ライフサイエンス

エキスパートの検索

業界背景

昨今の製薬業界では、グローバル化やオープンイノベーションによるコラボレーション活動が加速し、組織を横断したナレッジ共有が求められています。

また取り扱うデータが多岐に渡るのも同業界の特徴です。薬理学や薬剤、生物学、遺伝学、化学など科学的データや、統計解析、申請用の臨床試験データ、患者情報、患者の治療満足度に関するソーシャルメディア投稿情報など、多種多様で膨大な関連データが発生しています。これらには社内・社外データベースに格納される構造化データだけでなく、文書・画像・ビデオからの非構造化データも含まれます。

業務課題

しかし、このような業務の多様性と複雑さが、データから価値ある情報や洞察を得る上で大きな課題となっています。

複雑性

製薬企業では様々な文書が用いられています。例えば、実験報告書、実験結果、臨床試験結果報告書、科学論文、特許出願書またE-メールでさえも文書として取り扱われています。そして、これらの文書は通常、社内と社外両方のデータソースに由来しています。このように、製薬企業が保有する文書およびデータは、疾患、遺伝子、医薬品、作用機序（MOA）に関するものや、化学構造式、臨床試験の統計解析データなど内容・形式が多岐に渡っているため、データの利活用は容易ではありません。

膨大なデータ量

製薬企業では、億単位の文書や数十億単位のデータレコードなど、いわゆる「ビッグデータ」が取り扱われています。膨大なデータに対する効率的な利活用が課題となっています。

高い専門性と埋もれる人材

製薬企業では、ケミストリー、バイオロジー、非臨床・臨床、薬事申請、市販後など各業務において高い専門性が要求されます。しかし専門領域は多岐に渡っており、スキルの棚卸しが十分に行われていないケースが殆どです。

特に大規模な組織では、特定のスキルを持った人材を探すのは容易ではありません。保有資格などは人事システムに登録されていますが、過去にどのようなテーマのプロジェクトでどのような業務を担当して、どのような文書を残したかなどは暗黙知化されており、把握することが困難です。

導入システム

SinequaのコグニティブAIが、過去に作成した文書から、各ユーザーの保有スキルを自動認識し、特定分野に対するエキスパートを一覧で表示するシステムを構築しました。

導入効果

企業内の部門を横断して、特定のスキルを持った人材を迅速に探せるようになり、新規プロジェクトチームをすばやく結成できるようになった。
検索でヒットした人材が過去に作成した文書まで辿れるため、類似した研究テーマの過去文書を探せるようになり、研究効率が大幅に向上した。
検索対象を社外まで広げることで、共同研究における適切なコラボレーターを見つけられるようになった（例：特定薬剤のドラッグリポジショニングプロジェクトで、関連する分子や作用機序のエキスパートを検索）。