Искусственный интеллект поддерживает коммерческое превосходство фармацевтических компаний на рынках с растущей конкуренцией

Неудивительно, что рынки фармацевтических препаратов становятся все более конкурентными. Недавний пример рынка мигрени поразителен. Рынок, представляющий огромную неудовлетворенную потребность примерно для 2% населения мира, должен быть отличной возможностью, но этот голубой океан для Novartis и Amgen (которые сотрудничали в разработке Aimovig) оказывается конкурентным противостоянием. В то время как Аймовиг (эренумаб-аооэ) был одобрен в качестве нового средства для профилактики мигрени 17 мая 2018 г., Айови (фреманезумаб-вфрм) был одобрен 14 сентября 2018 г., а Эмгалити (галканезумаб-гнлм) от Eli Lilly была одобрена в сентябре 2018 года. Это менее 6 месяцев свободного рынка для Aimovig.

Это хорошо для пациентов и общества, но заставляет компании работать и приносить доход в условиях возросшей конкуренции. Кроме того, помните, что профилактика мигрени — это уже переполненная терапевтическая область с большим количеством универсальных методов лечения (например, бета-блокаторы) [1]. В этом блоге приводится несколько примеров того, как искусственный интеллект может создать конкурентное преимущество на таком чрезвычайно конкурентном рынке.

Увеличение числа игроков в одной терапевтической области обостряет конкуренцию за внимание врачей. По сути, ИИ может помочь повысить актуальность представителей для врачей и в конечном итоге поддержать коммерческую стратегию компании.

Уже есть рыночные предложения, которые поддерживают то, что будет следующим действием с точки зрения каналов и сообщений. К сожалению, эти технологии в настоящее время ориентированы только на точечные решения. Представитель обычно знает наизусть предпочтительный канал для данного врача. Таким образом, существующие технологии будут поддерживать представителей только постепенно, если выбор представителя ограничен этими предложениями.

Идентификация паттернов в нескольких измерениях — это то, где люди более ограничены, чем машина. Поддержка представителей в определении правильного сообщения, а также правильного вспомогательного материала гораздо важнее, чем предложение предпочтительного канала.

BASE Life Science считает, что необходимо использовать больше аспектов, которые могут обеспечить многогранное и более полезное представление о ситуации. Это первое ценностное предложение машинного обучения. На основе данных, таких как схемы назначения в регионе (объективная оценка конкурентной ситуации), последние медицинские данные, доступные как для собственных продуктов, так и для конкурентов, а также другие факторы конкуренции (например, способ введения, предпочитаемый врачом). , система на основе ИИ могла бы подсказать представителям, какие должны быть темы для обсуждения, и — что имеет первостепенное значение — как должна быть составлена ​​подтверждающая документация. Врачи стремятся учиться и счастливы получать надлежащую научную информацию в нужной среде.

Следовательно, модели ИИ необходимо расширить, чтобы они больше фокусировались на содержании и конкретной конкурентной ситуации, а не только на каналах и частотах. Это позволит представителям предоставлять врачам нужный контент в правильном контексте.

Еще одна область, в которой ИИ может поддерживать всю коммерческую организацию, — это сегментация как HCP, так и HCO. Кластеризация — это традиционный метод машинного обучения, который, по сути, означает сегментацию. Использование алгоритма, моделирующего сегментацию врачей в сочетании с представителями, предоставляющими обновленную информацию о наблюдениях и опыте предлагаемой сегментации, может создать постоянно улучшающуюся среду сегментации. Кроме того, это позволило бы включить в модель дополнительные параметры, основанные на конкурентных аспектах, таких как привязанность врачей к определенному бренду. Сегментация также может охватывать информацию, поступающую от организаций здравоохранения, например информацию о предпочтительном поставщике от учреждения (поскольку в Европе это общедоступные данные). Возможность практически постоянно запускать модели сегментации также обеспечит повышенную точность, позволяя представителям всегда отдавать приоритет правильной учетной записи.

Если мы посмотрим на приведенный ниже пример, он отображает 2 разных измерения и различные сегменты рынка трастузумаба, который имеет несколько поставщиков и сталкивается с конкуренцией со стороны биоаналогов для внутривенного пути введения. Первое измерение отображает количество кресел, доступных в ОЗ для внутривенных инъекций. Чем выше число, тем меньше влечет врача к подкожным инъекциям. Второе измерение — это просто чувствительность (измеряемая с помощью регрессионной модели данных опроса о количестве назначений в данной области) врача к дополнительным данным, полученным от конкурентов.

Некоторые сегменты легко идентифицировать, например, сегмент А, но другие будет труднее различить, поскольку в графическом представлении будут опущены важные размеры. Конечно, регрессионные модели могут привести к сегментации, но использование искусственного интеллекта сделает процесс намного более эффективным и сэкономит время.

Наконец, после оптимизации сегментации и обмена сообщениями планы циклов, предоставляемые представителям, могут быть улучшены с использованием мощности машины. Грубая вычислительная сила должна позволить идентифицировать наиболее эффективные шаблоны, связывающие сообщения о сегментации, данные HCP и данные HCO, что в конечном итоге должно обеспечить лучшую модель для предписаний в этой области. Конечно, для этого требуется изрядное количество данных, но как только это будет достигнуто, настройка модели для обучения машины не должна быть слишком сложной.

О BASE Life Science

BASE Life Science — это быстрорастущая консультационная компания, специализирующаяся на медико-биологической отрасли. Компания BASE, основанная в 2007 году и базирующаяся в Копенгагене, Дания, ориентируется как на местную, так и на глобальную клиентскую базу.

С момента своего создания BASE Life Science фокусируется на оказании помощи компаниям, занимающимся медико-биологическими науками, в создании реальной ценности для бизнеса с помощью цифровых платформ и данных в рамках своей области знаний; Коммерческое превосходство, клинические, нормативные вопросы, качество и соответствие. С 2007 года компания работает по всему миру из Дании и насчитывает более 50 сотрудников.

Хотите узнать больше?

Прочтите наш технический документ: Коммерческие технологии поддерживают фарм в условиях растущей конкуренции

Об авторе — Лука Морреале, операционный директор, Швейцария

Высокомотивированный консультант, ориентированный на решение коммерческих и ценовых задач для компаний, занимающихся наукой о жизни, посредством консультационных услуг, услуг по оценке или внедрению. Прагматичный и нацеленный на результат, с сильной способностью вести команду в сложной среде для достижения целей проекта. Способность предоставлять информацию как на уровне стратегии, так и на операционном уровне.

[1] ЗИЛБЕНШТЕЙН, Стивен Д., Профилактическое лечение мигрени, Continuum (Minneap Minn). 2015 авг; 21 (4 Головная боль): 973–989