Az Egis az Azure felhasználásával találja meg a hatékony gyógymódokat a betegek számára

Az Egis Gyógyszergyár tevékenysége a gyógyszeripar összes értékteremtő folyamatát átfogja a kutatás-fejlesztéstől a hatóanyag- és késztermék-gyártáson át az értékesítésig. Az Egis folyamatosan arra törekszik, hogy hatékony és megfizethető gyógyszerkészítményeket tegyen elérhetővé a páciensek számára.  

A páciensek életminőségének javítása 

„A reumatoid artritisz betegséget nagyon nehéz eredményesen gyógyítani – magyarázta dr. Holló Zsolt, az Egis Biológiai üzletfejlesztési és technológiai osztályának vezetője. – Ami az egyik páciensnél működik, nem biztos, hogy a másiknál is fog. Régebben hagyományos statisztikai modelleket használtunk arra, hogy elemezzük az összefüggéseket a páciensek válaszkészsége és a különböző gyógyszeres kezelések között. A mostani fejlesztés során fő célunk az volt, hogy csökkentsük a hatástalan kezelések számát Sokféle modellezési módszerrel kísérleteztünk, de  – mivel rengeteg különböző tényezőt kellett figyelembe vennünk – csak lassan haladtunk előre.”

Az Egis már hosszú évek óta dolgozik működési folyamatainak digitalizálásán – ennek egyik állomása volt az Azure bevezetése. „A lehetőség tulajdonképpen véletlenül adódott – mondta dr. Holló Zsolt. – Hagyományosan a pácienseket és a gyógyszereket próbálgatással („trial-and-error”) párosítják egymással, ám úgy döntöttünk, hogy az Azure Machine Learning használatával áttérünk egy szisztematikusabb, transzkriptom szintű megközelítés alkalmazására, amely képes a hatásosságot előre jelezni. A cél az volt, hogy rövid idő alatt sokféle modellt kipróbálhassunk, és gyors eredményeket érjünk el.”

Gyorsabb feldolgozás

Miután a vállalatvezetés jóváhagyta az ötletet, az Egis nekilátott a modellek létrehozásának az Azure segítségével. „A gyulladásos állapotok kialakulásában több száz gén is közrejátszhat – fejtette ki dr. Holló Zsolt. – Ezt a számot ötvenre akartuk csökkenteni a végső elemzés során. Bár ez önmagában nem hatalmas szám, a gének közötti sokféle kölcsönhatás miatt gyakorlatilag több millió modellezési lépésre van szükség. Régebben egy ilyen számítás hónapokat vett volna igénybe – az Azure Machine Learning segítségével azonban néhány hét vagy akár nap alatt el tudjuk végezni.”

Egyszerű dokumentálás

Egy másik pozitív fejlemény az elemzési folyamat egyszerű, automatizált dokumentálása volt. „A szoftveres rendszerekben végrehajtott klasszikus statisztikai elemzések dokumentálása nem egyszerű folyamat– mondta el dr. Holló Zsolt. Gyakran előfordul, hogy az egészet meg kell ismételni, ha dokumentálni szeretnénk. A felhőben végzett elemzések azonban sokkal egyszerűbben dokumentálhatók és tárolhatók, valamint jóval könnyebb az adatok vizuális megjelenítése is. Ezáltal a teljes rendszer sokkal átláthatóbbá és felhasználóbarátabbá válik.”

Az Egis a klinikai minták elemzési és a kezdeti biostatisztikai modellezési kutatás-fejlesztési folyamatában az UD Genomed Kft.-vel működött együtt. Az ezt követő modellezési folyamat során a Microsoft partnerei, a Dmlab és a Datapao támogatták. A Dmlab volt felelős a kezdeti AI-modell létrehozásáért, a Datapao pedig adatmérnöki feladatokat látott el az Azure Databricks és az Azure Data Lake Gen 2 segítségével. „Nagyon nyitottak voltak a közös kísérletezésre, ennek pedig jelentős szerepe volt a módszer gyors megvalósításában” – tette hozzá dr. Holló Zsolt. 

Bár a megoldás kifejlesztése még korai szakaszában jár, a módszer eredményei máris megmutatkoznak, és akár más betegségek kezelésének hatékonyságát is javíthatjuk ezzel a megközelítéssel. „Minden gyógyszercégnek azt tudom javasolni, hogy próbálják ki a gépi tanulást, és nézzék meg, működik-e náluk – de menjenek biztosra a technikai szakértők kiválasztásakor. És soha ne feledjék, hogy végül is kinek fejlesztik a megoldást: a pácienseknek.”