L'industria farmaceutica è all'avanguardia dell'innovazione, un ecosistema delicato in cui la qualità dei dati è decisiva nel definire il panorama della scoperta e dello sviluppo di farmaci. Questo rigoroso processo scientifico si basa in larga misura sui dati, come ogni attività scientifica, e le inesattezze nei dati possono avere conseguenze catastrofiche. L'integrità dei dati non è solo una questione di efficienza. È un fattore critico che incide su tutto, dalla salute e sicurezza pubblica alla stabilità finanziaria, ovvero ai finanziamenti, motore chiave del progresso tecnologico e scientifico a cui il mondo ha assistito. 

In questa analisi approfondita esaminiamo le complesse sfide di qualità dei dati che il settore farmaceutico deve affrontare, sciogliendo i nodi che influenzano la scoperta e lo sviluppo di farmaci. 

I peggiori incidenti causati da problemi di qualità dei dati nell'industria farmaceutica 

Sperimentazioni cliniche fallite a causa di dati errati

Le sperimentazioni cliniche sono la spina dorsale dell'innovazione farmaceutica, ma sono anche molto esposte ai problemi di qualità dei dati. Si pensi al caso in cui un piccolo errore nell'elaborazione dei dati ha portato a un calcolo errato del dosaggio in una sperimentazione clinica di Fase III. Ciò non solo ha messo a rischio i pazienti, ma ha anche invalidato mesi di ricerca, costando milioni di investimenti in R&D, causando perdite finanziarie e ritardando l'ingresso sul mercato di un farmaco potenzialmente salvavita. Gli effetti a catena di un errore del genere sono profondi e colpiscono la fiducia dei pazienti, la fiducia degli investitori e i progressi della comunità scientifica.

L'articolo Why do Clinical Trails Fail? indica “metriche o marker di efficacia inappropriati” e “problemi nel modo in cui i dati vengono analizzati” come due dei principali motivi di fallimento delle sperimentazioni cliniche. 

Errori nella formulazione dei farmaci

Dati inaccurati sulla formulazione dei farmaci possono avere conseguenze catastrofiche, che si ripercuotono su tutta la supply chain farmaceutica e sugli esiti per i pazienti. Qualsiasi inesattezza nei dati, che riguardi la quantità dei principi attivi o il processo di formulazione stesso, può dare origine a farmaci con un'efficacia compromessa. I pazienti che fanno affidamento su questi farmaci possono ottenere effetti terapeutici inadeguati, con un peggioramento delle loro condizioni di salute e un potenziale pericolo per la loro vita. Ciò non solo compromette la sicurezza dei pazienti, ma espone anche le aziende farmaceutiche a responsabilità legali e danni reputazionali.

Interruzioni della supply chain

La supply chain farmaceutica è estremamente sensibile all'accuratezza dei dati, e i problemi di qualità dei dati possono interromperla interamente. Dati di formulazione errati di un farmaco possono portare al richiamo di un intero lotto, rendendo inutilizzabile il medicinale: ciò non solo causa perdite finanziarie, ma mette anche in pericolo i pazienti che dipendono da questi farmaci per patologie croniche. 

Questo incidente ha evidenziato l'effetto a cascata degli errori nei dati, che colpisce ogni fase, dalla produzione alla cura dei pazienti.

Decisioni mediche sbagliate

Gli operatori sanitari e i sistemi di dispensazione dei farmaci dipendono da dati accurati per la prescrizione dei medicinali. Dati errati possono portare a prescrizioni sbagliate, mettendo in pericolo la vita dei pazienti. Ciò non solo mette in pericolo la vita dei pazienti, ma espone anche l'ospedale a responsabilità legali e alla perdita di credibilità nella comunità medica.

Leggete anche: i 5 peggiori incidenti causati dalla scarsa qualità dei dati nel settore sanitario

Battute d'arresto normative dovute a dati non conformi

Le conseguenze delle discrepanze nei dati in questo contesto sono profonde e vanno da audit non superati a sanzioni consistenti per le aziende farmaceutiche. Nel peggiore dei casi, dati non conformi possono portare alla revoca delle autorizzazioni, con gravi interruzioni dell'attività e la compromissione della capacità di portare sul mercato farmaci salvavita. Garantire la conformità dei dati non è quindi solo un adempimento normativo, ma una componente critica per preservare la credibilità e la stabilità finanziaria dell'industria farmaceutica e, soprattutto, la fiducia dei pazienti e delle autorità di regolamentazione.

