用正確的搜索策略加快藥物研發

文/Jeff Evernham

藥物的研發上市是一個漫長的過程——藥物的臨床前研究、臨床試驗等過程都極其耗時，除此之外，還有大量的時間被浪費在了搜索臨床試驗、實驗室報告等數據上。本文作者Jeff Everham 認為，通過采用正確的搜索策略，可以節省大量的研發時間，從而加快藥物的上市。

據Deloitte 公司稱，現在一種藥物的平均研發成本為22 億美元，同時近10 年來首輪臨床試驗的成功率一直低于10%，也就是說藥物研發的投資回報早已不再穩定，所以制藥企業都想盡早完成藥物的上市，迅速回收昂貴的研發成本。

藥物研發意味著：來自不同地方的眾多專家必須訪問分散的信息，對其進行組合、處理并找出其中的關聯，這也是研發過程進展緩慢的原因所在。軟件制造商M-Files 在其2019 年出品的智能信息管理報告中，向全球1500家公司詢問了他們在數據管理方面遇到的問題，并匯總如下：

·信息迷宮：幾乎近半數受訪者表示很難找到正確的信息；

Jeff Everham 認為，通過采用正確的搜索策略，可以節省大量的研發時間，從而加快藥物的上市

·版本升級：超過2/3 的受訪者表示難以找到文檔的最新版本；

·文檔重復：超過80%的受訪者表示他們需要重新創建已有的文檔，因為他們無法在自己的企業網絡中找到它。

太多的研究論文

信息過量是使事情變得如此困難的主要原因，這些信息分布在各種各樣的地方，而且據Gartner 公司稱，它們當中的80% 不夠系統化，這意味著：沒有易于分析的表格或類似的東西可供直接參考，只有醫生的筆記、實驗室報告、研究觀察和圖片等。每年都有超過300 萬篇研究論文發表在全球33 000 多種專業期刊上，一個人僅完成閱讀摘要便需要85 年。自COVID-19 為人所知以來，關于該病毒的論文便已發表了50 萬篇。

用智能搜索取代關鍵字匹配

研究人員無法通過標準商業智能和分析工具找到并使用隱藏在非系統化數據中的信息，需要比關鍵字匹配更優質的新智能搜索技術來提供有關主題的上下文信息（就像普通搜索引擎所做的那樣）。企業搜索軟件產品（如阿斯利康和UCB 使用的Sinequa）采用了自然語言和深度學習方面的知識，即人工智能技術(AI) 來優化搜索。這些產品能夠了解搜索者的真正意圖，能夠發現非系統化文本中的關系和模式，提供相關且有意義的結果。Gartner 公司便在其推出的數據集成工具魔力象限中談到了洞察引擎。

實驗室記錄本中的批評性意見

如果某些信息隱藏在難以訪問的系統中，研究人員因無法全面了解藥物的安全性會付出怎樣的代價？如果研究人員因為臨床試驗結果分散在多個數據集中而無法全面了解藥物信息，又會造成怎樣的后果？如果實驗室記錄本或醫生筆記中的批評性意見被忽視，研究人員會錯過哪些機會？通過采用智能搜索可大幅降低這些問題背后潛藏的風險。

例如，阿斯利康公司的內部和外部專家每天都會創建大量技術性很強的文檔：研究文檔、醫學數據庫中的條目、測試報告、專利申請等，此外還有不同專業領域的研究人員之間的交流信息。在阿斯利康的研發過程中，每天都有人在集團中尋找有關特定主題的專家或信息。例如，誰特別熟悉“動脈硬化”？誰了解藥物中的活性成分和活性分子？有哪些關于副作用和專利的文件？那么如何高效找到這些信息呢？

使用內容分析技術

阿斯利康首先嘗試了使用簡單的搜索引擎，根據其在文件上留下的痕跡來定位專業人員，但他們發現最終只有使用企業搜索軟件才有可能從來源各異的大量數據中過濾出正確的信息。內容分析技術基于語義和語言分析，可用于搜索非系統化和系統化的數據，通過這種方式，用戶可以找到那些根本沒有出現實際搜索詞，而只是有同義詞或內容有相似概念的文章。

在最初的過程中，阿斯利康使用企業搜索軟件分析了大約2 億份來自研發領域的內部和外部文件，還確定了術語（同義詞和語義相關的術語）之間的特定主題關系。該索引產生了一個數據庫，在搜索掩碼中輸入術語后，軟件便能從數據庫所有關于該主題的內容中找出最好的專家或研究小組，在最短時間內組建跨學科的專家團隊，就一個共同主題開展跨地區的工作，這使得阿斯利康等制藥企業在將創新研究成果盡快轉化為成熟產品方面具有了明顯的競爭優勢。

數以百萬計的SAS 記錄數據

國際制藥企業UCB 也以類似的方式使用了企業搜索軟件，這家總部位于布魯塞爾的生物制藥企業在全球擁有8600 多名員工，致力于研究和開發中樞神經系統和免疫疾病領域的創新治療方案。

在藥物療法的開發過程中，UCB開展了廣泛的臨床研究，開發藥物時研究人員必須不斷訪問這一過程中形成的大量數據內容，以便找到相關信息進行深入的統計分析。在過去15年里，UCB 積累了大約1000 萬個文件，相當于20TB 的海量數據，目前這一文件量仍以每年30%的速度增長，這包括超過100 萬條、具有數十億行數據的SAS 記錄、SAS 程序代碼、ASCII、Microsoft Office 以及PDF 文件。

借助人工智能技術支持的搜索和分析，制藥企業可以更輕松地從內部和外部資源中獲取這些龐大和多樣的數據，加快研究速度，從而縮短藥物的上市時間。