SAS Real World Evidence

Продукт
Название базовой системы (платформы): Искусственный интеллект (ИИ, Artificial intelligence, AI)
Разработчики: SAS Institute Inc. (САС Институт)
Дата последнего релиза: 2020/03/16
Отрасли: Информационные технологии,  Фармацевтика, медицина, здравоохранение
Технологии: BI,  Data Mining

Данные, собранные во время лечения, обладают огромным потенциалом. Они помогают отрасли разрабатывать и проводить клинические исследования, оценивать использование медицинских услуг в разных странах и выявлять пациентов из группы риска. SAS Real World Evidence предлагает организациям инструменты для сбора и получения информации из таких данных.

Продукт предоставляет возможности аналитики, визуализации, искусственного интеллекта и машинного обучения организациям, которые работают с постоянно возрастающим количеством данных о здоровье.

2020: Интеграция пакета Wolters Kluwer Health Language в SAS Real World Evidence

16 марта 2020 года компания SAS сообщила о заключении партнерского соглашения с компанией Wolters Kluwer, Health, поставщиком профессиональной информации, программных решений и услуг для здравоохранения. Компании начали совместную работу над повышением качества медицинских данных: в портфолио SAS Health интегрирован пакет решений Wolters Kluwer Health Language. Этот шаг поможет унифицировать информацию, собранную из множества разрозненных источников, с помощью передового аналитического решения SAS Real World Evidence а также заложить базовые нормативы качества медицинских данных реальной клинической практики.

SAS Real World Evidence

Согласно исследованию Research and Markets, ожидается, что к 2024 году рынок данных реальной клинической практики (Real World Evidence, RWE) достигнет уровня 1,64 млрд долларов США. Это связано с его потенциалом – появляется все больше понимания, какой эффект дают те или иные методы лечения, уточняется диагностика, появляется больше сведений о механизмах и тяжести заболеваний, а также ускоряются и оптимизируются клинические испытания. Эти данные берутся из самых разных источников – медицинских карт, реестров заболеваний, нательных электронных устройств, массивов генетических данных, медицинских отчетов и др. В подобных условиях предельно важна чистота данных RWE: для их успешного анализа необходимы единые стандарты качества данных во всей отрасли.

Фармацевтические компании и регуляторы заинтересованы в получении более глубоких сведений о реальном использовании медицинских продуктов и лекарственных средств, которые служат ценным дополнением к данным, собираемым на этапе разработки. Основная задача заключается в том, чтобы лучше изучить терапевтический эффект от применения медицинского продукта (устройства, лекарства или вакцины) пациентами в условиях реальных клинических практик, который часто отличается от оценок пациентов из рандомизированных клинических исследований. Решение SAS Real World Evidence благодаря масштабируемой аналитической платформе дает исследователям медицинских данных удобную и надежную рабочую среду. В их распоряжении – инструменты для управления данными, интеграция Hadoop, возможность доступа для любого пользователя, а также визуализация и анализ данных когорт. Быстрый доступ к ценным сведениям, извлеченным из данных реальной клинической практики, в свою очередь, дает конкурентное преимущество в вопросах разработки и маркетинга и позволяет принимать обоснованные решение о выводе новых продуктов на рынок.

«
Фармацевтическая промышленность делает ставку на использование данных реальной клинической практики для выстраивания стратегий в настоящем и в будущем. Однако появляются источники данных, и неоднородность этой информации становится препятствием на пути к реализации этих инициатив. SAS в партнерстве с Wolters Kluwer, Health создает полноценную экосистему качественных данных, которая обеспечит нашим клиентам конкурентное преимущество,

– говорит Александр Жуков, руководитель департамента решений для здравоохранения SAS Россия/СНГ
»

2018: Совместное использование когорт, проектов и данных

19 ноября 2018 года компания SAS представила решения следующего поколения для анализа данных клинических исследований: SAS Real World Evidence и SAS Life Science Analytics Framework. Обновленные решения лучше оценивают лекарственные средства, исследуют данные о пациентах и эффективности лечения и помогут быстрее представить рынку безопасные методы лечения, заявили в SAS.

Среди возможностей SAS Real World Evidence в компании отметили следующие:

  • Оптимизация данных для выполнения запросов — сокращает время на построение когорт и ускоряет процесс анализа.
  • Возможность совместного использования когорт, проектов и данных — способствует более плотному сотрудничеству между пользователями, программирующими на SAS, и теми, кто предпочитает не программировать.
  • Возможность использовать проверенные алгоритмы для анализа или добавить собственные библиотеки макросов для расширения доступа к данным, анализам и аналитическим данным по всей организации.



СМ. ТАКЖЕ (2)


Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2017 год
2018 год
2019 год
Текущий год

  Qlik (QlikTech) (65, 461)
  SAP SE (95, 314)
  Прогноз (36, 310)
  IBM (70, 291)
  Loginom Company (ранее BaseGroup Labs Аналитические технологии) (4, 233)
  Другие (880, 1180)

  Объединенное кредитное бюро (ОКБ) (4, 13)
  Qlik (QlikTech) (4, 13)
  SAP SE (6, 12)
  IBM (7, 9)
  Novo BI (Ново Би Ай) (3, 8)
  Другие (33, 56)

Распределение базовых систем по количеству проектов, включая партнерские решения

За всю историю
2017 год
2018 год
2019 год
Текущий год

  QlikView - 403 (363, 40)
  Prognoz Platform - 301 (283, 18)
  Deductor - 225 (225, 0)
  IBM Cognos - 154 (58, 96)
  SAP BusinessObjects - 97 (47, 50)
  Другие 1237

  Visary (Визари АИС) - 8 (8, 0)
  ОКБ: Скоринг Бюро - 8 (6, 2)
  QlikView - 7 (3, 4)
  Qlik Sense - 6 (6, 0)
  SAP Business Intelligence (SAP BI) - 4 (2, 2)
  Другие 70

  Novo Forecast Enterprise - 3 (3, 0)
  Apache Hive - 2 (2, 0)
  QlikView - 2 (2, 0)
  Hawk House Integration: Amber - 1 (1, 0)
  IBM Tealeaf - 1 (1, 0)
  Другие 6

Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2017 год
2018 год
2019 год
Текущий год

  Apache Software Foundation (ASF) (1, 2)
  InfoQubes (Инфо-Кьюбс) (1, 1)
  Другие (0, 0)

Распределение базовых систем по количеству проектов, включая партнерские решения

За всю историю
2017 год
2018 год
2019 год
Текущий год

  IBM SPSS Decision Management - 2 (2, 0)
  Pentaho BI - 2 (2, 0)
  Polymatica Аналитическая платформа - 2 (2, 0)
  Deductor - 1 (1, 0)
  Flextera BI - 1 (1, 0)
  Другие 0

  Apache Hive - 2 (2, 0)
  IQ TextAnalyticsPlatform - 1 (1, 0)
  Другие 0