Le big data pour booster la recherche pharmaceutique

La recherche pharmaceutique souffre d’un déclin de découverte de nouveaux composants thérapeutiques. Notamment à cause de la lenteur des essais cliniques et des coûts qu’ils nécessitent. Dans un rapport sur le sujet, les analystes du cabinet McKinsey jugent que les technologies big data présentent notamment le potentiel de mener à l’adoption, par la recherche pharmaceutique, d’un modèle plus prédictif, c’est-à-dire tirant davantage parti des techniques d’analyses mathématiques en vue de prédire précisément les effets physiologiques de molécules candidates dans le processus d’élaboration de nouveaux médicaments. Autre opportunité: l’analyse de l’activité des patients sur les réseaux sociaux promet d’optimiser le processus de sélection de candidats adéquats pour les essais cliniques. Avec à la clé, des recherches moins longues, moins coûteuses et potentiellement plus efficaces. Toutefois, le cabinet McKinsey observe qu’en dépit de ces perspectives encourageantes, les firmes pharmaceutiques sont encore réticentes à investir dans les technologies big data.

Des algorithmes capables d’intégrer des données hétérogènes

Selon les analystes de McKinsey, diverses mesures permettraient aux firmes pharmaceutiques d’augmenter la masse de données qu’elles collectent et d’optimiser leur gestion et analyse. Une mesure consiste à se doter de la capacité à intégrer des données à tous les stades de la chaîne de valeur, de la découverte d’un médicament à son utilisation concrète après approbation. Un défi réalisable à l’aide d’algorithmes reliant adéquatement les données de laboratoire et les données cliniques, et établissant des rapports automatisés afin d’identifier de possibles applications thérapeutiques ou des composés moléculaires pertinents. Une telle intégration de données de bout en bout permettrait aux chercheurs de disposer des informations résultant de l’association précise de données disparates de sources multiples, des recherches elles-mêmes, mais aussi des revendeurs, des patients ou des soignants.

Mieux collaborer avec les différents partenaires

L’étude souligne en outre que les départements R&D des firmes pharmaceutique auraient intérêt à sortir de leur confinement, en collaborant davantage avec des partenaires, aussi bien internes qu’externes. Une mesure qui pourrait optimiser la gestion du big data en renforçant les liens entre les données collectées et analysées par les différents partenaires. L’étude indique qu’il s’agirait dans cette perspective de renforcer la collaboration entre les différentes métiers à l’interne (recherche, développement clinique, affaires médicales) et d’optimiser en parallèle la collaboration avec les firmes biotechnologiques, les chercheurs académiques ou les fournisseurs de soins. Une telle collaboration passe entre autres par la mise en place de systèmes de communication et de gouvernance, dans l’objectif d’identifier avec pertinence quelles données partager précisément en fonction de chaque partenaire.

Adopter des technologies innovantes

McKinsey conseille également aux départements R&D de ne pas hésiter à adopter des technologies innovantes, qui génèrent une masse de données rapidement, à l’image du séquençage ADN de nouvelle génération (séquençage à haut-débit). Une telle évolution peut par exemple mener à une incorporation de diagnostics personnalisés directement au sein du processus de développement de médicaments en cours, plutôt qu’a posteriori.

De plus, en vue d’optimiser l’efficacité des essais cliniques, les analystes considèrent que la recherche pharmaceutique a l’opportunité de s’appuyer sur des systèmes capables de gérer électroniquement davantage de données sur les patients. Une évolution permettant de constituer des dossiers médicaux électroniques plus complets. Et de s’en servir ensuite comme principale source de données cliniques afin d’accélérer les essais et réduire la probabilité de traiter des données erronées.

Alors que la recherche pharmaceutique souffre d’une baisse de taux de réussite, les technologies big data semblent en mesure de changer la donne. Des objectifs qui pourraient être atteint en faisant appel à des technologies à même d’extraire un maximum de valeurs des données à disposition.