ideas
inovacijos
insight

Gyvybės mokslų tyrimai ir plėtra įžengia į naują erą, kurią apibūdina eksponentinis duomenų augimas, didėjantis eksperimentų sudėtingumas ir augantys greičio, atsekamumo ir nuspėjamumo lūkesčiai. Organizacijoms siekiant skaitmeninių laboratorijų, dirbtiniu intelektu paremto mokslo ir automatizacijos, ribojančiu veiksniu tampa nebe duomenų generavimas, o gebėjimas kontekstualizuoti duomenis į įžvalgomis, kurios gali veikti. Šiame pranešime produkto ir strategijos viceprezidentas pasidalins IDBS platformos vizija, kuri leis įgyvendinti šį pokytį. Vienydama fragmentiškus eksperimentinius duomenis, įtraukdama mokslinį kontekstą ir organizuodama programinio ir agentinio dirbtinio intelekto valdomas darbo eigas, IDBS padeda organizacijoms pereiti nuo statinės analizės prie uždaro ciklo automatizavimo.

Daugelis organizacijų pritaria integruotos duomenų bazės, skirtos bioprocesams plėtoti, vizijai, kad būtų galima pažangiai naudoti duomenis. Tačiau pagrindinė kliūtis šiai vizijai įgyvendinti dažnai būna ne pati skaitmeninė technologija, o iššūkis surinkti aukštos kokybės struktūrizuotus duomenis iš pat pradžių, t. y. darbo vietoje. Konkrečiai kalbant, labai svarbu užfiksuoti ne tik tyrimų rezultatus, bet ir visą kiekvieno mėginio kilmę bei kontekstą. Siekdami išspręsti šį iššūkį, mes pasirinkome pragmatišką strategiją: sistemą sukūrėme patys, tiesiogiai vadovaujami mokslininkų, kurie supranta mokslinius poreikius, darbo eigą ir kultūrą. Pagrindinė duomenų įvedimo sąsaja - IDBS skaičiuoklės. Tradicinius eksperimentų įrašus pakeitę struktūrizuotomis skaičiuoklėmis, užtikrinome nuoseklų duomenų struktūrizavimą, nesudarydami didelės naštos mokslininkams. Mūsų mokslininkų komanda, apmokyta duomenų struktūros projektavimo ir skaičiuoklių kūrimo, dirba arti galutinių naudotojų. Tai leidžia greitai kurti prototipus, iš karto gauti grįžtamąjį ryšį ir operatyviai atlikti pakeitimus - tai galimybės, kurias dažnai sunku pasiekti su išorės tiekėjais. Sėkmingai sukūrėme labai normalizuotą duomenų struktūrą, išlaikydami intuityvią ir natūralią naudotojo sąsają mokslininkams. Šiuo metu esame išleidę pradines skaičiuokles, skirtas įprastam naudojimui, ir nuolat plečiame jų taikymo sritį. Be to, sukūrėme AWS pagrįstą duomenų platformą, kurioje iš E-WorkBook išgauti duomenys jau naudojami automatinės analizės programose. Šiame pristatyme parodysime, kaip mūsų mokslininkų vadovaujamas požiūris veiksmingai mažina atotrūkį tarp konceptualios duomenų strategijos ir praktinių, kasdienių laboratorinių operacijų.

