Hortonworks から最新情報をメールで受け取る

月に一度、ビッグデータに関する最新のインサイト、トレンド、分析情報、ナレッジをお届けします。

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 Hortonworks はリーダーです。Forrester Wave をお読みください

レポートをダウンロード

アクセス不可能なデータのための解決策を見つける

必要なデータがサイロに隠れているとしたら、また何十億ドルもの利益がアクセスできない薬物検査データにかかっているとしたら、どうしますか?100 億のレコードから成る長期データから、薬物に対する生物学的反応を理解するには、どうすればよいでしょうか?製薬業界の研究者は、統合されたトランスレーショナルデータにて高度なビッグデータ分析を行い、医薬品データの全体像を把握するために、Hortonworks を選択しています。

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、医薬品のビッグデータ分析、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の製薬ビッグデータを最大限に活用することによって達成できる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

One Hortonworks pharmaceutical customer uses HDP for a single view of its supply chain and their self-declared “War on Waste”. The operations team added up the ingredients going into making their drugs, and compared that with the physical product they shipped. They found a big gap between the two and launched their War on Waste, using HDP big data analytics to identify where those valuable resources were going. Once it identifies those root causes of waste, real-time alerts in HDP notify the team when they are at risk of exceeding pre-determined thresholds.


橋渡し研究で科学的研究を個人の医薬品へと応用

The goal of Translational Research is to apply the results of laboratory research towards improving human health. Hadoop empowers researchers, clinicians, and analysts to unlock insights from translational data to drive evidence-based medicine programs. The data sources for translational research are complex and typically locked in data siloes, making it difficult for scientists to obtain an integrated, holistic view of their data. Other challenges revolve around data latency (the delay in getting data loaded into traditional data stores), handling unstructured and semi-structured types of data, and bridging lack of collaborative analysis between translation and clinical development groups. Researchers are turning to Open Enterprise Hadoop as a cost-effective, reliable platform for managing big data in clinical trials and performing advanced analytics on integrated translational data. HDP allows translational and clinical groups to combine key data from sources such as: Omics (genomics, proteomics, transcription profiling, etc) Preclinical data Electronic lab notebooks Clinical data warehouses Tissue imaging data Medical devices and sensors File sources (such as Excel and SAS) Medical literature Through Hadoop, analysts can build a holistic view that helps them understand biological response and molecular mechanisms for compounds or drugs. They’re also able to uncover biomarkers for use in R&D and clinical trials. Finally, they can be assured that all data will be stored forever, in its native format, for analysis with multiple future applications.


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

リアルワールドエビデンス(RWE)は、健康転帰や治療における改善を確実に数量化しますが、このデータは大規模に利用可能でなければなりません。高額なデータストレージコストや処理コスト、構造化データと非構造化データの統合に関する課題、情報科学リソースに対する分析可能データの過度の依存、これらすべてが RWE の進化を遅らせてきました。RWE グループは Hadoop を使って、保険請求、処方箋、電子カルテ、HIE、ソーシャルメディアなどの主要なデータソースを組み合わせ、RWE の完全なビューを得ています。製薬業界におけるビッグデータ分析により、アナリストは本物の洞察を発見し、SAS®、R®、TIBCO™ Spotfire®、Tableau® などの費用対効果が高く使い慣れたツールを使用して、高度な分析洞察を提供しています。Hadoop を使った RWE は、異なる患者コホート全体に対する最適な医療リソースの活用、コストと品質の妥協点に対する全体的なビュー、治療過程の分析 • 競争力のある価格設定の研究、併用薬の分析、地理および人口統計学的有病率を元に焦点を絞った臨床試験、新薬パイプライン候補の優先順位付け、パフォーマンスベース価格による契約の設定基準、服薬順守に関する研究、コンプライアンス監査に備えた永久的なデータ保管、といった価値を提供します。

以前の研究から得た生データに永久アクセス

リアルワールドエビデンス(RWE)は、健康転帰や治療における改善を確実に数量化しますが、このデータは大規模に利用可能でなければなりません。高額なデータストレージコストや処理コスト、構造化データと非構造化データの統合に関する課題、情報科学リソースに対する分析可能データの過度の依存、これらすべてが RWE の進化を遅らせてきました。RWE グループは Hadoop を使って、保険請求、処方箋、電子カルテ、HIE、ソーシャルメディアなどの主要なデータソースを組み合わせ、RWE の完全なビューを得ています。アナリストは本物の洞察を発見し、SAS®、R®、TIBCO™ Spotfire®、Tableau® などの費用対効果が高く使い慣れたツールを使用して、高度な分析洞察を提供しています。Hadoop を使った RWE は以下のように価値を提供します: • 異なる患者コホート全体に対する最適な医療リソースの活用 • コストと品質の妥協点に対する全体的なビュー • 治療過程の分析 • 競争力のある価格設定の研究 • 併用薬の分析 • 地理および人口統計学的有病率を元に焦点を絞った臨床試験 • 新薬パイプライン候補の優先順位付け • パフォーマンスベース価格による契約の設定基準 • 服薬遵守に関する研究 • コンプライアンス監査に備えた永久的なデータを保管します。