08.03.2017

Die Techniken zur Datenanalyse sind nicht neu, haben sich aber in den letzten Jahren entscheidend weiterentwickelt. In-Memory Datenbanken wie SAP HANA  nutzen die Möglichkeit, große Datenmengen im Hauptspeicher von Computersystemen extrem schnell zu verarbeiten. Analysen die mit traditionellen Datenbanken typischerweise mehrere Stunden dauern, können so in Sekundenbruchteilen durchgeführt werden.

Natürlich ist Big Data kein Selbstzweck, sondern ein Mittel, das Unternehmensziel schneller oder nachhaltiger zu erreichen. Und nicht überall, wo Big Data draufsteht, versprechen die Investitionen tatsächlich einen ROI. Für Verkaufs- und Finanzdaten im Bereich der Enterprise-Software werden diese Funktionen auch in der Pharmaindustrie schon weitgehend genutzt. Der eigentliche Schatz sind hier aber die klinischen Daten. Und dort, im Kernbereich der Industrie, steht die große Umwälzung noch bevor.

Anzahl verfügbarer Daten wird größer

Da die Analyse genetischen Materials immer schneller und billiger wird, stehen immer mehr Daten zur Verfügung – zum Beispiel in der Onkologie, wo individuelle Therapiepläne häufig aufgrund genetischer Daten des Patienten und des Tumors erstellt werden. Diese Daten fließen bei manchen Indikationen wie dem Mammakarzinom heute schon in die Medikamentenentwicklung ein. Sie helfen, das Ansprechen des Tumors besser vorherzusagen und so die Wirkstoffmenge – und damit auch unerwünschte Wirkungen – zu reduzieren.

Das Problem: Die Verknüpfung von Genomdaten mit klinischen Daten, pathologischen Parametern und patientenspezifischen Modellen ist alles andere als trivial. Daten werden mit verschiedenen Methoden generiert, manche werden nicht strukturiert erfasst (z.B. Patientenfeedback) und im schlechtesten Fall liegen sie nicht einmal elektronisch vor. Dazu kommen systematische Fehler, etwa durch nicht-standardisierte Datenerfassung und nicht berücksichtigte Störfaktoren.

Individuelle Behandlungen leichter umsetzen

Die genetischen Daten werden auch bei vielen anderen Krankheiten zu immer individuelleren Therapien führen. Und das nicht nur bei neu zugelassenen Medikamenten, sondern auch für das gesamte Arsenal bewährter Arzneimittel, die heute eher noch nach dem Gießkannenprinzip eingesetzt werden. Big Data kann Ärzte beraten, indem auf Basis von Daten bisheriger Patienten für jeden Patienten ein individueller Behandlungsplan erstellt wird.

Gerade bei den Volkskrankheiten, wo teilweise sehr unterschiedliche Behandlungskonzepte zur Verfügung stehen, kann das eine Ende der „Trial and error“-Strategie bedeuten. Und natürlich liegt es im ureigensten Interesse der Hersteller, die Wirkung der eigenen Präparate bei den unterschiedlichsten Bevölkerungsgruppen eingehend zu untersuchen und zu dokumentieren, auch lange nach der Markteinführung. Und diese Daten dann wieder in die Produktentwicklung zurückfließen zu lassen.

Big Data löst die historische Grenze zwischen Forschung und Entwicklung auf der einen sowie Marketing und Vertrieb auf der anderen Seite endgültig auf. Doch viele Unternehmen scheitern an veralteten Prozessen, die kaum geeignet sind, fundierte Entscheidungen auf der Basis großer Mengen an Patientendaten zu fällen, die aus den unterschiedlichsten Quellen stammen.

Wie kann sich ein pharmazeutisches Unternehmen darauf vorbereiten? Am besten mit internem Know-how. Wer vor Jahren schon eine eigene Abteilung aufgebaut hat, um auf den digitalen Wandel vorbereitet zu sein, ist jetzt vergleichsweise fein raus. Wer das verpasst hat, sollte es schleunigst nachholen oder auf externes Know-how zurückgreifen. Denn Fakt ist: Außerhalb der eigenen Kernkompetenz von Forschung und Vermarktung sind die Pharmas gut beraten, ihre nach wie vor nicht unerheblichen Gewinne darin zu investieren, sich für die Zukunft zu rüsten.

Auch Sie wollen ihre Pharma-Kompetenzen ausbauen? Unsere Digitalexperten von TWT Digital Health beraten Sie gern.