Reciba actualizaciones recientes de Hortonworks por correo electrónico

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?

cerrarBotón de cerrar
cta

Análisis de macrodatos para la industria farmacéutica
y ensayos clínicos

nube Hortonworks es un líder. Leer el Forrester Wave.

Download Report

Encontrar la cura para datos inaccesibles

¿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

One Hortonworks pharmaceutical customer uses HDP for a single view of its supply chain and their self-declared “War on Waste”. The operations team added up the ingredients going into making their drugs, and compared that with the physical product they shipped. They found a big gap between the two and launched their War on Waste, using HDP big data analytics to identify where those valuable resources were going. Once it identifies those root causes of waste, real-time alerts in HDP notify the team when they are at risk of exceeding pre-determined thresholds.


Investigación traslacional: convertir estudios científicos en medicina personalizada

The goal of Translational Research is to apply the results of laboratory research towards improving human health. Hadoop empowers researchers, clinicians, and analysts to unlock insights from translational data to drive evidence-based medicine programs. The data sources for translational research are complex and typically locked in data siloes, making it difficult for scientists to obtain an integrated, holistic view of their data. Other challenges revolve around data latency (the delay in getting data loaded into traditional data stores), handling unstructured and semi-structured types of data, and bridging lack of collaborative analysis between translation and clinical development groups. Researchers are turning to Open Enterprise Hadoop as a cost-effective, reliable platform for managing big data in clinical trials and performing advanced analytics on integrated translational data. HDP allows translational and clinical groups to combine key data from sources such as: Omics (genomics, proteomics, transcription profiling, etc) Preclinical data Electronic lab notebooks Clinical data warehouses Tissue imaging data Medical devices and sensors File sources (such as Excel and SAS) Medical literature Through Hadoop, analysts can build a holistic view that helps them understand biological response and molecular mechanisms for compounds or drugs. They’re also able to uncover biomarkers for use in R&D and clinical trials. Finally, they can be assured that all data will be stored forever, in its native format, for analysis with multiple future applications.


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.