Farmaceutische laboratoria bereiden zich voor op AI om de concurrentie voor te blijven

"Farmaceutische bedrijven lopen ver achter op veel industrieën als het gaat om digitalisering", zegt Oliver Hesse, hoofd biotech data science en digitalisering bij Bayer Pharmaceuticals in Berkeley, Californië. "Deels komt dat door de unieke uitdagingen waar we voor staan, maar het komt ook doordat we ons te veel richten op het vermijden van risico's of wachten op de juiste use case. Dat is een valkuil - je moet een meer holistische kijk hebben."

Met Hesse's achtergrond in high-throughput screening, labautomatisering en data science, heeft Bayer hem onlangs aangesteld om een wereldwijd team te leiden dat belast is met het updaten van veel van de bestaande apparatuur van het bedrijf voor het informatietijdperk. De lessen die hij heeft geleerd over het tot stand brengen van een naadloze informatieoverdracht van procesontwikkeling naar productie kunnen van pas komen bij farmaceutische bedrijven die de stap willen maken van het digitaal bijhouden van gegevens naar volledige automatisering.

De waarde van gestructureerde gegevens

Hoewel het omgaan met "systemen die niet goed samenwerken" het belangrijkste obstakel was waarmee Hesse werd geconfronteerd, merkt hij op dat het veranderen van de mindset van onderzoekers die aarzelen om DLP-tools (Digital Lab Platform) zoals ELN's en LIMS te gebruiken, op de tweede plaats komt. Om dit te overwinnen heeft Bayer een team van biotechnici ingezet om nauw samen te werken met laboratoriumgebruikers om hun behoeften centraal te stellen in een op maat gemaakt digitaal platform.

"De afgelopen twee jaar heb ik me gericht op het creëren van een infrastructuur die alle gegevens van een gebruiker vastlegt en om mensen te helpen de waarde van gestructureerde gegevens te begrijpen", zegt Mehdi Saghafi, een biotech data engineer bij Bayer met 20 jaar ervaring in procesontwikkeling. "Na veel hand- en spandiensten, planning en strategie begint het nu echt te bloeien."

Saghafi legt uit dat digitalisering meer inhoudt dan het vervangen van papieren labnotitieboeken door tablets, of het simpelweg dumpen van resultaten op steeds groter wordende harde schijven of eendimensionale digitale tools. In een echt geoptimaliseerd digitaal lab "bevinden de gegevens zich niet langer op een apparaat - ze zijn binnen handbereik". De grootste uitdaging bij het implementeren van deze visie, merkt hij op, is het vinden van mensen met de vaardigheden en creativiteit die nodig zijn om bestaande apparatuur, workflows en databases te moderniseren met behulp van API's (Application Programming Interfaces).

"Elk instrument is anders en er is geen handleiding die je vertelt wat je moet doen," zegt Saghafi. "Het vereist een zekere mate van doorzettingsvermogen en veel bedrijven zijn niet bereid om een groep te financieren om de overgang te begeleiden."

Deze mening wordt gedeeld door Zareh Zurabyan, hoofd van eLabNext America, een DLP-leverancier die tools zoals ELN's en LIMS aanbiedt vanuit Cambridge, Massachusetts. "Het is niet hetzelfde als het aanschaffen van een centrifuge of een flowcytometer," zegt hij. "Een digitale oplossing zoals een ELN wordt het middelpunt van je dagelijkse routine. Naast het ontsluiten van onderzoeksinzichten, zal het binnen handbereik hebben van grootschalige gegevens op zijn minst je bedrijfsstrategie beïnvloeden. We raden klanten altijd aan om een commissie op te richten die vanaf het begin bepaalt wat de digitale strategie is."

Een holistische kijk

De steeds groeiende noodzaak om de time-to-market te verkorten, dwingt farmaceutische bedrijven om efficiëntere, gegevensgeoriënteerde verwerkingstechnieken te gebruiken. Centraal in dat doel staat het beheren van gegevens zodat ze op het juiste moment op de juiste plaats zijn om ervan te leren. Volgens het Bayer-team bleek het nemen van een stap terug de sleutel tot het samenbrengen van ongelijksoortige componenten in een geïntegreerde infrastructuur.

"Kijk naar het grote geheel - wat is een bioreactor? Een vat met inputs en outputs. Hoe bestuur je dat, hoe pas je dat in een systeem in?" vraagt Saghafi. "En denk na over het verwerken van de metadata rond die bioreactor: dingen zoals de batch, het project, de operator. Dat is waar een ELN cruciaal wordt."

Een typische procesontwikkelingsopstelling heeft een hiërarchische structuur, met bovenin SCADA-software (Supervisory Control and Data Acquisition) die het verkeer regelt tussen programma's zoals een gegevenshistoricus en een ELN dat fungeert als gebruikersinterface en centrale hub voor gegevensanalyse en procesmodellering. "Er zijn veel tools om je analytische labgegevens over te brengen, maar als je ze niet allemaal op één plek kunt visualiseren en analyseren, worden ze zinloos," stelt Saghafi.

Zurabyan merkt op dat eLabNext open API's en software development kits heeft waarmee vrijwel elk lab gemakkelijk data kan pushen en pullen tussen instrumenten. "Het is een modulair systeem met volledig geïndexeerde componenten, waardoor het intuïtiever te gebruiken is," zegt hij. "Als je er eenmaal aan gewend bent, kun je steeds meer mogelijkheden toevoegen via onze online marktplaats, die een aantal van de meest recente en meest geavanceerde systemen biedt. AI-tools van derden in de industrie. Het idee is om een innovatie-ecosysteem op te bouwen om onderzoek en procesontwikkeling te optimaliseren."

Het vermogen om eenvoudige oplossingen te vinden voor gebruikers bleek de sleutel tot het verhogen van de adoptiegraad bij Bayer. "Maak dingen niet te ingewikkeld - dat was een les voor ons," herinnert Hesse zich. "Als je 200 codes uit je hoofd moet leren, komt dat niet overeen met wat je probeert te doen."

De AI-revolutie komt eraan

Hoewel de eindgebruiker het misschien niet hoeft te zien, moet er een aanzienlijke hoeveelheid infrastructuur aanwezig zijn om het digitale lab succesvol te laten zijn. Voor Zurabyan zullen labs die deze investering doen een veel grotere kans van slagen hebben wanneer de volgende digitale revolutie toeslaat. "AI komt uit het niets en gaat alles veranderen", zegt hij. "Als we met labs overleggen, richten we ons echt op datastandaardisatie zodat het toegankelijk is voor machine learning."

Saghafi vergelijkt deze proactieve inspanningen met gemeenschappen die belasting betalen voor nieuwe wegen. "Soms moeten we ongemakkelijke dingen doen, maar kijk - als je goed bent in het lab, houd je al een notitieboek bij. Besteed wat tijd aan taxonomie, leer de juiste manier om gegevens vast te leggen en te refereren aan een ELN, zodat iemand die niets met het lab te maken heeft ze in de juiste context kan analyseren."

Zelfs met een uitgebreid digitaal arsenaal heeft innovatie in de farmaceutische industrie nog steeds een menselijke maat nodig. "Als de implementatie op het niveau van de eindgebruikers gebeurt en je met hen samenwerkt om hen de juiste software te geven, dan nemen zij er eigenaarschap van," zegt Saghafi. "Het digitale labplatform wordt de pijler van je innovatie en legt alles vast - je gegevens, je herhaalbaarheid, je toekomst."