 2018 r. przez Dell EMC sugeruje, że ilość danych przechowywanych przez światowe organizacje opieki zdrowotnej wzrosła o 878% w ciągu zaledwie dwóch lat. Firmy farmaceutyczne w większym stopniu wykorzystują również wtórne źródła danych – na przykład eksplorując kanały mediów społecznościowych w poszukiwaniu odniesień do rzadkich reakcji niepożądanych na ich produkty.

Sektor intensywnie inwestuje również w nowe narzędzia i podejścia do analizy danych. Na przykład w trzecim kwartale 2019 r. amerykańscy inwestorzy zainwestowali 1,5 mld USD w firmy, które wykorzystują sztuczną inteligencję (SI) i techniki uczenia maszynowego do zastosowań w biofarmacji. Ta suma stanowi jedną czwartą całkowitego finansowania SI w Stanach Zjednoczonych w tym okresie.

Uzupełnianie braków

Jednak pomimo zależności od danych w działalności badawczo-rozwojowej, wiele firm z branży farmaceutycznej i urządzeń medycznych ma poważne braki, jeśli chodzi o wykorzystanie danych w swojej działalności. Działalność produkcyjna i dystrybucyjna w sektorze opieki zdrowotnej jest złożona i podlega ścisłym regulacjom. Takie środowisko zachęca organizacje do tworzenia „silosowych” struktur z różnymi działami, z których każdy koncentruje się na doskonaleniu swojej własnej funkcji kosztem ścisłej współpracy w ramach szerszej działalności.

Częste fuzje i przejęcia w tym sektorze powodują dodatkowe komplikacje. Kiedy dwie firmy łączą siły, tworzą duplikaty silosów w swoich działach sprzedaży, produkcji, łańcucha dostaw i innych. Połączenie i ostateczne zintegrowanie tych silosów może wymagać znacznego czasu i wysiłku, zwłaszcza gdy uczestnicy fuzji korzystali wcześniej z różnych technologii, procesów i struktur organizacyjnych.

Złożone kanały rynkowe w tym sektorze sprawiają, że obraz sytuacji jest jeszcze bardziej mglisty. Wiele produktów przechodzi przez długi łańcuch zainteresowanych stron – w tym dystrybutorów, hurtowników i aptek – zanim dotrze do pracowników medycznych, którzy je przepisują, lub pacjentów, którzy je stosują. W takim scenariuszu producent może mieć niewielki bezpośredni kontakt ze swoimi klientami końcowymi i nie mieć pojęcia, w jaki sposób jego produkty są wykorzystywane.

Konieczność integracji

Podejście „dziel i zwyciężaj” w sektorze opieki zdrowotnej sprawdzało się przez dziesięciolecia, ale obecnie sektor ten stoi w obliczu znacznej presji z wielu różnych stron. Z jednej strony, rosnące koszty opieki zdrowotnej oznaczają, że płatnicy prowadzą ostrzejsze negocjacje z dostawcami, co powoduje obniżanie cen. Podobnie kraje o średnich dochodach, które starają się poprawić jakość usług zdrowotnych świadczonych swoim obywatelom, muszą przyglądać się z każdej strony każdemu wydanemu dolarowi. Bardziej restrykcyjne marże zmuszają firmy do poszukiwania znaczących oszczędności i usprawnień operacyjnych, co wymaga ścisłej współpracy pomiędzy poszczególnymi działami i całościowego spojrzenia na wyniki biznesowe.

Z drugiej strony, nowa generacja złożonych, kosztownych i coraz bardziej spersonalizowanych metod leczenia zmusza firmy do ponownego przemyślenia swoich modeli operacyjnych. Tam, gdzie produkty są krótkotrwałe, wykonywane na zamówienie lub po prostu niezwykle drogie, wysokie zapasy nie są już realnym rozwiązaniem dla niedoskonałości łańcucha dostaw.

Do tego dochodzą wstrząsy w łańcuchu dostaw. Pandemia COVID-19 pokazała aż nazbyt wyraźnie, że podaż i popyt w sektorze opieki zdrowotnej mogą podlegać skrajnym wahaniom. Zdolność organizacji do reagowania na takie zdarzenia zależy od właściwego zrozumienia możliwości i elastyczności istniejących w ramach jej działalności.

Z silosów do data lake

W odpowiedzi na te wyzwania, branża podejmuje zakrojone na szeroką skalę działania mające na celu zmianę sposobu wykorzystywania danych operacyjnych. Firmy łączą dane z różnych funkcji i różnych części łańcucha dostaw w zintegrowane „data lakes”. Następnie stosują nowe narzędzia analityczne, aby wydobyć więcej informacji z tych danych w celu ułatwienia lepszego i szybszego podejmowania decyzji.

Grupa Merck, najstarsza na świecie firma chemiczna i farmaceutyczna, buduje „autonomiczny łańcuch dostaw”, wykorzystując technologię cyfrową i narzędzia SI do poprawy widoczności, dokładności prognoz i poziomu usług w całej swojej działalności. Alessandro De Luca, dyrektor ds. informacji w firmie, powiedział. że pierwsze etapy jego ambitnego programu pomogły zmniejszyć zmienność prognoz o ponad jedną trzecią, torując drogę do znacznego zmniejszenia zapasów bez wpływu na usługi.

