Pharma-backed工具包加速数据采用公平原则

可寻性。可访问性。互操作性。可重用性。这是四个原则传感器组合在一起形成了公平一组数据的原则,希望能形成一个黄金标准的科学数据管理。协会的研究人员在2016年首次宣布,科学家和医生之间的公平获得牵引受到孤立的数据源,混乱的格式,浪费了大量的分析数据的潜力。

一个组织,希望能让研究人员的流动和公司订阅向洪水是公平的皮斯托亚联盟。非营利性宣布,大型制药公司的支持,开发工具包帮助企业成功地实现公平。我们采访了伊恩•哈罗皮斯托亚联盟的顾问,了解更多。

Ruairi Mackenzie (RM):将如何订阅数据公平原则制药公司中获益呢?

伊恩•哈罗(IH):目前,大部分的数据创建和使用由生命科学公司在广泛不同的格式和位置孤立,很难检索、查询和共享——基本上呈现它无法使用。“海量数据”的组合和生命科学数据成为公认的一个强大的企业资产驱动采用公平原则的必要性。同时,公平具体强调加强机器的自动发现和使用数据,行业越来越多的先决条件对人工智能和机器学习支持研发。我们正在建设的工具包将帮助生命科学公司互相学习,因为他们一起经历这文化转变,支持持续的科学进步。

RM:什么形式你公平的工具包来公司将如何利用它呢?

IH:公平工具包将包含所选工具,最佳实践,培训材料,用例和方法变更管理,所有这些都将在一个友好的,自由地访问网站“维基”,在2019年第四季度推出。它将帮助组织进行数字转换,准备未来的实验室(LotF),并加速AI和深度学习的应用。

RM:为什么皮斯托亚联盟一个合适的制药公司之间的中介的目标实现公平吗?

IH:皮斯托亚联盟是一个非盈利、中立机构,超过150名成员组成的在生命科学,生物制药,学术界、出版界和技术行业,都有相同的目标,加强科学研究和消除障碍在研发创新。超过10年的存在,它帮助该行业一起工作在各种问题上,借自己的竞争前协作,如需求收集、标准设置,最佳实践评估,非专有数据收集和分享,等等。公平是一个会员的方法对数据非常热衷于采用,使得联盟这一个优秀的合作项目。

RM:如何公平原则功能实验室的未来?

IH:未来的实验室(LoTF)将数字驱动,依靠自动化。人工智能和机器学习系统将发挥关键作用,他们需要高质量的、一致的数据“学习”。目前,大多数数据不是标准化的或容易获取,很难不可能“喂”一个算法没有争论科学家们花大量的时间数据。LoTF,如公平原则要求继续现代化实验室环境,帮助该行业继续突破,缩短开发时间的新研究。

RM:数据是制药公司越来越有价值的商品。他们应该被鼓励去为什么以及如何与公司分享这些数据,从商业的角度来看,他们的竞争对手?

IH:公平是关于我们如何处理数据,其格式,我们申请的标准集合,等等,所以没有IP。此外,大量的数据,企业实际上是竞争前,所以,它不会影响企业研发和IP。相反,通过共享数据,提高效率,避免不必要的重复性工作,并允许一个提问,一个从来没有问过。科学突破越来越多地发生在学科的边界,以及科学和其他领域之间的交叉,比如技术——正在增长。正在解决的问题需要更多的数据比任何一个组织可能希望收集。继续取得突破,制药公司将需要与其他部门的合作伙伴密切合作,和协作和数据共享是关键。公司必须认识到,并不是所有的数据都是专有的,和非竞争性数据可能有很大的集体价值。最终,一个更加开放的方法科学最重要的利益相关者的好处——病人。

伊恩耙Ruairi J Mackenzie说,科学技术网络作家188金宝搏备用