Propósito

✔ Brazil SFE® Pharma Produtivity, Effectiveness, CRM, BI, SFE, ♕Data Science Enthusiast, ✰BI, Big Data & Analytics, ✰Market Intelligence, ♕Sales Force Effectiveness, Vendas, Consultores, Comportamento, etc... Este é um lugar onde executivos e profissionais da Indústria Farmacêutica atualizam-se, compartilham experiências, aplicabilidades e contribuem com artigos e perspectivas, ideias e tendências. Todos os artigos e séries são desenvolvidos por profissionais da indústria. Este Blog faz parte integrante do grupo AL Bernardes®.

Férias em 2019!

Férias em 2019!
#BrazilSFE #IndústriaFarmacêutica #2019

☕DOE UM CAFÉ

Um ano de muito aprendizado.

 


Obrigado pela colaboração e que venha 2020!

Nenhum comentário:
Tags: ,

2020 - Previsões Globais na Indústria Farmacêutica - Desproporção na Diversidade dos Ensaios Clínicos

2020 - Previsões Globais na Indústria Farmacêutica - Desproporção na Diversidade dos Ensaios Clínicos

Um grande obstáculo que o setor ainda enfrenta é a falta de diversidade nos Ensaios Clínicos. 

Ensaios Clínicos rigorosos são essenciais para garantir que os medicamentos e tratamentos recentemente desenvolvidos sejam seguros e eficazes para os pacientes. O sucesso nos testes dá aos pesquisadores, órgãos reguladores e pacientes razões para acreditar que um medicamento ou terapia continuará ajudando a população em geral com resultados semelhantes.

 Mas e se os Ensaios Clínicos não refletirem realmente a população em geral? Uma realidade infeliz dos Ensaios Clínicos é que frequentemente há uma preocupante falta de diversidade entre os participantes.

Atualmente, apenas 3% dos pacientes têm acesso a participar de ensaios clínicos e, portanto, limitados ao acesso a medicamentos potencialmente salvadores de vidas. Isso ocorre devido a uma série de fatores: falta de conhecimento, localização geográfica, restrições financeiras, origem ou etnia, traduzindo, certos grupos são massivamente sub-representados. 

A Desproporção na Diversidade dos Ensaios Clínicos é algo que a Indústria Farmacêutica precisa abordar imediatamente em escala global, pois leva a resultados clínicos falhos e deturpados. 

Por exemplo, 12% da população dos EUA é afro-americana, mas menos de 5% são representados nos ensaios clínicos.

É urgente que a Indústria Farmacêutica busque soluções tecnológicas sofisticadas que permitam testes virtuais e participação remota, reduzindo drasticamente a carga de representatividade limitada, fornecendo um número maior de pacientes para o recrutamento. Tal medida alimentará um maior volume e variações de dados que reflitam com maior precisão a população de pacientes, disponibilizando uma base mais precisa para o desenvolvimento de novos medicamentos.

A maioria das pesquisas clínicas inclui participantes que são predominantemente brancos, não hispânicos e, até recentemente, apenas homens, segundo relatos do STAT. Na maioria dos casos as terapias médicas atuais, bem como a maioria das que estão em desenvolvimento, foram testadas inadequadamente - ou não levaram em conta todos os perfis pertinentes, como racialmente, mulheres, crianças, idosos, indivíduos com múltiplas condições crônicas, e indivíduos de baixa renda. Além de populações etnicamente diversas.

Por que a falta de representação?

Houve um tempo em que a falta de diversidade nos participantes do estudo pode ter sido devido mais a preconceitos ou indiferença por parte dos pesquisadores. Mas se a comunidade científica está ciente da necessidade de diversidade, por que ainda existe uma representação tão pobre de tantos subgrupos diferentes em Ensaios Clínicos?

Alguns dos fatores responsáveis ​​por grande parte da diferença na participação das minorias, encontramos desafios logísticos, encargos financeiros e a desconfiança. A participação em um teste, que exija uma distância significativa, pode ser logisticamente difícil quando um possível participante não conseguir sair do trabalho, não encontrar assistência infantil adequada ou não tiver acesso a um veículo. E as soluções para esses problemas, como pagar por creche ou alugar um carro, podem ser financeiramente inviáveis.

