商业领袖制药生命科学更具体商业智能需要比其他行业的同行。除了常见的业务驱动像营销，利润和损失，客户流失，制药公司需要有关信息和患者临床试验结果。
临床试验的悠久历史可能难以梳理，找到关于如何规划将来的见解，并试图确定最佳做法时，过去的结果可能会有所帮助。因此，软件供应商提供给制药企业的解决方案，帮助他们找到从他们过去的工作有用的信息，并产生作用为他们的临床试验的最佳方案。
商业智能在制药和生命科学 - 深入分析了前面
许多这些供应商提供人工智能和机器学习来自动化筛选数据的过程，并创建可视化来研究数据。预测分析是这种类型的解决方案的主要应用，因为在空间内的数值和结构化数据的高容量。
Dataiku声称它的解决方案，数据科学工作室(DSS)，通过预测计划试验的结果来帮助优化临床试验。他们表示，该软件可以模拟那些计划中的试验，让客户更详细地了解预测是如何做出的，以及他们可以改变哪些因素来改善结果。
Domino Data Lab的软件平台被宣传为帮助进行临床试验设计，并强调可重复性。这将有助于制药公司证明他们的试验结果，以符合卫生保健法规。Domino Data Lab还声称，用户可以重新访问试验，以找到关于过去相关主题的见解，并在最近再次出现。
Complexica提供了一种更广泛应用的解决方案，它声称能够帮助公司查找有关业务操作、临床操作和营销计划的信息。用户可以通过Complexica的数字分析师进行搜索，以判断其产品的营销情况，这有助于推动更有价值的营销投资。
Medidata公司声称他们MEDS平台可以与他们的同龄人比较一个客户公司的临床试验中的表现。这使得企业领导看到这些操作可能会如何变化，提高导致公司和做出决策的临床差异化经营。
有迹象表明，声称能提供AI供电的商业智能软件生命科学和制药公司许多公司。我们找到了解决方案，旨在帮助这些公司的这些业务问题中的至少一个：
- 临床试验计划
- 进行临床试验
- 营销
我们将开始一个探索应用之一，通过用例的临床试验计划开始：
临床试验计划
Dataiku
Dataiku报价软件称为Dataiku数据科学工作室（DSS）该公司表示，这可能会有所帮助医药数据和BI团队优化临床试验使用预测分析。
该软件根据客户的数据分析需求，以不同的方式使用临床数据。Dataiku DSS可以创建与患者对所研究药物的反应相关的预测模型，并进行模拟，以显示测试该药物的最佳患者数量。据称，它还可以探测到接收到的化学信号物联网它被给予患者之前（IOT）的传感器数据和预测药物的不利影响。这些信号是所谓的生物标志物。
对Dataiku DSS的机器学习模型进行了训练来自不同来源的成千上万的药物数据。这些包括临床试验，电子健康记录以及来自物联网传感器的数据。每种类型的数据都包含与患者对药物的反应可能性、他们可能经历的不良反应以及参与试验的患者人数相关的单独点。然后，这些数据将通过机器学习算法运行，该算法将训练算法识别哪些数据点相互关联具有最高的病人反应阳性率和最小的药物副作用的临床试验。
然后，该软件将能够做出预测为今后的临床试验的最佳尺寸，哪些患者最有可能的药物反应，如果患者可能会遇到来自药品不良影响。这可能要求用户上传新的临床试验方案或最近发现的不利影响事先输入软件。
Dataiku索赔用户可以将软件集成到商业智能数据现有的数据库，如临床试验的数字组合。这些数据库将被分拆，一旦集成到软件归类为数据集。
下面是一个演示视频，展示了用户在使用Dataiku DSS时可能采取的第一步。超过14分钟;然而，我们发现在研究决策支持系统时需要考虑三个主要部分:
- 0:00- 4:18分步骤说明如何导入和存取数据集
- 4:19- 9:45展示了如何准备或“清洁”数据，以达到建立预测模型的目的
- 9:46- 12:50展示如何创建、描述和修改模型
Dataiku声称有帮助AramisAuto在公司内部创建商业智能和数据分析项目。AramisAuto部署Dataiku DSS他们的商业智能的工程师和科学家的数据并培训他们使用的预测模型和团队协作软件。
在部署软件之前，AramisAuto是外包公司的商务智能举措给其他公司进行准确的见解。根据案例研究，他们在开发数据分析方面变得独立，并加强了他们的数据专家使用Dataiku软件的技能。
Dataiku还列出了Primera蓝十字和Essilor作为一些他们过去的客户。企业领导者应该知道，这些都不是制药公司，然而，却占用了医疗空间的不同部门。
Florian Douetteau是首席执行官在Dataiku。他拥有一个女士在数学与计算机科学从高等师范学院。先前，Douetteau担任研究和开发副总裁在Exalead。
Domino数据实验室
Domino数据实验室报价一个同名的数据科学平台该公司表示，这可能会有所帮助制药公司设计更有效的临床试验使用预测分析。
该平台允许多个数据科学和商业智能员工通过保存在每个项目文件中的评论和讨论就项目进行协作。
它也允许用户重新使用过去的数据分析实验和项目，以改善他们的安全并获取过去的业务洞察力。Domino数据实验室指出，他们的平台上完成的所有工作将被保存的数据和结果的完整保存的重现性。这是制药公司希望能够轻松符合21 CFR Part 11的关键。
