Die Pistoia Alliance befasst sich mit Herausforderungen bei der Datenverwaltung, um die digitale Transformatio

Die Pistoia Alliance, eine globale, gemeinnützige Allianz, die sich für eine engere Zusammenarbeit in der Forschung und Entwicklung im Bereich der Biowissenschaften einsetzt, hat heute ihre Data Governance Community of Interest (CoI) ins Leben gerufen. Der CoI wurde als Reaktion auf eine Diskussionsrunde zur Bewertung der Prioritäten der Branche initiiert. Die Teilnehmer waren hochrangige Forschungs- und Entwicklungsfachleute von Pharmaunternehmen wie AbbVie, Bayer, Bristol Myers Squibb, Novo Nordisk, Pfizer, Roche und Sanofi sowie OSTHUS. Data Governance ist unerlässlich, um die digitale Transformation in Pharmazeutika und Biowissenschaften zu ermöglichen und Innovationen voranzutreiben. Das neue CoI wird Best Practices und Standards für die Datenverwaltung entwickeln und veröffentlichen und gleichzeitig eine Plattform bieten, auf der Unternehmen zusammenkommen können, um gemeinsame Probleme zu erörtern. "Eine robuste Datenverwaltung und die zugrunde liegende Infrastruktur für den Datenaustausch sind unerlässlich, um die Innovation in Forschung und Entwicklung zu beschleunigen", kommentierte Dr. Steve Arlington, Präsident der Pistoia Alliance. â € žDie unglaubliche Reaktion der Life-Science-Community auf COVID-19 hat gezeigt, wie viel erreicht werden kann, wenn Wissenschaftler zusammenarbeiten. Wir müssen jetzt diese Denkweise beibehalten und weiter zusammenarbeiten, damit wir ein Ökosystem aufbauen, das den nahtlosen Datenaustausch unterstützt und dieses gemeinsame Hindernis für Innovationen beseitigt. Die Branche muss Best Practices für die Datenverwaltung entwickeln, um die Zusammenarbeit einfacher und sicherer zu gestalten, nicht nur im Falle einer weiteren Krise im Bereich der öffentlichen Gesundheit, sondern um sicherzustellen, dass wir bei allen ungedeckten Anforderungen rasch Fortschritte erzielen können. “Ohne eine Strategie zur Datenverwaltung, zweitrangig Die Verwendung von Daten zur weiteren Innovation wird verhindert. Zum Beispiel synthetische Vergleichsarme in klinischen Studien; Einsatz fortschrittlicher AI / ML & NLP in Forschung und Entwicklung; und Verwendung realer Beweise, um die Wirkstoffentdeckung zu informieren und das Design klinischer Studien zu verbessern. Die Pistoia Alliance befragte die Teilnehmer des Runden Tisches zur aktuellen Implementierung von Data Governance durch ihre Organisation. Die Ergebnisse der Umfrage zeigen, dass die Art und Weise, wie Governance in Unternehmen eingeführt wird, deutlich unterschiedlich ist. Bei 44 Prozent der Befragten sitzt der Chief Data Officer eher auf der Funktionsebene als auf der Ebene des strategischen Vorstands. Darüber hinaus gaben 44 Prozent an, keinen Chief Data Officer (oder eine ähnliche Rolle) in ihrer Organisation zu haben. Dies führt wahrscheinlich zu einer Trennung zwischen Data Governance-Strategie und Implementierung, wodurch Lücken in den Prozessen entstehen. "Viele unserer Mitglieder haben ähnliche Bedenken hinsichtlich der Datenverwaltung, des Datenzugriffs und der Einhaltung gesetzlicher und behördlicher Anforderungen geäußert", kommentierte John Wise, Mitglied des Betriebsteams und Leiter des Data Governance CoI bei The Pistoia Alliance. Als Reaktion darauf haben wir diese Interessengemeinschaft geschaffen, um diese Hindernisse zu erörtern und zu beseitigen und branchenweite Best Practices zu entwickeln. Unser Ziel ist es, der Life-Science-Industrie dabei zu helfen, das Beste aus ihren Daten herauszuholen, während sie ihren Weg der digitalen Transformation fortsetzt. “Die Umfrage identifizierte auch mehrere Hindernisse, die die Digitalisierung und die Anwendung fortschrittlicher Analysen verlangsamen – die am häufigsten isolierte Anwendungslandschaft (64%) ) und isolierte Organisationslandschaft, die von 57% der Befragten angegeben wurden. Heutzutage werden Datenbestände häufig in unterschiedlichen Formaten gespeichert und sind schwer abzurufen, gemeinsam zu nutzen und nicht interoperabel. Um so viel Wert wie möglich aus den Daten zu extrahieren, müssen sie maschinenlesbar und umsetzbar sein. Dies ist entscheidend für die Datennutzung in der KI und beim maschinellen Lernen. Die Implementierung der FAIR-Leitprinzipien (auffindbar, zugänglich, interoperabel und wiederverwendbar), die Konzentration auf die Datenqualität und die Stärkung der Dateninfrastruktur sind von entscheidender Bedeutung, damit das Life-Science-Ökosystem von den von ihm erstellten Daten profitieren kann. Ein weiteres bedeutendes Hindernis ist der kulturelle Widerstand an zweiter Stelle, der ebenfalls von 57% der Befragten angeführt wird. Um dieses Problem zu lösen, muss die Biowissenschaftsbranche die langjährige und instinktive kulturelle Tendenz gegen den Datenaustausch angehen, indem sie ihn nicht nur fördert, sondern auch anregt.