Entre algumas comunidades, existe uma desconfiança bem fundamentada sobre qualquer tipo de experimentação científica devido a decepções horríveis, como a experiência de décadas de sífilis de Tuskegee, na qual negou-se intencionalmente tratamento adequado para homens negros ou um estudo para contraceptivos no qual as mulheres mexicanas-americanas pobres não foram informadas da possibilidade de receberem placebos ao invés de controle de natalidade.

 Essa história de exploração e descuido - geralmente dirigida a minorias, pobres ou mulheres - causa ceticismo entre muitos potenciais participantes de estudos.

O que pode ser feito para aumentar a diversidade entre os participantes do estudo?

O que pode ser feito para aumentar a diversidade entre os participantes do estudo?

O recrutamento de populações mais diversas para Ensaios Clínicos exigirá superar alguns dos desafios logísticos e financeiros, além de criar confiança. Algumas estratégias que os pesquisadores podem considerar empregar para envolver uma ampla variedade de participantes incluem:
• Facilite para os participantes fazerem partes do estudo remotamente: os avanços na tecnologia vestível possibilitam que os profissionais médicos coletem alguns dados e informações sobre saúde remotamente, para que os estudos que utilizam esse tipo de tecnologia possam aliviar alguns dos encargos logísticos.
• Use investigadores de Ensaios Clínicos de diversas origens: Essa é uma forma de se lidar com o problema da confiança, garantindo que os próprios investigadores dos ensaios clínicos reflitam uma variedade de origens.
• Trabalhando com as organizações de defesa de pacientes: Por exemplo, European Patient Academy, o Projeto ECRAN, que já são dedicadas à construção de relacionamentos com pacientes e seus aliados podem ajudar a trazer mais conscientização para a pesquisa clínica.
• Envolva os médicos, especialmente médicos de comunidades, para aumentar a conscientização. É muito mais provável que pacientes de comunidades minoritárias se inscrevam quando aprenderem sobre estudos de médicos em suas próprias comunidades.
• As empresas farmacêuticas podem desenvolver programas para resolver o problema: a Eli Lilly criou sua própria estratégia de diversidade de Ensaios Clínicos para aumentar a diversidade étnica e racial em seus Ensaios Clínicos nos EUA.
• Apele ao desejo das pessoas de ajudar outras pessoas: Um estudo sugere que um bom método para atrair participantes é apelar ao altruísmo. Nos EUA, pacientes afro-americanos e hispânicos, em particular, consideram a oportunidade de melhorar a vida de outras pessoas ao avaliar um estudo.
• Os reguladores de medicamentos podem exigir requisitos mais rigorosos: Reguladores como o FDA devem criar e aplicar regras mais rígidas, sugerindo que um medicamento,  para ser aprovado para o mercado, os painéis de pacientes em seus Ensaios Clínicos devam ter aderência a composição das populações de pacientes que realmente usarão o medicamento candidato.

Todos se beneficiam quando adotamos a diversidade nos estudos

Comente e compartilhe este artigo!
⬛◼◾▪ Social Media ▪◾◼⬛
• FACEBOOK • TWITTER • INSTAGRAM  • TUMBLR  • GOOGLE+  • LINKEDIN  • PINTEREST

⬛◼◾▪ Blogs ▪◾◼⬛
• SFE®  • SFE Tech®  • SFE Terms®  • SFE Books®  • SFE Biography®
⬛◼◾▪ CONTATO ▪◾◼⬛
Nenhum comentário:
Tags: , , , , , , , ,

Análise Preditiva na Indústria Farmacêutica - Como as Equipes de Marketing podem Beneficiar-se


Análise Preditiva na Indústria Farmacêutica - Como as Equipes de Marketing podem Beneficiar-se

É difícil imaginar uma empresa em crescimento que não utilize a Análise de Dados na tomada de decisões. A maioria das organizações usa dados para identificar oportunidades, monitorar atividades comerciais e dinamizá-las com a ajuda de Big Data e Analytics. As principais indústrias que adotam Analytics e Big Data são financeira, telecomunicações e tecnologia, seguidos por Cuidados de Saúde. 

Na grande maioria dos casos que chama de Big Data, resumem-se a data warehouse. Ainda assim, começamos a ver mais organizações recorrendo à análise preditiva para obter previsões e tomar decisões mais informadas.

 A IA pode ajudar as empresas farmacêuticas a ganhar vantagens competitivas

Empresas da Indústria Farmacêutica estão especialmente interessadas na rápida adoção de Big Data e Analytics. Tudo isso porque é cada vez mais desafiador levar ao Mercado, tratamentos inovadores, numa taxa consistente. 

