Dabaszinātņu pētniecība un izstrāde ieiet jaunā laikmetā, ko raksturo eksponenciāls datu pieaugums, pieaugoša eksperimentālā sarežģītība un pieaugošas prasības attiecībā uz ātrumu, izsekojamību un paredzamību. Tā kā organizācijas cenšas izveidot digitālās laboratorijas, mākslīgā intelekta vadītu zinātni un automatizāciju lielā mērogā, ierobežojošais faktors vairs nav datu ģenerēšana, bet gan spēja kontekstualizēt datus, lai tos pārvērstu ieskatos, kas ļauj rīkoties. Šajā prezentācijā produktu un stratēģijas viceprezidents dalīsies ar IDBS platformas redzējumu, lai nodrošinātu šo pārmaiņu. Apvienojot fragmentētus eksperimentālos datus, iekļaujot zinātnisko kontekstu un organizējot programmatiskas un aģentiskas AI vadītas darba plūsmas, IDBS palīdz organizācijām pāriet no statiskas analītikas uz slēgta cikla automatizāciju.

Daudzām organizācijām ir kopīgs redzējums par integrētu datu bāzi bioprocesu izstrādei, lai nodrošinātu uzlabotu datu izmantošanu. Tomēr galvenais šķērslis šīs vīzijas īstenošanai bieži vien ir nevis pati digitālā tehnoloģija, bet gan problēma, kas saistīta ar kvalitatīvu, strukturētu datu iegūšanu to ieguves vietā - uz laboratorijas galda. Konkrēti, ir ļoti svarīgi iegūt ne tikai analīžu rezultātus, bet arī pilnu katra parauga izcelsmi un kontekstu. Lai risinātu šo problēmu, mēs pieņēmām pragmatisku stratēģiju: sistēmu izveidojām pašu uzņēmumā, tieši zinātnieku vadībā, kuri izprot zinātniskās vajadzības, darba plūsmas un kultūru. Mēs izmantojām IDBS Spreadsheets kā galveno saskarni datu ievadīšanai. Aizstājot tradicionālos eksperimentu ierakstus ar strukturētām izklājlapām, mēs nodrošinājām konsekventu datu strukturēšanu, neradot ievērojamu slogu zinātniekiem. Mūsu zinātnieku komanda, kas ir apmācīta datu struktūras projektēšanā un izklājlapu izstrādē, strādā tiešā tiešā galalietotāju tuvumā. Tas ļauj ātri izstrādāt prototipus, nodrošināt tūlītēju atgriezenisko saiti un veikli veikt pielāgojumus - iespējas, ko bieži vien ir grūti panākt, izmantojot ārējos piegādātājus. Mēs esam veiksmīgi izstrādājuši ļoti normalizētu datu struktūru, vienlaikus saglabājot lietotāja saskarni intuitīvu un dabisku zinātniekiem. Pašlaik esam laiduši klajā sākotnējās izklājlapas ikdienas lietošanai un pastāvīgi paplašinām to darbības jomu. Turklāt esam izveidojuši uz AWS balstītu datu platformu, kurā no E-WorkBook iegūtie dati jau darbojas automatizētās analīzes lietojumprogrammās. Šajā prezentācijā mēs demonstrēsim, kā mūsu zinātnieku vadītā pieeja efektīvi mazina plaisu starp konceptuālo datu stratēģiju un praktiskajām ikdienas laboratorijas darbībām.