Buvo sukurta į medžiagas orientuota informatikos architektūra, skirta šiuolaikinėms laboratorijų darbo eigoms palaikyti, inventoriaus duomenis paverčiant elektroninio laboratorinio sąsiuvinio (ELN) pagrindu. Vietoj to, kad būtų remiamasi fiksuotais šablonais arba tarnautų daugiausia kaip failų saugykla, ELN organizuojamas pagal pagrindinius laboratorinio darbo elementus, įskaitant medžiagas, mėginius ir įrangą. Tokia struktūra leidžia darbo eigai natūraliai prisitaikyti prie to, kaip eksperimentai atliekami laboratorijoje, kartu užtikrinant nuoseklų dokumentavimą, atsekamumą ir duomenų vientisumą. IDBS elektroninio sąsiuvinio ekosistemoje skaičiavimai, žingsnių priklausomybės ir darbo eigos logika tvarkoma automatiškai fone, įskaitant instrumentams paruoštų instrukcijų generavimą. Tai sumažina poreikį rankiniu būdu perrašyti duomenis ir iš anksto išsamiai planuoti. Dėl to tą pačią darbo eigą gali pakaitomis vykdyti mokslininkai, dirbantys prie stalų, arba automatizuotos platformos, nesiskiriant dokumentacijai, skaičiavimams ar duomenų struktūrai. Brūkšniniais kodais pagrįstas sekimas tiesiogiai susieja skaitmeninius įrašus su fiziniais laboratoriniais veiksmais, taip pagerindamas tikslumą, auditabilumą ir veiklos nuoseklumą. Kadangi sistema įtvirtinta inventoriuje, ji palaiko keičiamo mastelio reagentų registravimo darbo eigą ir leidžia struktūriškai, pagal užklausas koordinuoti daugiapakopę veiklą įvairiose komandose ir laboratorijose. Kartu šios galimybės paverčia ELN iš pasyvaus registravimo įrankio į adaptyvią veiklos sistemą, kuri palaiko eksperimentų vykdymą, automatizavimą ir bendradarbiavimą tarp komandų, o tai užtikrina organizacinį efektyvumą.

Mokslinių tyrimų komandos atlieka puikius mokslinius tyrimus, tačiau rankinis duomenų įvedimas, fragmentiški įrankiai ir "copy-paste" darbo eigos duomenų bazėse, "SharePoint" ir "Excel" sukuria nematomas pridėtines išlaidas, kurios kiekvieną dieną didėja kiekvieno eksperimento metu. Šioje sesijoje bus pasakojama, kaip viena mokslinių tyrimų organizacija pašalino šias pridėtines išlaidas, sukūrusi vieningą, API valdomą darbo eigą, paremtą IDBS E-Workbook, Inventory ir IDBS REST API. Apžvelgsime skaudulius, kurie paskatino pertvarką, ir realaus pasaulio pavyzdį, susijusį su formuliacijos eksperimentų automatizavimu, kurio metu buvo atlikta daugiau nei 1 600 automatizuotų bandymų - sutaupyta maždaug trys valandos vienam eksperimentui ir beveik iki nulio sumažinta kopijavimo ir įkėlimo klaidų. Nesvarbu, ar esate vadovas, norintis suprasti, kaip gali atrodyti šiuolaikinės mokslinių tyrimų operacijos, ar programuotojas, kuriam įdomu, ką IDBS REST API gali padaryti praktiškai, šioje sesijoje rasite konkrečių pasiūlymų, kuriuos galėsite panaudoti savo komandoje. Dalyviai išeis su: aiškiu prieš ir po darbo eigos vaizdu, supratimu, kaip E-Workbook, Inventory ir REST API veikia kartu, ir sistema, leidžiančia nustatyti panašias automatizavimo galimybes savo aplinkoje.

Mokslininkų komandos patiria spaudimą, kad pagreitintų atradimus nepažeisdamos atitikties ar duomenų vientisumo reikalavimų. Šioje sesijoje pristatoma, kaip IDBS naujos kartos platforma pagreitina laboratorijos ciklą, kartu išsaugant griežtą valdymą ir pasitikėjimą. Parodysime, kaip "Polar Intelligence" istorinius duomenis paverčia praktiškai pritaikomomis hipotezėmis ir eksperimentų pasiūlymais, o modulinės darbo eigos šiuos pasiūlymus paverčia patvirtintais, pakartotinai naudojamais procesais, kurie pakeičia išsibarsčiusias SOP ir skaičiuokles. Dalyviai pamatys vadovaujamą vykdymą, realiuoju laiku fiksuojamus prietaisų ir inventoriaus duomenis ir dirbtinio intelekto valdomą apibendrinimą, kuris pašalina valandų valandas rankinio darbo; visa tai sukurta remiantis atsakingu, audituojamu, su GxP suderintu dirbtiniu intelektu, kur jūsų duomenys visada lieka jūsų. Baigdami apžvelgsime saugią, reikalavimus atitinkančią evoliuciją link agentinio, autonominio laboratorijos vykdymo.