Inne organizacje wykorzystują narzędzia cyfrowe, aby umożliwić bezproblemową wymianę danych między uczestnikami łańcucha dostaw. Na przykład GE Healthcare i firma biofarmaceutyczna Amgen utworzyły system cyfrowej wymiany danych między swoimi zakładami produkcyjnymi. GE wytwarza materiały biologiczne, które Amgen przetwarza na gotowe produkty. Nowy system udostępnia naukowcom i inżynierom z firmy Amgen szczegółowe informacje z linii produkcyjnych GE, dzięki czemu mogą oni dokładnie sprawdzić, w jaki sposób zmiany w surowcach wpływają na kolejne operacje produkcyjne i jakość produktów końcowych.

W sektorze urządzeń medycznych firmy wykorzystują technologie Internetu rzeczy (IoT), aby rozszerzyć połączenia danych aż do punktu ich użytkowania. Philips, na przykład, oferuje pakiet usług zdalnego monitorowania, modernizacji i diagnostyki dla szerokiego wachlarza sprzętu ze swojej oferty do obrazowania medycznego. Firma twierdzi, że jej inżynierowie serwisowi mogą na bieżąco analizować sprzęt, aby proaktywnie wykrywać wszelkie potencjalne problemy i podejmować odpowiednie działania naprawcze.

Dane w logistyce i transporcie

Dane pomagają również firmom z sektora life-science w poprawie wydajności ich procesów logistycznych, mówi Larry St. Onge, prezes Life Sciences & Healthcare w DHL. Opisuje on, w jaki sposób DHL wykorzystuje dane generowane przez sieć Thermonet, aby pomóc klientom zwiększyć niezawodność i efektywność kosztową ich systemów logistycznych.

„Od ośmiu lat prowadzimy Thermonet jako dedykowaną, standaryzowaną sieć dla wrażliwych na temperaturę przesyłek z sekrora life-science” – wyjaśnia St. Onge. „Sieć składa się z wielu elementów, w tym personelu przeszkolonego w zakresie odpowiednich procedur operacyjnych i certyfikowanych obiektów magazynowych na całym świecie, ale ważną częścią systemu jest jego platforma danych”.

Przesyłki przechodzące przez sieć Thermonet są wyposażone w bezprzewodowe urządzenia rejestrujące dane, które rejestrują temperaturę na zewnątrz paczki podczas całej jej podróży. Czujniki te działają jak system alarmowy, przekazując ostrzeżenie do wieży kontrolnej DHL, jeśli paczka spędza zbyt wiele czasu w niekontrolowanym środowisku. Pozwalają one również DHL śledzić warunki panujące w całej sieci, pomagając w ciągłym dostosowywaniu się i poprawianiu wydajności. „Dane Thermonet pomagają nam w prowadzeniu niezwykle niezawodnej sieci”, mówi St. Onge. „Dziś, mając do dyspozycji lata danych z wielu tysięcy przesyłek, możemy również zastosować inteligentną analitykę, aby zwiększyć wartość dodaną dla naszych klientów”.

Dane Thermonet są już wykorzystywane do wspomagania wyboru tras transportowych, wyjaśnia St. Onge, pozwalając firmom unikać tras, na których ryzyko wzrostu temperatury jest najwyższe. „Dziś jesteśmy również w stanie wykorzystać nasze dane do formułowania zaleceń dotyczących najbardziej odpowiednich systemów pakowania dla danej trasy”, mówi. „Jeśli widzimy, że opakowania w określonym pasie ruchu doświadczają wysokich temperatur tylko przez dwa miesiące w roku, możemy zasugerować klientowi przyjęcie tańszych opakowań pasywnych przez większość czasu, stosując najdroższe aktywne systemy chłodzenia tylko wtedy, gdy są one naprawdę potrzebne”.

Zdolność wyboru właściwego rozwiązania opakowaniowego dla każdej przesyłki może mieć znaczący wpływ na całkowity koszt logistyki, mówi St. Onge. Może to również pomóc firmom w sytuacji, gdy łańcuchy dostaw są napięte, umożliwiając im podejmowanie decyzji logistycznych, które minimalizują ryzyko przy jednoczesnym zachowaniu ciągłości dostaw. „Kiedy połączymy historyczne dane Thermonet z informacjami w czasie rzeczywistym na temat ryzyka w łańcuchu dostaw, pochodzącymi z takich źródeł jak platforma Resilience360 firmy DHL, otrzymamy naprawdę potężny zestaw narzędzi wspomagających operacje logistyczne w wymagających i nieprzewidywalnych środowiskach”, mówi St. Onge.

Sektor opieki zdrowotnej zmaga się z najpoważniejszymi wyzwaniami, przed jakimi stał od dziesięcioleci. Opanowanie przez tę branżę danych – w badaniach, w łańcuchu dostaw i w szerszej społeczności – będzie miało decydujące znaczenie dla ich reakcji.

Kontakt Kontakt z Międzynarodowymi Specjalistami