ブラックボックス 無数のマジックが存在する不思議なウィジェット。 ある人にとっては、それは魔法のような力であり、たとえその方法がよくわからなくても、必要なものを正確に届けてくれる。 他の人たちにとっては、よくても信用できないし、最悪の場合は危険だ。 そして、機械学習、人工知能、予測分析を提供するソリューションは、この「ブラックボックス」の領域に入る可能性が高い。
インテリジェントな予測というブラックボックスの蓋を外して、その中身を調べてみたらどうだろう？ 前回のブログ記事では、インテリジェント予測とは何か、そして従来の予測モデルと比較した場合の利点についてお話しました。 ここでは、ライフサイエンスにおけるインテリジェントな予測とはどのようなものかを覗いてみよう。 ブラックボックスをもう少し調べたい方は、当社のホワイトペーパーに詳細があります：医薬品研究開発のためのインテリジェント予測。
インテリジェントな予測を構成要素に分解すれば、戦略的意思決定に役立つ正確で包括的なアウトプットを生み出す透明性の高い方法論となる。
ほぼリアルタイムのデータは、予測への柔軟でダイナミックなアプローチと相まって、アウトプットが最新のものであり、製薬会社の現在の戦略的方向性（例えば、専門医療、多効能製品、複雑なモダリティ、精密医療）に関連したものであることを意味する。
インテリジェントな予測は、一連のリンクしたプロセスで構成されている。
- 信頼性の高い情報源から基礎的なデータセットを収集：これには、過去のパイプラインの詳細な情報、主要な研究開発指標、過去の売上高、製品や企業の特徴、競合環境、市場ニュースなど、多くの要素が含まれる。
- 予測前のデータ処理：分析に適したデータにするための標準化と構造化が含まれる。 イベント、つまり臨床上の節目や主要なニュース、転帰をコード化し、データセットを抽出してトレーニング用データセットを作成する。
- トレーニング・データセットとテスト・データセットでの開発：バランスの取れた偏りのないデータの部分集合が機械学習の学習に使用され、各属性の予測可能性を推定する基礎となる。 テストデータセットは、機械学習モデルの精度を検証するために使用される。
- 製品および適応症の属性の定義：製品や治療対象となる疾患を定義する特性である。 これらは大きく4つのカテゴリーに分類される；
- 製品特性、例えばMoAまたはターゲット、臨床マイルストーン
- 企業の特徴（過去の成功率、実績など
- 適応症内のアンメット・ニーズ（例：規制上の指定、成功率／失敗率
- 適応症内の競合（開発中の製品数、承認順など
- 予測可能性と属性相関の統計分析に基づく属性選択：このモデル出力の予測可能性は、トレーニングデータセットに基づいており、現実世界の出来事と相関している。 予測可能性に基づいて、どの属性を機械学習モデルに含めるべきかを定義し、製品の種類や適応症に応じて柔軟に変更することができる。
- 製品/適応症レベルのアウトプットを予測するために、リアルタイムの臨床および商業イベントに適用されるインテリジェントな予測手法：機械学習の方法論は、リアルタイムのデータを供給して、技術的・規制的成功の製品・適応症レベルの確率、および／または商業的機会の予測を生成する。
- 予測アウトプットは、透明性をもって作成され、説明され、品質が保証され、一貫性を確保するために業界ベンチマークに対してテストされる：ドライバーの監査は、どの属性が成功率や商機を予測するために使用されているかを特定できる場合に実施することもできる。 シナリオに基づいたリアルタイム予測を生成するためのカスタマイズも可能です。
当社独自のインテリジェントな予測ソリューションであるEvaluate Omniumは、機械学習を用いて過去のデータセットを分析し、パイプラインのあらゆる段階にある製品の臨床的成功のシグナルを特定する。 開発資産の販売予測に関する商業的に価値のある洞察を、実際の販売ピークが発生する12年から15年前に提供することができる。
それはブラックボックスのちょっとした笛吹きツアーだ。 このホワイトペーパーには、その仕組みだけでなく、あなたのビジネスにとってどのような意味があるのか、さらに多くの情報が掲載されている。 もちろん、ご質問があればいつでも喜んでお答えします。 お知らせください！
