Pharma et DM  >  Dossiers  >  Essais cliniques : Les étapes pour utiliser les données disponibles

Essais cliniques : Les étapes pour utiliser les données disponibles



Alors que les coûts de R&D pour la mise sur le marché d'une nouvelle molécule sont compris entre 1 à 3 milliards de dollars, les solutions utilisant le big data, les analyses de grandes bases de données et l’intelligence artificielle sont de plus en plus citées par les laboratoires pharmaceutiques pour réduire ces coûts et optimiser certaines étapes. Pourtant, avant de mettre en place ces systèmes, la définition de la finalité, la réalisation de cartographies des sources puis de nettoyage des données disponibles semblent être un passage obligé. Retour sur les différentes possibilités.

Avec l’essor des biotechnologies, de la médecine de précision, etc. les coûts pour la recherche et le développement de nouvelles molécules thérapeutiques ont augmenté ces dernières années. Suivant les analyses, les estimations s’échelonnent à des montants d’environ un milliard d’euros pour le Leem, à plus de 2,6 milliards de dollars pour le centre d’étude sur le développement de médicament Tufts. Fin 2017, le cabinet McKinsey estimait que la mise en place du digital dans la R&D pourrait engendrer entre 50 et 150 Mds $ d'économies en Ebitda pour l’industrie. Parmi les perspectives, le cabinet cite l’analyse avancée de grands ensembles de données ainsi que le machine learning pour comprendre et visualiser l’interaction des cibles et prédire in silico la probabilité de réussite d’une molécule sur le marché. Or, pour alimenter les bases de données et les technologies de

[1627 mots]
Vous avez déjà un compte ?
Connectez-vous
Créez un compte

Inscrivez-vous et bénéficiez d'une offre de découverte gratuite de 15 jours de mind Health

Créez un compte
Abonnez-vous

Souscrivez à une licence pour accéder à l'intégralité des contenus et supports mind Health

Abonnez-vous