行動喚起

始める

クラウド

スタートのご用意はできましたか?

Sandbox をダウンロード

ご質問はありませんか?

クローズクローズボタン
行動喚起

製薬業界のためのビッグデータ分析
と臨床試験

クラウド スタートのご用意はできましたか?

Sandbox をダウンロード

Finding the cure for inaccessible data

What happens when the data you need is hidden in silos, or when billions of dollars are riding on drug testing data you can’t access? How do you see a long-term view of 10 billion records to understand biological response to drugs? Researchers turn to Hortonworks for advanced analytics on integrated translational data and to gain a holistic view of their pharmaceutical data.

医薬品データのパワーをアンロック

ビッグデータの統合、内外とのコラボレーション、ポートフォリオ決定サポート、より効率的な臨床試験、市場投入までの時間短縮、歩留まり改善、安全性の向上などは、世界中の製薬会社が自社データを最大限にを活用することによって達成できる大きなメリットのほんの一部です。

ユースケース

「ゴールデンバッチ」を目指して、Merck はワクチン歩留まりを最適化

Merck は製造データを分析し、最も重要な予測変数を「ゴールデンバッチ」として区別することで、ワクチン歩留まりを最適化しました。Merck の幹部陣は、生産量を増やしコストを削減するため、長い間無駄のない製造に頼ってきましたが、歩留まりを強化する斬新的な方法を発見することは次第に困難になりました。そこで、さらにコストを削減し、歩留まりを向上することができる新たな洞察を求めて、オープンなエンタープライズ Hadoop を検討しました。Merck は Hortonworks に対して、1 つのワクチンを 10 年分さかのぼり、255 件のバッチ記録からデータを発見するよう依頼しました。そのデータはメンテナンスとビル管理システムの 16 ヶ所に分散されており、較正設定、空気圧、温度、湿度などの正確なセンサーデータが含まれていました。Hortonworks Data Platform にすべてのデータを蓄積して 150 億件の計算を処理した結果、Merck は 10 年にわたり求めていた質問への新たな答えを得ました。何百もの変数の中から、Merck チームは歩留まりを最適化するものを発見することができたのです。同社は、可能な限り低価格で高品質の医薬品を提供することに注力しながら、他のワクチンにもそれらの教訓を適用する道へと進みました。InformationWeek のダグ・ヘンシェンによる、Merck のジョージ・リャド氏のインタビューをご覧ください。


医薬品製造工程間での浪費の最小化

Hortonworks を使用している医薬品業界のある顧客は、HDP を、サプライチェーンの単一ビューと、「浪費戦争」と自ら宣言するものに使用しています。オペレーションチームは医薬品を製造する材料を合計し、出荷した実際の製品と比較しました。2 者間には大きな隔たりがあったため「浪費戦争」へと突入し、HDP を使用して貴重なリソースがどこへ行くのかを特定しました。浪費の根本原因が特定された後は、所定のしきい値を超えるリスクがある場合、HDP のリアルタイムアラートがチームに通知されるようになりました。


橋渡し研究で科学的研究を個人の医薬品へと応用

橋渡し研究の目標は、研究室での研究結果を、ヒトの健康改善に適用することです。研究者、臨床医、アナリストが橋渡し研究のデータから洞察を得て、科学的根拠に基づいた医療プログラムを実施するために、Hadoop は力を貸します。橋渡し研究のデータソースは複雑で、通常はデータサイロに閉じ込められています。そのため、科学者がデータに関して統合された全体的なビューを得ることは難しくなっています。その他の課題は、データの待ち時間(従来のデータストアにロードされたデータの取得遅れ)を中心に展開しています。非構造化や半構造化タイプのデータを処理し、橋渡し研究と臨床開発グループ間の共同分析の不足を補います。研究者たちは費用効率が良く信頼できるプラットフォームとしてオープンなエンタープライズ Hadoop に頼り始めており、統合された橋渡し研究データに対して高度な分析を行なっています。HDP により、橋渡し研究および臨床グループは以下のようなソースからの主要データを組み合わせることができます:オミクス(ゲノミクス、プロテオミクス、転写プロファイリングなど)、前臨床データ、研究用電子手帳、医療用データウェアハウス、組織像データ、医療機器、センサーファイルソース(Excel や SAS など)、医学文献などがそのソースとなります。アナリストは Hadoop を通じて、化合物や薬物の生物学的反応と分子機構を理解するのに役立つ全体的なビューを構築することができます。また、研究開発や臨床試験で使用するためのバイオマーカーを発見することもできます。最終的にすべてのデータはネイティブフォーマットで永久に保管されるため、アナリストは今後開発される様々なアプリケーションでも分析を行なうことができます。