À medida que mais opções de tratamento perdem a proteção de patentes, tornando-se genéricos, fica ainda mais difícil para os medicamentos de segunda linha competirem pela atenção dos profissionais de saúde.

 Olhando para a Oncologia como um case

 Em oncologia, por exemplo, essa dinâmica 'genérica' começou a surgir há alguns anos atrás, quando os líderes de mercado de primeira linha, em terapias direcionadas, perderam suas patentes. Atualmente, oncologia é um mercado complexo, com várias linhas de opções de tratamento por condição, e intensa concorrência de preços oriunda de produtos genéricos, com muitas informações sendo apresentadas aos médicos.

 As tradicionais abordagens analíticas baseadas em auditorias, não primárias, compradas pelos fornecedores locais tradicionais, não fornecem um alto nível de sofisticação necessário aos profissionais de marketing que precisam acompanhar as pressões dos preços.

 Semelhante à Indústria Farmacêutica, Ciência de Dados e TI também sofreram mudanças significativas graças aos grandes avanços em infraestrutura para nuvem. Como resultado, o Machine Learning passou de P&D para a produção e é usado para aplicações clínicas e comerciais no mundo real.

Agora, empresas de todos os tamanhos podem executar milhares de algoritmos estatísticos em paralelo, fazendo-o de forma repetida, confiável e razoavelmente barata. Sim, Existem muitos problemas que a Inteligência Artificial resolveu para oncologia, mas descreveremos um aspecto que é especialmente importante e ganha cada vez mais força na Indústria Farmacêutica - Como as Equipes de Marketing podem Beneficiar-se ao resolver o problema de prever uma escolha de prescrição médica.

 Prevendo a escolha do médico

 Os médicos tomam decisões sobre a saúde de seus pacientes diariamente. Em oncologia, essas decisões podem prolongar a longevidade do paciente e melhorar a qualidade de vida ou podem levar a complicações e efeitos colaterais. Essas escolhas devem ser feitas com informações relevantes e completas e devem seguir um protocolo rigoroso. Os médicos estão muito ocupados - não apenas tratam os pacientes e lidam com grandes quantidades de papelada, mas também devem ficar por dentro de novos aprendizados da medicina. Combine isso com as rápidas mudanças no mercado de medicamentos e a sobrecarga de informaçõe se estiver procurando um médico que consome apenas as informações que considera relevantes. 

 Como profissional de marketing, como sabe o que é mais relevante para o perfil médico que deseja abordar?

 Como sabe o que, onde e quando alcançar ou causar o maior impacto na escolha do médico? 

 É aqui que os recursos industrializados de IA podem fazer alguma diferença. Uma abordagem interessante é a de explorar o seqüenciamento das ações como uma solução potencial para este problema específico de negócios. Modelos assim começaram a surgir no início do século XX e estão associados ao matemático russo Andrei Andreyevich Markov e seu primeiro modelo estocástico Markov Chain. 

 O Markov Chain nos permite descrever uma sequência de eventos em que a probabilidade de cada evento depende do estado atingido no evento anterior. Isso significa que podemos prever a probabilidade de um médico prescrever com base em suas interações mais recentes com a marca do medicamento. É verdade que o Markov Chain têm algumas limitações e exige quantidades significativas de dados, razão pela qual não foram amplamente adotadas pela Indústria Farmacêutica no passado. 

 Nos últimos cinco anos, fomos capazes de superar os desafios de lidar com Big Data usando a computação em nuvem distribuída, além de obter acesso a novos algoritmos de IA que melhoraram significativamente desde o século XX. Fico especialmente fascinado pelo trabalho que foi realizado no campo de Machine Learning.

 Machine Learning e Marketing Digital

 O Machine Learning treina uma máquina para aprender a executar melhor a próxima ação, através da exploração dos dados. A beleza desse método é que ele é livre de modelo. Não precisa ensinar à máquina relações complexas entre uma ação e uma conseqüência. Só precisa fornecer feedback frequente. 
Vamos dar um exemplo em que ensinamos um robô a andar. O robô não precisa entender a paisagem, as dimensões do espaço ou quais objetos o impedem de se mover. Tudo o que precisa é de feedback na forma de uma recompensa (capacidade de concluir uma etapa) ou um castigo (incapacidade de avançar mais). Depois de um tempo, começa a identificar padrões de caminhada que levam ao destino no menor período de tempo, evitando impedimentos.
O mesmo conceito pode ser aplicado em Marketing Digital. Modelos analíticos preditivos tradicionais que estabelecem relações entre prescrever uma receita e o compromisso de marketing podem ser substituídos pelo Machine Learning. 