Šiame pristatyme pristatoma įdomi skaitmeninė transformacija "Novartis" GCP bioanalizės laboratorijoje, įgyvendinus IDBS Polar ELN kaip išties visapusišką GxP platformą reguliuojamai ligandų surišimo analizei (LBA). Glaudžiai bendradarbiaudama su "Novartis" IT ir IDBS srities ekspertais, komanda sukonfigūravo naujovišką, itin reguliuojamą sprendimą, kuris užtikrina kontroliuojamą vykdymą, vientisą dokumentaciją ir visišką duomenų liniją tiesiogiai į kasdienį laboratorijos darbą. Tai, kas prasidėjo nuo pagrindinių galimybių, tokių kaip reagentų ir junginių valdymas, biobanko stebėjimas, standartizuoti šablonai, kontroliuojama elektroninė dokumentacija ir įrangos integracija, greitai išsiplėtė iki visiškai atsekamo LBA eksperimentų vykdymo. Rezultatas - naujas galingas darbo būdas, kuris sustiprina atitiktį, pasirengimą patikrinimams ir duomenų vientisumą, kartu sumažindamas rankinio darbo sąnaudas ir padidindamas veiklos efektyvumą. Be tiesioginio poveikio, įgyvendinus šį projektą sukuriamas perspektyvus skaitmeninis pagrindas pažangiai analitikai, įžvalgoms su dirbtiniu intelektu ir plėtrai į papildomus reguliuojamus bioanalizės būdus, todėl tai yra įtikinamas inovacijų šiuolaikinėse GxP laboratorijose pavyzdys.

Vis sparčiau diegiant dirbtinį intelektą gyvybės mokslų srityje, didelės apimties iniciatyvų sėkmė vis labiau priklauso nuo pagrindinių duomenų kokybės, kilmės ir valdymo. Šioje diskusijoje dalyvauja farmacijos mokslinių tyrimų ir plėtros, sveikatos informatikos, reguliavimo reikalų ir dirbtinio intelekto inžinerijos lyderiai, kurie nagrinėja įtampą tarp spartaus dirbtinio intelekto diegimo ir griežtų duomenų standartų, kurių reikalauja reguliuojama aplinka. Diskusijos dalyviai aptars problemas, susijusias su dirbtinio intelekto masto didinimu naudojant daugiamodalius biologinius ir klinikinius duomenis, suskaidytų duomenų rinkinių derinimo strategijas ir besikeičiančių reguliavimo sistemų, tokių kaip FDA AI/ML gairės ir ES AI aktas, poveikį. Be technologijų, pokalbyje bus aptarti organizaciniai pokyčiai, reikalingi pasitikėjimui, skaidrumui ir atskaitomybei didinti, kad organizacijos galėtų atsakingai plėsti dirbtinio intelekto sritį, nepažeisdamos mokslinio tikslumo ir pacientų saugos.

Šiame pristatyme aprašoma, kaip "Novartis" atradimų bioanalitinės laboratorijos, bendradarbiaudamos su "Novartis" IT ir IDBS kūrėjais, naudojo "IDBS SmartBook" ir E-WorkBook, kad supaprastintų laboratorijos darbo eigą - nuo integracijos ir automatizavimo iki tyrimų vykdymo ir FAIR duomenų ataskaitų teikimo. Apžvelgsime pagrindinius etapus nuo idėjos iki įgyvendinimo, aptarsime iššūkius ir sprendimus, paaiškinsime platformos pritaikymą konkretiems poreikiams ir išryškinsime KPI, rodančius geresnį laboratorijos darbą. Šiame pristatyme paaiškinama, kaip šie patobulinimai prisideda prie mūsų misijos, nes sutrumpina ciklo laiką, pagerina įvairių programų integraciją ir padeda greičiau priimti geresnius sprendimus dėl vaistų atradimo.

Peržiūrėkite mūsų įdomią sudėtį aukščiau esančiame skirtuke "Išvažiuojamieji posėdžiai".

"Bayer Crop Science" daug investuoja į mokslinius tyrimus, plėtrą ir reguliavimą. Intelektinės nuosavybės, duomenų ir reguliavimo tyrimų fiksavimas. Esame pasaulinė organizacija, kuriai reikalingi saugūs, patikimi ir prieinami sisteminiai sprendimai. IDBS E-workbook buvo puiki sisteminė priemonė mūsų mokslo ir reguliavimo tyrimams kaupti. Šiais metais pereisime nuo E-workbook sprendimo prie IDBS Polar. Šis žingsnis atnaujins mūsų laboratorijų praktiką ir suteiks funkcionalumą, kad būtų galima integruoti produktų kūrimo pastangas visoje mūsų organizacijoje.