Das digitale Labor-Framework transformiert das pharmazeutische Labor zu einer KI-gesteuerten Forschungsfabrik

Publish date:

Capgemini Invent entwirft das digitale Labor der Zukunft in Form einer KI-Serviceeinheit, die auf agilen Workflows im Labor beruht.

ide-value-capgemini-invent

Capgemini Invent adressiert die CxO Daten-Strategie und unterstützt seine Kunden bei der datengetriebenen Wertschöpfung.

Mit unseren Offerings rund um #valuefromdata zeigen wir Ihnen, wie Sie Ihre Daten so managen, dass Sie deren volles Potential ausschöpfen. So maximieren Sie den Wert, den Sie mit Ihren Daten generieren.

In unserem Blog-Artikel über KI-Serviceeinheiten haben wir den Aufbau einer KI-Serviceeinheit, die zu einer erfolgreichen Skalierung von KI beiträgt, vorgestellt. Dieses Konzept ist für verschiedene Branchen relevant. Heute beschreiben wir, wie pharmazeutische Labore durch Anwendung unseres digitalen Labor-Frameworks in KI-gesteuerte Forschungsfabriken umgewandelt werden können.

Seit mehreren Jahren investiert die Pharmabranche in die digitale Verbindung von Laborinstrumenten und -software. Deshalb ist es jetzt an der Zeit, darüber nachzudenken, wie diese Bemühungen zu mehr verwertbaren Erkenntnissen führen können. Wenn Laborsoftware und -instrumente miteinander verbunden sind, sind Labordaten leichter verfügbar und menschliches Versagen bei der täglichen Laborarbeit kann reduziert werden. Aber wie profitiert das Unternehmen von dieser neuen Verfügbarkeit der Daten?

Die Digitalisierung des Labors bringt viele Vorteile: Sie ermöglicht die globale Zusammenarbeit innerhalb des Pharmaunternehmens, erhöht die Effizienz der im Labor geleisteten Arbeit und führt zu einer höheren Datenqualität. Erkenntnisse werden schneller gewonnen und innovative Technologien früher eingesetzt. Darüber hinaus tragen Strukturen für das routinemäßige Entwerfen, Testen, Bereitstellen und Skalieren von Anwendungsfällen für die Datenanalyse dazu bei, greifbare Ergebnisse zu erzielen. Dabei werden wichtige Geschäftsziele erfüllt, wie zum Beispiel die Identifikation eines neuen molekularen Targets für die Entwicklung eines Coronavirus-Impfstoffs.

Im Rahmen des digitalen Labors sind folgende sechs Dimensionen kohärent ausgerichtet:

  • Harmonisierte agile Workflows,
  • Datenqualitätsmanagement,
  • Datenstandardisierung,
  • Datenverwaltung,
  • Datenanalyse und
  • Digitale Laborplattform.

Im Folgenden beschreiben wir, wie sich Pharmalabore in KI-gesteuerte Forschungsfabriken verwandeln können.

Abbildung 1 Digitale Laborplattformen
Abbildung 1: Digitale Laborplattformen

Harmonisierte agile Workflows

Die aktive Verwendung von KI in einem Unternehmen ist eine strategische Entscheidung. Die Definition einer klaren Vision und Mission für die KI-gesteuerte Forschungsfabrik, die sich an der Strategie des Pharmaunternehmens orientiert, ist daher ein entscheidender Erfolgsfaktor. Laboratorien sind die Kompetenzzentren, in denen Geschäftswert durch Innovation geschaffen wird. Die Vision definiert allgemeine Ziele für die Labore und F&E-Einheiten eines Pharmaunternehmens. Diese Ziele werden dann in entsprechende Portfolios übersetzt. Portfolios in Pharmalaboren können durch bestimmte Analysemethoden (wie Massenspektrometrie, Chromatographie, Next Generation Sequenzierung, Vektordesign usw.) oder Forschungsthemen (wie Herz-Kreislauf-Erkrankungen, Onkologie usw.) definiert werden. Darüber hinaus ist es wichtig zu entscheiden, welches Organisationsmodell auf das Labornetzwerk, die F&E-Organisation, angewendet werden soll: Sind alle Labore, die sich der Entdeckung neuer Ziele für die Behandlung von psychiatrischen und neurologischen Störungen widmen, an einem Ort lokalisiert oder weltweit verteilt? Wird es einen organisatorischen Zusammenhang zu Forschungslaboren für Herz-Kreislauf-Erkrankungen geben, um mögliche Synergien aufzudecken beziehungsweise weil bereits wissenschaftliche Zusammenhänge bekannt sind? Oder würde ein Laborzentrum alternativ Experimente durchführen, aber ein Think Tank liefert den experimentellen Aufbau und die theoretische wissenschaftliche Basis für diese Experimente?

Last but not least sehen wir großes Potenzial darin, Agilität in das Labor einzuführen, obwohl agile Arbeitsmethoden bisher vor allem im Bereich der Softwareentwicklung verwendet werden: Der Aufbau agiler Teams mit dem Labor- / Projektleiter als Product Owner und dem Labortechniker als Scrum Master ermöglicht eine flexible Arbeitskultur mit häufigem und eng getaktetem Wissenszuwachs. Wir empfehlen, in jedes Labor-Scrum-Team einen Data Scientist als die Person aufzunehmen, die die Daten mit Data Analytics Methoden professionell aufbereitet und analysiert.

