Automation of Unstructured Data Transformation for Regulatory and Identification of Medicinal Products

Rubrik: Praxis

(Treffer aus pharmind, Nr. 10, Seite 1354 (2020))

Werner J | Kloft M | Gurulingappa H | Schneider D | Schlaps D

Automation of Unstructured Data Transformation for Regulatory and Identification of Medicinal Products / Text Mining for Merck Pharma Regulatory Intelligence · Werner J¹, Kloft M², Gurulingappa H², Schneider D², Schlaps D³ · ¹Merck Healthcare KGaA, Darmstadt und Merck KGaA, Darmstadt und IT Consulting Life Science, Wessobrunn
In der Pharmaindustrie liegen große Mengen an Unternehmensdaten in unstrukturierten Textformaten vor. Sie enthalten wertvolle Informationen, die von der frühen Wirkstoffentdeckung bis zur Post-Market-Analyse eine Schlüsselrolle spielen. Die Tatsache, dass diese Daten in unstrukturierter Form vorliegen, erschwert es klassischen Informationssystemen, verborgene Informationen effizient zu suchen, zu finden und zu extrahieren. Text Mining verwendet linguistische und statistische Verfahren, um den Aufbau von intelligenten Systemen, welche die automatisierte Extraktion von Informationen und Erkenntnissen aus Textdaten steuern können, zu ermöglichen. In diesem Beitrag beleuchten wir die Anwendung von Text Mining mit Betonung darauf, wie es einen Mehrwert für regulatorische Prozesse schaffen kann, die ...

Data Warehousing in Clinical Research and Development / From clinical data to knowledge portals

Rubrik: -

(Treffer aus pharmind, Nr. 05, Seite 637 (2004))

Schlaps D

Data Warehousing in Clinical Research and Development / From clinical data to knowledge portals / Schlaps D
Data Warehousing in Clinical Research and Development From clinical data to knowledge portals Dr. Dieter Schlapsa,b and Dr. Thilo Schmida Computer Sciences Corporation (CSC)a, Wiesbaden (Germany), and Private University for Health Sciences, Medical Informatics and Technologyb, Innsbruck (Austria) Data Warehousing in der pharmazeutischen Forschung und Entwicklung / Von klinischen Daten zu Wissensportalen Data Warehousing in der pharmazeutischen Forschung und Entwicklung hat zum Ziel, die Daten und Ergebnisse abgeschlossener bzw. aktueller klinischer Studien mit anderen produkt- oder krankheitsbezogenen Daten zu verknüpfen, um beispielsweise neue klinische Fragestellungen aus den Bereichen Arzneimittelsicherheit und Wirksamkeit zu untersuchen. Im folgenden Beitrag wird erläutert, warum der Ansatz des Data Warehousing gerade für die pharmazeutische Forschung und Entwicklung von so großem Interesse ist und welche technischen Konzepte und Funktionalitäten hinter dieser Technologie stehen. Ein hypothetisches Szenario beschreibt die Einsatzmöglichkeiten und den Nutzen der Data Warehouse-Lösung für verschiedene Anwendergruppen im Unternehmen. Anschließend werden ein Data Warehouse (DWH)-spezifisches Vorgehensmodell zur Durchführung von DWH-Projekten skizziert und wesentliche Erfahrungen aus einer Reihe entsprechender Kundenprojekte diskutiert. Wissensportale erlauben eine wesentliche Erweiterung des Data Warehouses sowohl bezüglich der darin verwalteten Daten und Datenbeziehungen als auch bezüglich der betroffenen Anwendergruppen. Externe Daten aus verschiedensten Quellen können mit den firmeninternen Daten verknüpft und einem gemischten Publikum aus internen und externen Anwendern in spezifischer Form zur Verfü-gung gestellt werden. Es ist insgesamt absehbar, daß klinische Data Warehouse-Lösungen zu einer möglicherweise signifikanten Verbesserung von Initiierung, Planung und Durchführung klinischer Arzneimittelforschung beitragen werden. Key words Clinical data management • Clinical data warehousing • Knowledge portals © ECV- Editio Cantor Verlag (Germany) 2004