Reciba actualizaciones recientes de Hortonworks por correo electrónico

Una vez al mes, recibir nuevas ideas, tendencias, información de análisis y conocimiento de macrodatos.

Sign up for the Developers Newsletter

Una vez al mes, recibir nuevas ideas, tendencias, información de análisis y conocimiento de macrodatos.

cta

Empezar

nube

¿Está preparado para empezar?

Descargue sandbox

¿Cómo podemos ayudarle?

* I understand I can unsubscribe at any time. I also acknowledge the additional information found in Hortonworks Privacy Policy.
cerrarBotón de cerrar
cta

Análisis de macrodatos para la industria farmacéutica
y ensayos clínicos

Hortonworks es un líder. Leer el Forrester Wave.

Download Report

Finding the Cure for Inaccessible Data

¿Qué sucede cuando los datos que necesita se esconde en silos o cuando usted no puede tener acceso a los datos de pruebas de medicamentos que requieren miles de millones de dólares? ¿Cómo ve una visión a largo plazo de registros 10.000 millones para entender la respuesta biológica a los medicamentos? Los investigadores en la industria farmacéutica optan por Hortonworks para analítica avanzada de macrodatos en datos traslacionales integrados y obtener una visión integral de sus datos farmacéuticos.

Desbloquear el poder de los datos farmacéuticos.

La integración de los macrodatos, el análisis de macrodatos farmacéuticos, colaboración interna y externa, el apoyo a las decisiones, los ensayos clínicos más eficientes, una colocación en el mercado más rápido, un rendimiento mejorado, una mejor seguridad - estos solo son algunos de los beneficios de las empresas farmacéuticas de todo el mundo que logran explotando todo el poder de sus datos farmacéuticos.

casos de usos

Merck optimiza los rendimientos de las vacunas: luchando por el "lote de oro"

Merck optimiza su rendimiento de vacunas mediante el análisis de los datos de fabricación para aislar las variables predictoras más importantes para un "lote de oro". Los líderes de Merck pendían del tiempo de fabricación para aumentar los volúmenes y reducir los costes, pero se convirtió en cada vez más difícil descubrir maneras adicionales de mejorar los rendimientos. Utilizaron Open Enterprise Hadoop para las nuevas ideas que podían reducir más los costes y mejorar los rendimientos. Merck se dirigió a Hortonworks para el descubrimiento de datos en registros de 255 lotes de una vacuna que se remontan a 10 años. Esos datos se han distribuido a través de 16 sistemas de mantenimiento y de gestión de edificios e incluía datos de los sensores precisos en configuración de calificaciones, presión de aire, temperatura y humedad. Después de agrupar todos los datos en Hortonworks Data Platform y procesar 15 mil millones de cálculos, Merck tenía nuevas respuestas a las preguntas que había estado pidiendo durante una década. Entre cientos de variables, el equipo de Merck fue capaz de detectar aquellas que optimizaban el rendimiento. La empresa procedió a aplicar estas lecciones a sus otra vacunas, con un enfoque en el suministro de fármacos de calidad al precio más bajo posible. Vea la entrevista de InformationWeek de Dough Henschen con George Llado de Merck.


Minimizar los residuos en todo el proceso de fabricación de medicamentos

Un cliente de Hortonworks de la industria farmacéutica utiliza HDP para obtener una visión única de su cadena de suministro y evaluar el progreso de lo que ellos mismos llaman la "guerra contra los residuos". El equipo operativo ha sumado los ingredientes que componen sus medicamentos y los ha comparado con el producto físico enviado. El equipo ha encontrado una diferencia significativa entre los dos y ha lanzado su guerra contra los residuos, utilizando el análisis de macrodatos de HDP para identificar adónde van a parar esos valiosos recursos. Una vez identificadas las causas de estos residuos, las alertas en tiempo real generadas por HDP advierten al equipo de que pueden superar los umbrales predeterminados.


Investigación traslacional: convertir estudios científicos en medicina personalizada

El objetivo de la investigación translacional es aplicar los resultados de la investigación de laboratorio a la mejora de la salud humana. Hadoop permite a los investigadores, clínicos y analistas utilizar la información oculta en los datos translacionales para llevar a cabo programas de medicina factual. Las fuentes de datos para la investigación translacional son complejas y generalmente se limitan a silos de datos, lo que dificulta que los científicos obtengan una visión completa e integrada de sus datos. Otros desafíos se relacionan con la latencia de los datos (tiempo para obtener datos cargados en almacenes de datos tradicionales), la manipulación de tipos de datos no estructurados y semiestructurados, y la falta de análisis colaborativo entre los grupos de desarrollo translacional y clínico. Los investigadores están recurriendo a la plataforma Open Enterprise Hadoop por su rentabilidad y fiabilidad a la hora de gestionar macrodatos en ensayos clínicos y efectuar análisis avanzados de datos translacionales integrados. HDP permite a los grupos clínicos y translacionales combinar datos clave procedentes de diversas fuentes, entre ellas disciplinas "-ómicas" (genómica, proteómica, perfiles de transcripción, etc.), datos preclínicos, cuadernos electrónicos de laboratorio, repositorios de datos clínicos, datos de imagenología tisular, dispositivos y sensores médicos, archivos fuente (Excel y SAS) y literatura médica. Con Hadoop, los analistas pueden obtener una visión holística que les permite comprender mejor los mecanismos moleculares y la respuesta biológica de compuestos o fármacos. También son capaces de descubrir marcadores biológicos que se utilizan en I+D y ensayos clínicos. Finalmente, pueden estar seguros de que todos los datos se almacenarán indefinidamente, en su formato nativo, listos para su posterior análisis y aplicación en multitud de casos.


