A automação e a IA melhoram a eficiência e a precisão e reduzem o custo da descoberta de novos medicamentos

Desafio

A descoberta de novos medicamentos é um processo caro, lento e arriscado. Obter aprovação regulatória antes que novos medicamentos possam ser colocados no mercado é altamente desafiador. O processo completo pode levar dez anos ou mais, com o custo médio estimado de desenvolvimento de um novo medicamento em torno de US$ 2,6 bilhões. Reduzir esses prazos e custos é um objetivo fundamental das empresas de pesquisa farmacêutica. Atingir a meta com sucesso afeta diretamente a saúde global: as doenças podem ser tratadas mais rapidamente, salvando mais vidas; o custo do tratamento pode ser reduzido, tornando os cuidados de saúde disponíveis para populações maiores.

A equipe global de redação médica do cliente precisava automatizar o processo de extração de informações do protocolo do estudo clínico e transferi-las para o PharmaCM, um aplicativo de divulgação de ensaios clínicos central para gerenciar a conformidade regulatória. Esse processo estava sendo gerenciado manualmente por um parceiro externo. As operações eram lentas, caras e sujeitas a erros, oferecendo um potencial significativo de melhoria. Para fazer isso, o cliente precisava automatizar o processo, resultando em maior velocidade do processo, aumentando a eficiência e reduzindo os custos.

Solução

A equipe da Marlabs usou o RPA na forma do CodiBot (bot de conteúdo para divulgação). O CodiBot extrai os dados e os transfere para o PharmaCM. Mais de 80% dos campos de dados foram automatizados. Depois que os dados são inseridos no PharmaCM, o CodiBot envia um relatório resumido para a equipe de pesquisa.

Para fazer isso com sucesso, os especialistas em automação da Marlabs colaboraram com a equipe de redação médica do cliente para atualizar o modelo do protocolo do estudo clínico. Isso permitiu uma maior automação para que os dados pudessem ser reutilizados. Além disso, a confidencialidade dos documentos do protocolo, um requisito essencial de conformidade, foi garantida usando processos apropriados de armazenamento e criptografia.

A equipe de automação classificou os campos de dados do PharmaCM em três grupos:

• Não aplicável (18): Campo não preenchido no PharmaCM
• Fora do escopo (31): Campos de dados que exigem que a experiência de PME seja preenchida, por exemplo, informações que não podem ser extraídas de forma inequívoca do protocolo do estudo clínico
• No escopo (61): Campos de dados que o bot pode preencher à medida que as informações estão disponíveis no protocolo

Agora, quando a equipe de protocolo de ensaios clínicos do cliente cria um novo estudo e a PharmaCM carrega os dados em um compartilhamento de arquivos, um e-mail é enviado para iniciar o CodiBot. Primeiro, o CodiBot verifica se o arquivo já foi processado antes. Caso contrário, ele extrai o conteúdo do protocolo pré-especificado, como título do estudo, ID secundário, breve resumo, ARMS e seção de intervenção, objetivos do estudo, critérios de elegibilidade e alguns detalhes administrativos. Para fazer isso, o CodiBot usa um conjunto de regras de validação. Em seguida, os dados extraídos são inseridos no PharmaCM e um e-mail é enviado com um resumo do resultado e o relatório de execução. Se o processo não for bem-sucedido, o relatório mostrará o motivo da falha. Além disso, os erros são coletados pela equipe para melhorar ainda mais o processo.

As tecnologias usadas para criar a automação incluíram mineração de processos, RPA, OCR, automação inteligente baseada em IA e IA conversacional.

Resultados

A implementação da automação e da IA acelerou significativamente o processo de descoberta de medicamentos para a empresa de ciências biológicas. Ao simplificar o processamento de dados e o gerenciamento de experimentos, a organização reduziu o tempo de obtenção de insights, permitindo a identificação mais rápida de possíveis candidatos a medicamentos e o uso mais eficiente dos recursos de pesquisa.

Esses aprimoramentos também melhoraram a precisão e a consistência dos dados, reduzindo os erros manuais e aumentando a confiança nos resultados da pesquisa. A economia de custos com a automação permitiu que a empresa realocasse recursos para atividades de maior valor, impulsionando a inovação, mantendo a conformidade regulatória e melhorando a produtividade geral.

Impacto

• Qualidade de dados aprimorada
• Reduziu o custo de fornecedores externos ao encurtar o processo de análise e aumentar a qualidade das publicações de registro
• Segurança aprimorada no tratamento de documentos de protocolo que contêm informações confidenciais de ensaios clínicos por meio da eliminação da intervenção humana
• Redução de 99% no esforço manual
• Redução de 99% nos erros de entrada de dados
• Disponibilidade 24/7 do bot
• Aumento de 175% na velocidade de processamento