Au cours des deux ou trois dernières années, le rythme de la transformation numérique s’accélère grâce à l’amélioration des performances, de la puissance et de l’adaptabilité des outils et aux investissements dans le cloud computing, l’architecture de données et les technologies de visualisation. Il existe également un nombre croissant de cas d’utilisation de l’apprentissage automatique et, à l’avenir, de l’informatique quantique, ce qui accélérera le développement de molécules et de formulations.
La vaste transformation numérique en cours dans la R&D permet aux chercheurs d’automatiser des processus manuels chronophages et d’ouvrir de nouveaux horizons de recherche sur des problèmes épineux qui n’ont pas réussi à obtenir des percées. Ce nouveau rapport, basé sur des entretiens avec des responsables de la R&D dans des entreprises telles que Novartis, Roche, Merck, Syngenta et BASF, explore les cas d’utilisation, les meilleures pratiques et les feuilles de route pour la numérisation de la science.
Explorer des modèles dans des ensembles de données complexes
Des données riches, accessibles et partageables sont le carburant sur lequel reposent les outils analytiques et informatiques de pointe d’aujourd’hui. Pour s’assurer que les ensembles de données sont utilisables à des fins scientifiques, les grandes entreprises se concentrent sur les principes de données FAIR (trouvables, accessibles, interopérables et réutilisables), développent des métadonnées et des protocoles de gouvernance robustes, et utilisent des outils avancés d’analyse et de visualisation des données.
La transformation numérique ouvre des horizons de R&D dans des domaines tels que la génomique qui pourraient conduire à des percées en médecine de précision. Il crée également des opportunités d’essais cliniques décentralisés, libérant de futures innovations dans les domaines des produits numériques et des dispositifs portables de soins de santé.
Atteindre la bonne étude plus rapidement
Les expériences et les essais cliniques ont un coût énorme pour les deux industries, à la fois financièrement et en termes de ressources humaines et scientifiques. La simulation avancée, la modélisation, l’analyse basée sur l’IA et l’informatique quantique aident à identifier le meilleur candidat pour de nouvelles thérapies, matériaux ou produits, permettant uniquement aux plus prometteurs de passer à la phase expérimentale coûteuse.
Refonte organisationnelle
Les chefs de file de la R&D encouragent l’innovation ascendante en donnant aux équipes de recherche la liberté d’expérimenter de nouvelles technologies et techniques. Ils conduisent également des initiatives stratégiques descendantes pour partager des idées, harmoniser les systèmes et canaliser les budgets de transformation numérique. Comme dans toute industrie, l’IA et l’automatisation changent les façons de travailler dans la recherche scientifique. Plutôt que d’être perçus comme une menace pour les carrières de recherche, les grandes organisations de l’industrie pharmaceutique et chimique démontrent que le numérique offre de nouvelles opportunités de collaboration et de suppression des silos. Ils célèbrent les victoires, encouragent les commentaires et entretiennent des discussions ouvertes sur les changements de culture sur le lieu de travail.
Téléchargez le rapport complet.
Ce contenu a été produit par Insights, la branche de contenu personnalisé de MIT Technology Review. Il n’a pas été rédigé par la rédaction de MIT Technology Review.
L’article Innovation numérique dans les industries pharmaceutique et chimique est apparu en premier sur zimo news.