Nella scoperta di farmaci, dati di alta qualità non sono un semplice sottoprodotto: sono le fondamenta per sviluppare terapie che cambiano la vita. L'integrità dei dati è al centro dei risultati della ricerca e determina la traiettoria del progresso scientifico nello sviluppo dei farmaci. 

L'industria farmaceutica subisce questi incidenti a causa delle sfide quotidiane legate alla qualità dei dati. Tra gli esempi di problemi di qualità dei dati specifici del settore farmaceutico rientrano dati errati, dati obsoleti, pratiche sui dati non conformi ai principi FAIR, l'aumento esponenziale del volume di dati biomedici e l'eterogeneità dei dati. 

Una soluzione alle sfide di qualità dei dati nell'industria farmaceutica 

Gestire la complessità dei dati farmaceutici richiede più dei metodi tradizionali. Una soluzione ideale per la qualità dei dati offre una gestione dei dati in tempo reale con alert rapidi sulle anomalie, favorisce l'accessibilità, l'interoperabilità e la riutilizzabilità dei dati, è in grado di gestire e analizzare dati biomedici vasti ed eterogenei e può eliminare la definizione manuale delle regole tecniche di qualità dei dati. 

Per saperne di più: Modern Data Quality: orientarsi nel panorama con digna

Di fronte a queste sfide impegnative, digna si afferma come la soluzione di AI per la data quality moderna, garantendo i più alti standard nella gestione della qualità dei dati farmaceutici grazie a machine learning automatizzato, indipendenza dal dominio e un radar in tempo reale per prevenire e risolvere i problemi di qualità dei dati. Scegliendo digna, le organizzazioni farmaceutiche possono non solo mitigare i rischi legati ai dati di scarsa qualità, ma anche aprire la strada a uno sviluppo dei farmaci efficiente, accurato e tempestivo.

Domande frequenti

In che modo i problemi di qualità dei dati influiscono sulle sperimentazioni cliniche?

Le sperimentazioni dipendono da registrazioni accurate su pazienti, dosaggi ed esiti. Errori di trascrizione, unità di misura incoerenti e dati di follow-up mancanti possono invalidare un endpoint, costringere a ripetere lo studio o indurre un'autorità regolatoria a respingere la domanda, vanificando anni di lavoro e l'investimento che li sostiene.

I dati di scarsa qualità possono causare errori nella formulazione dei farmaci?

Sì. La formulazione dipende da misurazioni precise di ingredienti, concentrazioni e parametri di lotto. Un'unità di misura errata, una concentrazione digitata male o un record di lotto non riconciliato possono produrre un prodotto fuori specifica, provocando un richiamo e un'indagine da parte delle autorità regolatorie.

In che modo la scarsa qualità dei dati interrompe le supply chain farmaceutiche?

L'approvvigionamento farmaceutico dipende da registrazioni accurate su scorte, scadenze e catena del freddo. Livelli di scorte non aggiornati o identificativi di lotto incoerenti causano carenze di farmaci essenziali, sprechi di prodotti sensibili alla temperatura e spedizioni impossibili da tracciare durante un richiamo.

Perché le autorità regolatorie danno importanza alla qualità dei dati farmaceutici?

L'approvazione regolatoria si basa su evidenze complete, attribuibili e ricostruibili. Se i record non possono essere ricondotti alla fonte o presentano lacune inspiegate, la domanda viene respinta per motivi di integrità dei dati anche quando la scienza alla base è solida.

Come possono le aziende farmaceutiche migliorare la qualità dei dati?

Monitorando in modo continuo i dataset che hanno un peso regolatorio e per la sicurezza: validazione dei campi alla base delle domande di autorizzazione, anomaly detection per valori o volumi inattesi e un responsabile designato in grado di bloccare un dataset prima che arrivi in una domanda regolatoria.