Tika izstrādāta uz materiāliem orientēta informātikas arhitektūra, lai atbalstītu modernas laboratorijas darba plūsmas, padarot inventāra datus par elektroniskās laboratorijas dienasgrāmatas (ELN) mugurkaulu. Tā vietā, lai paļautos uz fiksētiem šabloniem vai kalpotu galvenokārt kā failu krātuve, ELN ir organizēta ap laboratorijas darba pamatelementiem, tostarp materiāliem, paraugiem un iekārtām. Šāda struktūra ļauj darba plūsmai dabiski pielāgoties tam, kā eksperimenti tiek veikti laboratorijas laboratorijā, vienlaikus nodrošinot konsekventu dokumentāciju, izsekojamību un datu integritāti. IDBS e-darbgrāmatas ekosistēmā aprēķini, soļu atkarības un darba plūsmas loģika tiek apstrādāti automātiski fonā, tostarp tiek ģenerētas instrumentiem sagatavotas instrukcijas. Tas samazina vajadzību pēc manuālas datu transkripcijas un detalizētas iepriekšējas plānošanas. Rezultātā vienu un to pašu darbplūsmu var savstarpēji aizvietojami izpildīt gan stenda zinātnieki, gan automatizētās platformas bez atšķirībām dokumentācijā, aprēķinos vai datu struktūrā. Uz svītrkodu balstīta izsekošana tieši savieno digitālos ierakstus ar fiziskām laboratorijas darbībām, uzlabojot precizitāti, auditējamību un darbības konsekvenci. Tā kā sistēma ir nostiprināta inventārā, tā atbalsta mērogojamu reaģentu reģistrācijas darba plūsmu un ļauj strukturēti, pēc pieprasījuma koordinēt daudzpakāpju darbības dažādās komandās un laboratorijās. Kopā šīs iespējas pārvērš ELN no pasīva uzskaites rīka par adaptīvu operatīvo sistēmu, kas atbalsta eksperimentu izpildi, automatizāciju un sadarbību starp komandām, kas nodrošina organizatorisko efektivitāti.

Pētnieku komandas izstrādā lieliskus zinātniskus rezultātus, taču manuāla datu ievadīšana, sadrumstaloti rīki un copy-paste darba plūsmas datu bāzēs, SharePoint un Excel rada neredzamas papildu izmaksas, kas katru dienu pieaug katrā eksperimentā. Šajā sesijā tiks stāstīts par to, kā viena pētniecības organizācija novērsa šīs pieskaitāmās izmaksas, izveidojot vienotu, uz API balstītu darba plūsmu, izmantojot IDBS E-Workbook, Inventory un IDBS REST API. Mēs iepazīstināsim ar sāpīgajiem punktiem, kas veicināja pārveidi, un reālu gadījumu izpēti par formulēšanas eksperimentu automatizāciju, kas nodrošināja vairāk nekā 1600 automatizētu darbību - ietaupot aptuveni trīs stundas uz vienu eksperimentu un gandrīz līdz nullei samazinot copy-paste kļūdas. Neatkarīgi no tā, vai esat vadītājs, kas vēlas saprast, kā var izskatīties mūsdienīgas pētniecības darbības, vai programmētājs, kurš interesējas, ko IDBS REST API var paveikt praksē, šī sesija piedāvā konkrētus ieguvumus, ko varat izmantot savā komandā. Apmeklētāji aizies ar: skaidru priekšstatu par darba plūsmu pirms un pēc tam, izpratni par to, kā E-Workbook, Inventory un REST API darbojas kopā, un sistēmu, lai noteiktu līdzīgas automatizācijas iespējas savā vidē.

Zinātnieku komandas ir spiestas paātrināt atklājumus, neapdraudot atbilstību vai datu integritāti. Šajā sesijā iepazīstināsim, kā IDBS nākamās paaudzes platforma paātrina laboratorijas ciklu, vienlaikus saglabājot stingru pārvaldību un uzticamību. Mēs parādīsim, kā Polar Intelligence pārvērš vēsturiskos datus izmantojamās hipotēzēs un eksperimentu priekšlikumos un kā modulārās darba plūsmas pārvērš šos priekšlikumus apstiprinātos, atkārtoti izmantojamos procesos, kas aizstāj izkaisītās SOP un izklājlapas. Apmeklētāji redzēs vadītu izpildi, reāllaika instrumentu un inventāra datu uztveršanu un mākslīgā intelekta vadītu apkopošanu, kas novērš stundām ilgu manuālu darbu; tas viss ir balstīts uz atbildīgu, auditējamu, GxP saskaņotu mākslīgo intelektu, kur jūsu dati vienmēr paliek jūsu pašu dati. Noslēgumā mēs aplūkosim drošu, prasībām atbilstošu evolūciju uz aģentisku, autonomu laboratorijas izpildi.