Datenqualitätsmanagement

Folglich führt der Data Scientist datenzentrierte Prozesse im Labor aus – zusätzlich zum „üblichen“, auf biochemischen Methoden basierenden Laborworkflow, den weiterhin Biochemiker handhaben. Die wichtigsten datenzentrierten Prozesse im Labor sind Datenqualitätsmanagement, Datenstandardisierung und Data Governance.

Das Datenqualitätsmanagement stellt sicher, dass die im Labor erzeugten Rohdaten auf Anomalien hin überwacht werden. Ein besonderer Schwerpunkt sollte auf die Datenqualitätsdimensionen Vollständigkeit, Konsistenz, Validität und Genauigkeit gelegt werden. Sollte in den Rohdatensätzen eine Anomalie festgestellt werden, können Biochemiker zurückgehen, nach der Grundursache der Anomalie suchen und das Experiment zeitnah wiederholen.

Datenstandardisierung

Die Standardisierung von Daten war schon immer eine große Herausforderung in jedem Life-Science-Labor. Dies liegt daran, dass viele verschiedene Methoden mit Geräten vieler verschiedener Anbieter durchgeführt werden. Normalerweise erstellen die meisten Geräte Daten in ihrem eigenen Format, was einen Vergleich von Daten fast unmöglich macht. Standardisierte Datenformate, wie Allotrope Data Format (ADF) oder Analytical Information Markup Language (AnIML), und individuelle Datenstandardisierungskonzepte zielen darauf ab, diese Lücke in der Labordatenwissenschaft zu schließen.

Datenverwaltung

Data Governance schafft Strukturen in Bezug auf die Generierung und Nutzung von Labordaten. Diese Strukturen beschreiben die Bedeutung von Daten, wo sie gespeichert werden, wie sie generiert und verwendet werden, und wer die Daten verwaltet. Data Governance stellt damit die Einhaltung der Datenqualitäts- und Datenstandardisierungsstandards als Grundlage für die Datenanalyse sicher. Diese Prozesse führen zu einer nachhaltigen Vorbereitung der Daten für die Umsetzung von KI-Anwendungsfällen.

Digitale Laborplattform und Datenanalyse

Schlüsseltechnologien im digitalen Labor sind einerseits digitalisierte biochemische Analysemethoden und andererseits Datenanalysemethoden und -tools. In der Vergangenheit hat letzteres jedoch nicht so viel Aufmerksamkeit erfahren, wie es für die vollständige Digitalisierung des Labors erforderlich wäre. In der Laborumgebung dient die digitale Laborplattform auch als KI-Plattform, die für jede KI-gesteuerte Forschungsfabrik von zentraler Bedeutung ist. Die KI-Plattform unterstützt jede Phase des KI-Lebenszyklus – von der Datenbeschaffung über die Ermittlung bis zur Bereitstellung. KI-Anwendungsfälle werden gemäß der F&E-Strategie priorisiert und erste KI-Prototypen werden entwickelt und getestet. Wenn diese Tests erfolgreich durchgeführt wurden, wird der Prototyp auf mehrere Labore und Laboreinheiten skaliert. Dies wird eine Fülle neuer Erkenntnisse und Ideen bringen, über die neue Geschäftsmodelle entwickelt werden können. Im Zentrum der Bereitstellung dieser datenzentrierten Dienste steht wiederum eine Plattform, die die einfache Bereitstellung aller erforderlichen Tools ermöglicht. Diese digitale Laborplattform dient als Mittel zur Integration zwischen den biochemischen und den Datenanalysemethoden, die im zukünftigen Forschungs- und Entwicklungslabor für Pharma benötigt werden: Daten-Streaming-Tools, Data-Governance-Tools, biochemische Software-Tools, Datenvisualisierung- und -analyse-Werkzeuge und dergleichen sind in die Plattform integriert und stehen dem agilen Laborteam zur Verfügung.

Das digitale Labor-Framework ermöglicht es, in Forschung und Entwicklung KI-Prototypen mit hohem Potenzial zu erstellen sowie diese Prototypen in echten Geschäftswert zu übersetzen. Die digitalen Laborexperten von Capgemini Invent unterstützen Sie bei der Analyse Ihrer aktuellen Laborlandschaft, der Bewertung des Reifegrads in den einzelnen Dimensionen sowie bei der Einführung agiler Arbeitsmethoden im Labor. Wir identifizieren Verbesserungsbereiche und leiten Maßnahmen ab, um Ihre F&E-Organisation in eine datengesteuerte Forschungsfabrik zu verwandeln.

Wenn Sie dieses Thema diskutieren möchten, kontaktieren Sie uns gerne oder klicken Sie hier.

Lesen Sie auch „How to accelerate a healthy recovery in life sciences“.


Über die Autorinnen:

Dr. Annette Hellbach ist Life Science und Pharma Expertin bei Capgemini Invent und widmet sich der Entwicklung und Umsetzung von Strategien für das digitale Labor und Data Analytics.

Dr. Katja Tiefenbacher ist KI Strategie Expertin bei Capgemini Invent und widmet sich dem Datenmanagement sowie der Etablierung von Organisationsstrukturen für die Skalierung von KI.

Kontaktieren Sie Katja and Annette auch gerne auf LinkedIn.