Secuenciación de próxima generación

Los sistemas IT no pueden almacenar económicamente y procesar datos de secuenciación de próxima generación (NGS). Por ejemplo, los resultados de secuenciación primarios están en formato de imagen y son demasiado costosos para almacenar a largo plazo Las soluciones puntuales han carecido de la flexibilidad necesaria para mantenerse al día con el cambio de metodologías analíticas, y son a menudo, costosos de personalizar y mantener. Open Enterprise Hadoop supera los retos ayudando a los científicos e investigadores de datos a desbloquear ideas de los datos NGS al mismo tiempo que conservan los resultados en bruto en una plataforma fiable y rentable. Los científicos NGS están descubriendo los beneficios del procesamiento y el análisis a gran escala de los componentes integrados por HDP tales como Spark Apache. Los investigadores farmacéuticos están utilizando Hadoop para ingerir fácilmente diversos tipos de datos de fuentes externas de datos genéticos como TCGA, GENBank y EMBL. Otra clara ventaja de HDP para NGS es que los investigadores tengan acceso a herramientas bioinformáticas de vanguardia construidas específicamente para Hadoop. Estos permiten el análisis de los diversos formatos de datos NGS, seleccionando lecturas y fusionando resultados. Esto lleva a NGS al siguiente nivel a través del procesamiento por lotes de grandes conjuntos de datos NGS, integración del interior con secuencias de datos disponibles públicamente, almacenamiento de datos permanente para grandes archivos de imagen, en su formato nativo, importantes ahorros en procesamiento y almacenamiento.

HDP utiliza los datos del mundo real para entregar evidencia del mundo real

Las evidencias del mundo real (RWE) prometen cuantificar las mejoras de los resultados de salud y los tratamientos, pero estos datos deben estar disponibles a escala. Los altos costes de almacenamiento y procesamiento de datos, los desafíos con la fusión de datos estructurados y no estructurados y una excesiva dependencia de los recursos informáticos para el análisis han ralentizado la evolución de RWE. Con Hadoop, los grupos RWE están combinando fuentes de datos clave, incluyendo reclamaciones, recetas, registros médicos electrónicos, HIE y medios de comunicación social para obtener una visión completa de RWE. Los analistas están desbloqueando visiones reales y entregando información analítica avanzada a través de herramientas rentables y familiares como SAS®, R® TIBCO™, Spotfire®, o Tableau®. RWE a través de Hadoop ofrece un valor con: • Utilización óptima de los recursos sanitarios a través de diferentes cohortes de pacientes • Una visión holística de las compensaciones costes/calidad • Análisis de las vías de tratamiento • Estudios de precios competitivos •Análisis de medicación conconmitante • Ensayo clínico de focalización basado en la prevalencia geográfica y demográfica de la enfermedad • Priorización de los candidatos para los fármacos • Métrica para los contratos de precios basados en el desempeño • Estudios de adhesión de fármacos • Almacenamiento permanente de datos para auditorías de cumplimiento permanente.

Acceso perpetuo a datos brutos de investigaciones previas

HDP utiliza datos del mundo real para ofrecer evidencias del mundo real
Las evidencias del mundo real (RWE) prometen cuantificar las mejoras de los resultados de salud y los tratamientos, pero estos datos deben estar disponibles a escala. Los altos costes de almacenamiento y procesamiento de datos, los desafíos con la fusión de datos estructurados y no estructurados y una excesiva dependencia de los recursos informáticos para el análisis han ralentizado la evolución de RWE. Con Hadoop, los grupos RWE están combinando fuentes de datos clave, incluyendo reclamaciones, recetas, registros médicos electrónicos, HIE y medios de comunicación social para obtener una visión completa de RWE. Los analistas están desbloqueando las perspectivas reales y ofrecen perspectivas de análisis avanzadas a través de herramientas rentables y familiares, como SAS:registered: R:registered: TIBCO:tm: Spotfire:registered: o Tableau:registered:. RWE a través de Hadoop ofrece valor con utilización óptima de los recursos sanitarios a través de diferentes cohortes de pacientes, una visión holística de las compensaciones costes/calidad, análisis de las vías de tratamiento, estudios de precios competitivos, análisis de medicación conconmitante, ensayo clínico de focalización basado en la prevalencia geográfica y demográfica de la enfermedad, priorización de los candidatos para los fármacos, métrica para los contratos de precios basados en el desempeño, estudios de adhesión de fármacos y almacenamiento permanente de datos para auditorías de cumplimiento permanente.