Šajā prezentācijā tiek demonstrēta aizraujoša digitālā transformācija Novartis GCP bioanalīzes laboratorijās, ieviešot IDBS Polar ELN kā patiesi visaptverošu GxP platformu regulētai ligandu saistīšanas testēšanai (LBA) bioanalīzei. Cieši sadarbojoties ar Novartis IT un IDBS jomas ekspertiem, komanda konfigurēja jaunu, stingri regulējamu risinājumu, kas nodrošina kontrolētu izpildi, nepārtrauktu dokumentāciju un pilnīgu datu apriti tieši ikdienas laboratorijas darbā. Tas, kas sākās ar tādām pamatiespējām kā reaģentu un savienojumu pārvaldība, biobanku izsekošana, standartizētas veidnes, kontrolēta elektroniskā dokumentācija un iekārtu integrācija, strauji paplašinājās līdz pilnībā izsekojamai LBA eksperimentu izpildei. Rezultātā radās spēcīgs jauns darba veids, kas uzlabo atbilstību, gatavību pārbaudēm un datu integritāti, vienlaikus samazinot manuālo darbu un uzlabojot darbības efektivitāti. Papildus tūlītējai ietekmei ieviešana rada uz nākotni vērstu digitālo pamatu uzlabotai analīzei, mākslīgā intelekta iespējotām atziņām un paplašināšanai uz papildu regulētām bioanalīzes modalitātēm, padarot to par pārliecinošu inovācijas piemēru mūsdienu GxP laboratorijās.

Tā kā mākslīgā intelekta ieviešana dzīvības zinātnēs kļūst arvien straujāka, liela mēroga iniciatīvu panākumi arvien vairāk ir atkarīgi no pamatā esošo datu kvalitātes, izcelsmes un pārvaldības. Šajā paneļdiskusijā piedalās farmācijas pētniecības un izstrādes, veselības informātikas, regulatīvo lietu un mākslīgā intelekta inženierijas vadītāji, lai izpētītu spriedzi starp ātru mākslīgā intelekta ieviešanu un stingriem datu standartiem, ko pieprasa regulētā vide. Paneļdiskusijas dalībnieki apspriedīs problēmas, kas saistītas ar mākslīgā intelekta paplašināšanu, izmantojot multimodālus bioloģiskos un klīniskos datus, sadrumstalotu datu kopu saskaņošanas stratēģijas, kā arī regulatīvo sistēmu, piemēram, FDA AI/ML vadlīniju un ES AI akta, ietekmi. Papildus tehnoloģijām tiks apspriestas arī organizatoriskās pārmaiņas, kas nepieciešamas, lai veidotu uzticēšanos, pārredzamību un atbildību, ļaujot organizācijām atbildīgi paplašināt AI, neapdraudot zinātnisko stingrību vai pacientu drošību.

Šajā prezentācijā izklāstīts, kā Novartis atklāšanas bioanalītiskās laboratorijas sadarbībā ar Novartis IT un IDBS izstrādātājiem izmantoja IDBS SmartBook un E-WorkBook, lai racionalizētu laboratorijas darba plūsmu - no integrācijas un automatizācijas līdz pētījumu veikšanai un FAIR datu ziņošanai. Mēs aplūkosim galvenos atskaites punktus no idejas izstrādes līdz ieviešanai, apspriedīsim problēmas un risinājumus, izskaidrosim platformas pielāgošanu konkrētām vajadzībām un izcelsim KPI, kas liecina par laboratorijas veiktspējas uzlabošanos. Šajā prezentācijā izskaidrots, kā šie uzlabojumi sekmē mūsu misiju, samazinot cikla laiku, uzlabojot integrāciju starp lietojumprogrammām un veicinot ātrāku un tādējādi uzlabotu lēmumu pieņemšanu zāļu atklāšanas jomā.

Lūdzu, iepazīstieties ar mūsu aizraujošo piedāvājumu iepriekš sadaļā "Izbraukuma sesijas".

Bayer Crop Science veic lielus ieguldījumus pētniecībā, attīstībā un regulatīvajos pasākumos. Intelektuālā īpašuma, datu un regulatīvo pētījumu iegūšana. Mēs esam globāla organizācija, kurai ir nepieciešami droši, uzticami un pieejami sistēmas risinājumi. IDBS E-workbook ir bijis lielisks sistēmas rīks mūsu zinātnisko un regulatīvo pētījumu apkopošanai. Šogad mēs pāriesim no E-workbook risinājuma uz IDBS Polar. Šī pāreja atjauninās mūsu laboratorijas praksi un nodrošinās funkcionalitāti, lai integrētu produktu izstrādes centienus visā mūsu organizācijā.