Wie Medidata aus Patientendaten Datenpatienten macht

Das Datenunternehmen Medidata hat am 9. April zur Medidata Next geladen. Im Fokus stand die Software-as-a-Service-Plattform des Unternehmens, die es selbst als "Unified Life Science Platform" bezeichnet. Sie stellt Daten, Tools und Services bereit, von der besonders im pharmazeutischen Bereich angesiedelte Firmen einen Nutzen ziehen können. Zu den grossen Schweizer Kunden von Medidata zählen etwa Novartis und Roche. Kein Zufall also, errichtete das Unternehmen nach London und Düsseldorf auch in Basel ein Hauptquartier.

Daten für mehr Effizienz bei klinischen Studien

Jackie Kent, Senior Vice President of Product bei Medidata, war den Tränen nahe, als sie erzählte, wie es das 1999 gegründete Unternehmen 2019 mit seiner Werbung auf den Times Square in New York schaffte. Sie erklärte, dass die Medidata-Plattform aus drei grossen Segmenten bestehe. "Rave" setze sich mit klinischen Daten und Abläufen auseinander, "Acorn AI" arbeite an KI-basierten Lösungen und "Shyft" beschäftige sich mit kommerziellen Daten und Analysen.

Jackie Kent, Senior Vice President of Product bei Medidata, stellte die "Unified Platform" des Unternehmens vor. (Source: Netzmedien)

Alle Segmente beruhen auf dem "Medidata Enterprise Data Store", einer regulierten Datenplattform. Teilnehmende Unternehmen erhalten Zugriff auf die Daten, sobald sie selbst Daten teilen. Sie seien alle anonymisiert und nach den geforderten Standards geschützt. Durch die Regulierung und Kontrolle der Daten seien sie konsistent. Die Fähigkeiten der Plattform, mit anderen Systemen zu kommunizieren und je nach Grösse eines Projekts zu skalieren, erlaube Flexibilität.

In Spitälern ist viel fragmentiertes Expertenwissen vorhanden. Selbstständig lernende KI-Netze könnten dabei helfen, das räumlich und organisatorisch verteilte Wissen zu bündeln und ­Menschen mit den richtigen Experten zu verbinden. Wie das funktioniert, erfahren Sie hier.

Medidata besteht aus den drei Segmenten "Rave", "Acorn AI" und "Shyft". (Source: Netzmedien)

Nach den Keynotes stellte sich Christian Hebenstreit, General Manager EMEA und Senior Vice President von Medidata, noch ein paar Fragen. Auf die Frage, was für ein Unternehmen Medidata genau sei, antwortete er, dass sich das Unternehmen als Technologie-, Cloud- und Analytics-Provider sieht, der helfe, Produkte schneller auf den Markt zu bringen.

Das Unternehmen biete eine Plattform für forschende Einrichtungen, die klinische Studien beschleunige und das Risiko für die Durchführenden der Studien senke. Dank der vorhandenen Daten könnten etwa die richtigen Patienten für eine bestimmte Studie ausgewählt werden, was die Erfolgschancen steigere und den Zeitaufwand verringere. Dank der Effizienzsteigerung könnten auch seltenere Krankheitsbilder mit geringerem Risiko angegangen werden.

Datenpatienten aus Patientendaten

Auf die eingesetzten Technologien angesprochen, nannte Hebenstreit Cloud Computing, Data Science und Machine Learning. Zum Sammeln von Daten seien auch Sensoren wichtig, die zum Beispiel in Pflastern oder in der Matratze zum Einsatz kommen. So lasse sich etwa messen, wie gut ein Patient aus dem Bett kommt. Auch experimentiere das Unternehmen zum Beispiel mit Gesichtserkennung.

Christian Hebenstreit, General Manager EMEA und Senior Vice President von Medidata, hofft, in der Zukunft Kontrollgruppen durch Daten ersetzen zu können. (Source: Netzmedien)

Hebenstreit hofft, dass Daten in Zukunft dabei helfen können, etwa Kontrollgruppen für Tests zu verkleinern, wenn nicht irgendwann sogar ganz überflüssig zu machen. Teilnehmer einer Studie würden in der Regel in zwei Gruppen aufgeteilt. Die einen erhielten das zu testende Produkt oder Medikament, während die Kontrollgruppe entweder einen Placebo oder (bei schweren Fällen wie Krebs) eine bereits etablierte Medikation erhalte.

Dieses Vorgehen, wenn auch notwendig, sei ethisch fraglich, sagte Hebenstreit. Zusammen mit Roche arbeite Medidata deshalb daran, mit Hilfe der Daten sogenannte "synthetische Kontrollgruppen" zu erschaffen, eigentlich virtuelle "Patienten bestehend aus Daten". Wenn gewisse Erkenntnisse auf diese Weise einfacher gewonnen werden könnten, müssten in der Realität weniger oder kleinere Kontrollgruppen genutzt werden. Das bedeute, dass mehr Patienten tatsächlich das experimentelle Produkt ausprobieren könnten. Möglicherweise könnten Kontrollgruppen so irgendwann komplett synthetisiert werden, sagte Hebenstreit.