次世代シーケンシング

IT システムでは、次世代シーケンシング(NGS)データを経済的に保管、処理することができません。例えば、1 次シーケンシングの結果は大きな画像フォーマットであるため、長期間保管するにはコストがかかりすぎます。ポイントソリューションは変わりゆく分析方法に対応するための柔軟性に欠けており、多くの場合、カスタマイズや維持に費用がかかります。オープンエンタープライズ Hadoop は、このような課題を克服しました。データサイエンティストや研究者が NGS データから洞察を得るためのサポートをしながら、信頼性が高くコスト効率に優れたプラットフォーム上に、加工されていない結果を保存します。NGS 科学者たちは、Apache Spark のような HDP コンポーネントによる大規模な処理や分析の利点を発見しています。医薬品研究者は Hadoop を使用して、TCGA、GENBank、EMBL などの遺伝子データの外部ソースから、多様なデータタイプを簡単に採取しています。NGS 用 HDP のもう一つの明確な利点は、研究者が Hadoop に特化して構築された最先端のバイオインフォマティクスツールにアクセスできる点です。このため、様々な NGS データフォーマットの分析、読み取り結果のソート、結果の結合が可能になりました。これにより、NGS は次のレベルへと移行します:大規模な NGS データセットのバッチ処理、内部データと公的に利用可能な外部シーケンスデータとの統合、ネイティブフォーマットの大きな画像ファイル用パーマネントデータストレージ、データ処理および保管にかかるコストの大幅削減が、その移行を実現します。

HDP はリアルワールドエビデンスを提供するために、リアルワールドデータを使用

Real-World Evidence (RWE) promises to quantify improvements to health outcomes and treatments, but this data must be available at scale. High data storage and processing costs, challenges with merging structured and unstructured data, and an over-reliance on informatics resources for analysis-ready data have all slowed the evolution of RWE. With Hadoop, RWE groups are combining key data sources, including claims, prescriptions, electronic medical records, HIE, and social media, to obtain a full view of RWE. Analysts are unlocking real insights and delivering advanced analytic insights via cost-effective and familiar tools such as SAS® ,R®, TIBCO™ Spotfire®, or Tableau®. RWE through Hadoop delivers value with optimal health resource utilization across different patient cohorts, a holistic view of cost/quality tradeoffs, analysis of treatment pathways, competitive pricing studies, concomitant medication analysis, clinical trial targeting based on geographic & demographic prevalence of disease, prioritization of pipelined drug candidates, metrics for performance-based pricing contracts, drug adherence studies, and permanent data storage for compliance audits.

以前の研究から得た生データに永久アクセス

HDP Uses Real-World Data to Deliver Real-World Evidence
Real-World Evidence (RWE) promises to quantify improvements to health outcomes and treatments, but this data must be available at scale. High data storage and processing costs, challenges with merging structured and unstructured data, and an over-reliance on informatics resources for analysis-ready data have all slowed the evolution of RWE. With Hadoop, RWE groups are combining key data sources, including claims, prescriptions, electronic medical records, HIE, and social media, to obtain a full view of RWE. Analysts are unlocking real insights and delivering advanced analytic insights via cost-effective and familiar tools such as SAS:registered: ,R:registered:, TIBCO:tm: Spotfire:registered:, or Tableau:registered:. RWE through Hadoop delivers value with optimal health resource utilization across different patient cohorts, a holistic view of cost/quality tradeoffs, analysis of treatment pathways, competitive pricing studies, concomitant medication analysis, clinical trial targeting based on geographic & demographic prevalence of disease, prioritization of pipelined drug candidates, metrics for performance-based pricing contracts, drug adherence studies, and permanent data storage for compliance audits.