 Sim, os dados obtidos através do Marketing Digital e das atividades de prescrição, permitem que os cientistas de dados criem um algoritmo que aprenda quais padrões de envolvimento digital levam a prescrição de certro perfil médico. 

 A melhor parte desses modelos analíticos preditivos é que, à medida que os alimentamos com mais dados, estes começam a ficar mais inteligentes e a aprenderem sequências de marketing específicas que resultam em prescrições, evitando sobrecargas informativas desnecessárias.

 O Machine Learning é uma tecnologia de ponta que ainda precisa de muita experimentação. As equipes de ciência de dados estão trabalhando ativamente para entender como ele pode ser utilizado com eficiência para ajudar os profissionais de marketing a criarem uma experiência digital verdadeiramente personalizada para os médicos. Mas, assim como no Big Data e no Machine Learning baseado em modelos, é uma questão de tempo, que o Aprendizado por Reforço passe da indústria de jogos, robótica, finanças, e telecomunicações, para a Indústria Farmacêutica.
Comente e compartilhe este artigo!
⬛◼◾▪ Social Media ▪◾◼⬛
• FACEBOOK • TWITTER • INSTAGRAM  • TUMBLR  • GOOGLE+  • LINKEDIN  • PINTEREST

⬛◼◾▪ Blogs ▪◾◼⬛
• SFE®  • SFE Tech®  • SFE Terms®  • SFE Books®  • SFE Biography®
⬛◼◾▪ CONTATO ▪◾◼⬛
Nenhum comentário:
Tags: , , , , , , , , , , , ,

2020 - Previsões Globais na Indústria Farmacêutica - Não Haverá Interrupções de Big Techs


2020 - Previsões Globais na Indústria Farmacêutica - Não Haverá Interrupções de Big Techs

A linha entre tecnologia e saúde é cada vez mais embaçada.

 Sim, as Big Techs - Grandes Empresas de Tecnologia - estão mudando para a área da saúde, abordando as muitas lacunas desse setor. E seus esforços recentes sugerem que renovar o setor farmacêutico pode ser uma de suas principais prioridades.

 No próximo ano, penso, as Big Techs vão desestimular a interrupção da assistência médica para lidar com (1) as crises de confiança do público, (2) privacidade e (3) outras oportunidades de tecnologia do consumidor. O que mais podemos esperar são pequenas experiências contínuas e aquisições no Mercado de tecnologia. 

 As Big Techs estão alavancando seus pontos fortes em dados e plataformas fáceis de usar para criar novas soluções na área da saúde e a Indústria Farmacêutica que representa cerca de US$ 780 bilhões, será em algum momento, fortemente impactada, pois os principais players da tecnologia procuram transformar muitas das funções tradicionais da Indústria Farmacêutica.

 Apesar do constínuo fluxo de artigos ofegantes sobre a Amazon e Haven, Google, Facebook, Apple e outros, atrapalhar os cuidados de saúde, imagino que estarão com suas atenções voltadas para outras coisas em 2020. 

 Como resultado, novas sinergias estão surgindo e as empresas da Indústria Farmacêutica estão reagindo por meio de parcerias, investimentos, aquisições e reforçando suas próprias capacidades internas. Por exemplo, a gigante farmacêutica Roche adquiriu a plataforma de dados oncológicos Flatiron Health por US$ 1,9 bilhão em 2018, e a AstraZeneca fez parceria com a startup de descoberta de medicamentos BenevolentAI em Abril|19. 

Comente e compartilhe este artigo!
⬛◼◾▪ Social Media ▪◾◼⬛
• FACEBOOK • TWITTER • INSTAGRAM  • TUMBLR  • GOOGLE+  • LINKEDIN  • PINTEREST

⬛◼◾▪ Blogs ▪◾◼⬛
• SFE®  • SFE Tech®  • SFE Terms®  • SFE Books®  • SFE Biography®
⬛◼◾▪ CONTATO ▪◾◼⬛
Nenhum comentário:
Tags: , , , , , , , , , , , , , ,
Assinar: Comentários (Atom)