検索
Close this search box.
検索
Subscriber Log In

インテリジェント予測とは何か?

知的予測はライフサイエンス業界にとって非常に強力なツールである。しかし、それは一体何なのだろうか?

アイ、ロボット昨今、人工知能をめぐる流行語には事欠かない。 専門家はAI、機械学習、自然言語処理の違いについて饒舌に語るが、凡人はしばしば頭を悩ませることになる。 多くの人にとっては、すべてがブラックボックスであり、刺激的であり、混乱させられ、恐ろしくもある。

しかし、ライフサイエンス市場に携わる者にとっては、この話題に頭を埋めることは得策ではない。 なぜですか? というのも、不正確なリスク評価と戦略的意思決定の不備により、業界は毎年何十億ドルもの研究開発費を無駄にしているからだ。 つまり、臨床開発の意思決定が危うくなるのだ。

パイプラインの優先順位付けに関する戦略的意思決定に関しては、戦略的意思決定に情報を提供するためにエビデンスに基づく洞察が必要な4つの主要分野がある:

  • 技術的および薬事的成功の予測因子、すなわち臨床開発成功率
  • 初期から後期の臨床開発資産の商機予測
  • 技術的成功の確率、すなわち前臨床から臨床への移行率、および前臨床候補または適応疾患に関するリスクと商業的機会に関する商業的洞察
  • 過去の臨床試験費用と可能性の高い費用、医薬品開発サイクル全体における費用

いずれも一筋縄ではいかず、複数のデータポイントがあり、そのうちのいくつかは常に変化している。

医薬品のバリューチェーンにおける課題は?
インテリジェント・フォーキャストのアドレスは?

パイプラインを予測する際に企業が苦労するのは、医薬品のバリューチェーン全体にわたって様々な課題がある。 課題は内部と外部の両方にあり、これらを常に把握し、予測の決定に反映させることが重要である。 インテリジェント・フォーキャストは、これらの重要な課題のいくつかに取り組むことに焦点を当てている。

  • 臨床開発の複雑さ
  • 製品属性間の非線形関係
  • 創薬と市場ダイナミクスのランダム性と不確実性
  • 各社の現在の開発パイプラインの内容と、長期的な戦略的変動。

従来の予測手法とは異なり、商業的・臨床的成功の過去・現在・未来の要因をリアルタイムで考慮する。 これは、複雑な現実世界の臨床開発や商業的な問題に、最新の情報で動的に対処することを可能にする予測方法論である。

実際、どのように役立っているのか?

高度なレベルでは、インテリジェント予測は、何百万もの歴史的、臨床的、商業的イベントを活用するために機械学習技術を適用する。 これは、企業が前臨床探索を含む治療製品のライフサイクル全体にわたって意思決定を行うために使用できる、実世界での意思決定支援を提供できることを意味し、過去の、そして新たな予測の課題を克服する。

インテリジェントな予測はまた、主要なリスクを特定し、資産開発や商機に関する洞察を明らかにするリターンの相関関係を浮き彫りにすることができる。 これは、臨床パイプライン全体と商業的成果にわたって、何千もの製品からキュレートされた何百万ものデータポイントを追跡することによって行われる。
インテリジェントな予測を導入して過去のデータセットを分析することで、パイプラインのあらゆる段階にある製品の潜在的な成功や失敗のシグナルを特定することができる。 そして、過去の商業的データポイントと組み合わせることで、これらの洞察を商業的価値に変換し、将来の臨床的・商業的結果を正確に予測することができる。

インテリジェント・フォーキャストと従来のボトムアップ・フォーキャストの主な違いを簡単にまとめてみました。

従来の予測とインテリジェントな予測の違い

ここでの大きな収穫は、インテリジェントな予測は適応性があり、新しい証拠やデータセットに基づいて、最近の変化をより正確に反映するように再トレーニングできるということだ。 水晶玉とまではいかないが、次善の策であることは間違いない。

もっと詳しくお知りになりたい方は、こちらでより詳細なホワイトペーパーをご覧いただけます。また、Evaluateの水晶玉ではありませんが、Evaluate Omniumについてもこちらでご覧いただけます。

Share

Related Blogs

Understand the context. Data-driven news and analysis for the pharma, biotech and medtech sectors.