AstraZeneca descubre, desarrolla y comercializa medicamentos innovadores para algunas de las enfermedades más graves del mundo. El mayor obstáculo para las nuevas innovaciones es la incapacidad de aprovechar toda la información científica disponible más rápido que el ritmo con el que llegan los nuevos datos. Necesitaban una plataforma que les permitiera crear canales de datos escalables y de alto rendimiento que alimentaran modelos de machine learning diseñados para ayudar a sus científicos a tomar decisiones específicas. Con Databricks, pueden aprovechar los datos y el aprendizaje automático para crear un motor de recomendación que permite a los científicos descubrir fármacos nuevos e innovadores de forma más fácil, rápida, económica y eficaz.
Demasiados datos ralentizan la toma de decisiones
Es bien sabido que el descubrimiento, el desarrollo y la comercialización de nuevas clases de fármacos pueden tardar entre 10 y 15 años y costar más de 5000 millones de dólares en inversión en R&D, para que al final menos del 5 % de los fármacos lleguen al mercado. Consciente de que este ritmo de innovación no era suficiente, AstraZeneca adoptó un enfoque basado en datos para aumentar su tasa de éxito en el descubrimiento de fármacos y una gestión más segura de los ensayos clínicos.
Sin embargo, sus científicos todavía no podían tomar decisiones informadas rápidamente con toda la información científica disponible a su alcance. Tenían dificultades con los datos que se encontraban en fuentes inconexas, tanto dentro de la empresa como en bases de datos públicas externas. Además, como las nuevas investigaciones científicas continúan publicándose a un ritmo acelerado, se volvió prácticamente imposible mantenerse al día con el ritmo de los descubrimientos científicos.
Complejidad de la infraestructura: Encontrar una infraestructura que ofreciera flexibilidad sin requerir mantenimiento constante.
Volúmenes masivos de datos inconexos: con la tarea de incorporar, analizar y procesar millones de puntos de datos en cientos de fuentes de datos, incluidas las internas y las públicas, como bibliografía técnica, bases de datos públicas, etc.
Tuvieron dificultades para escalar las operaciones a fin de respaldar los esfuerzos de ciencia de datos con notebooks de Python de código abierto.
Las canalizaciones de datos más rápidas impulsan la innovación en ML
AstraZeneca aprovecha la plataforma Databricks Data + AI para ayudar a crear un grafo de conocimiento de perspectivas y hechos biológicos. El grafo potencia un sistema de recomendación que le permite a cualquier científico de AstraZeneca generar nuevas hipótesis de objetivos, para cualquier enfermedad, aprovechando todos los datos a su disposición.
Plataforma totalmente administrada: Administración de clústeres y mantenimiento de recursos analíticos simplificados a escala.
Creación de canalizaciones de datos escalables y de alto rendimiento: capaces de aprovechar el NLP en una enorme biblioteca de literatura científica y fuentes de datos para su posterior análisis.
Aceleración de la innovación en el aprendizaje automático: Los científicos de datos tienen la capacidad de crear y entrenar modelos que proporcionan predicciones de clasificación que los ayudarán a tomar decisiones más inteligentes.
Transformamos el descubrimiento de fármacos con IA
Desde que adoptó Databricks, AstraZeneca ahora puede procesar más fácilmente millones de puntos de datos de miles de fuentes. Eliminar las barreras de escala les ha permitido extraer de manera más confiable información valiosa que puede dar como resultado fármacos novedosos diseñados para ayudar a las personas a tener vidas más saludables.
Eficiencia operativa mejorada: Funciones como la gestión de clústeres y el escalado automático de clústeres han mejorado las operaciones, desde la ingesta de datos hasta la gestión de todo el ciclo de vida del machine learning.
Mayor productividad en la ciencia de datos: El entorno de notebooks compartidos con soporte para múltiples lenguajes ha mejorado la productividad del equipo.
Tiempo de obtención de información más rápido: El motor de recomendación potenciado por Databricks ha mejorado su capacidad para formular hipótesis más fundamentadas, lo que les permite acelerar el tiempo de salida al mercado de fármacos y medicamentos novedosos.
Preguntas frecuentes: AstraZeneca en Databricks
AstraZeneca necesitaba procesar millones de puntos de datos inconexos de miles de fuentes científicas internas y públicas, a la vez que superaba la complejidad de la infraestructura y las limitaciones de escalabilidad para acelerar el descubrimiento de fármacos basado en datos.