该软件背后的机器学习模型可能是针对数千人的从过去的临床试验数据点。这些数据点会涉及病人的人口统计资料，对药物反应的患者正在研究，并与患者或药物相关的风险。然后，这些数据将通过软件的机器学习算法运行。这样做会训练算法来找出哪些数据点关联到最佳的病人药物反应的临床试验和最小的风险因素。
然后，该软件将能够作出预测安博t哪些患者对药物的反应最好，哪些患者或药物相互之间存在风险。这可能需要对未来的临床试验到软件事先数据科学家上传信息。
Domino索赔数据科学家可以将软件集成到临床数据和以前的数据科学实验或项目现有的数据库。我们找不到演示视频来展示如何Domino数据科学平台的工作原理。
Domino数据实验室根本不提供展示的医药公司与软件的任何成功的案例研究。
Domino数据实验室还列出了百时美施贵宝作为一个他们过去的客户。
克里斯托弗·杨是CTO在Domino数据实验室。他持有工程硕士(孟)在计算机科学从麻省理工学院。先前，杨担任软件开发师在布里奇沃特协会。
进行临床试验
Medidata
Medidata报价该公司声称，一种名为MEDS的软件正在执行可以帮助生命科学和制药公司找到有关的业务运营带来的药物更快地推向市场洞察力使用预测分析。
顾名思义，MEDS将客户与其同行组织的成功进行比较。软件使用来自的操作数据临床试验对于相似的药物或使用相似的方法来显示客户和其他研究相同或相似疾病药物的组织之间成功的差异。
除了对周期时间，招生，和成本的重点领域，MEDS执行提供了个别患者的风险评估，使他们能够更紧密地如果需要的监控。该软件还部分患者在试验与响应以及对药物的不同可能性组。
这就是所谓的基因簇。通过这种方式，运营管理是能够找到它需要提高，他们可以采取行动，提高试验是已经展开的结果一般领域，以及具体的情况。
Medidata表示，MEDS背后的机器学习模型是用“临床试验数据的最大的商店。“我目前还不清楚他们是基于什么理由提出这一主张的。从这些临床试验中获得的数据点将是有关进行这些试验的制药公司的临床操作的信息。
这包括试验完成周期、登记、试验操作和费用所需的时间。它们还将包括与某些病人有关的风险的任何信息，以及病人的遗传数据。然后，所有这些信息将通过MEDS执行后的机器学习算法运行。
这已经训练它来辨别哪些数据点关联到一个高风险的患者，患者，其基因相似的药物反应集群，高效的运作。
然后，MEDS执行软件将能够预测哪些操作程序将为临床试验产生最佳结果。这可能要求用户事先将新的操作协议信息上传到软件中。
这可能是因为用户可以将软件集成到他们现有的数据库存储客户的临床试验和研究数据。
不幸的是，我们的研究没有结果的时候，我们找了一个演示视频显示MEDS如何进行工作，并且它好像Medidata不提供任何显示其软件成功的案例研究。然而,Medidata名单世界范围的临床试验和Tesaro作为一些过去的客户。
大卫李是首席数据官在Medidata。他持有统计学硕士学位从位于纽约市的哥伦比亚大学。先前，背风处担任副总裁兼科学主管在美国国际集团(AIG)。
营销
Complexica
Complexica报价软件名为拉里的数字分析，它声称能帮助什么制药公司提高运营的见解和模型的营销情况使用预测分析。
数字分析师拉里不是聊天机器人，尽管Complexica称用户会向它“提问”。该软件通过点击一个按钮来接收所有请求，而不是通过输入或语音命令。该软件用于Complexica提供的多个数据分析解决方案，包括它们的假设模拟器和优化器、促销活动管理器和客户机会剖析器。
辉瑞制药公司澳大利亚分公司选择Complexica来改善其商业决策过程。它选择的解决方案是假设模拟器和优化器，它使用数字分析师拉里来建模销售、营销投资和市场条件。市场情况可能包括某种药品的季节性需求上升，或者哪些零售商的药品销量最大。
该解决方案还根据境内，销售代表的角色，和地理位置的大小使用数字分析师优化销售区域映射。但是，应该指出的是，辉瑞公司是唯一能够在Complexica的网站通过发布时被发现的唯一大型制药的客户端。
该公司表示，数字分析师拉里背后的机器学习模型是经过培训使用的成千上万的数据点的销售，营销投资和营销活动项目。很可能，它也需要通过根据客户的健康需求细分归类药品销售进行培训。
这方面的一个例子是跨越地域药销售数据为成人和其子等同。这些数据点会涉及客户资料，投资的影响，以及如因季节性或突发疫情上升的需求的市场条件。
然后，这些数据将通过软件的机器学习算法运行。这将使算法能够确定哪些数据点最经常表明客户具有最大的机会价值、有效的投资策略和有利的市场条件。
然后，该软件将能够作出预测有关其可能的客户提供最具销售力的机会，营销投资将还清，以及何时启动营销推广。然而，这可能需要用户的需求进行分析之前上传自己的未来促销活动的数据，最近改变自己的营销策略，或最近上升到软件中。
以下是短片2-分钟视频演示如何Complexica的“拉里”数字分析师提供基于用户的需求预测:
Complexica不提供任何的案例研究报告与拉里数字分析员成功。
Complexica还列出了辉瑞澳大利亚，西格玛医疗，和勃林格殷格翰作为一些他们过去的客户。
兹比格涅夫·Michaelwicz是首席科学家在Complexica。他持有博士学位在计算机科学来自波兰科学院。先前，Michaelwicz担任首席科学官在SolveIT软件。
标题图片来源：健康的辩论
