Vengono sviluppati continuamente nuovi farmaci. Il numero di nuovi farmaci immessi sul mercato a livello globale dal 2017 al 2021 ha superato del 47% il precedente periodo quinquennale (link esterno a ibm.com). Inoltre, le proiezioni fino al 2026 indicano un'ulteriore crescita.
Man mano che vengono sviluppati nuovi farmaci, anche gli studi clinici più estesi non possono tenere conto di tutti i modi in cui i farmaci potrebbero interagire con gli individui e con altri farmaci. Ecco perché la farmacovigilanza è così importante. È il processo fondamentale per la sicurezza dei farmaci.
Ma le informazioni sugli effetti dei farmaci sulla popolazione - soprattutto dopo la loro immissione sul mercato - sono complesse e provengono da una miriade di fonti. Prima di utilizzare l'RPA, il team PV di Daewoong Pharmaceutical conduceva un processo PV settimanale per oltre 100 prodotti dell'azienda, tra cui farmaci per condizioni ad alto rischio, come gli inibitori PRS e i trattamenti per la fibrosi polmonare, per i quali la raccolta di dati globali è essenziale per garantire la sicurezza.
Il processo ha comportato ricerche approfondite in database globali e nazionali, nonché in fonti meno strutturate come letteratura medica e case report, alla ricerca di dati su reazioni ed eventi avversi, risultati di laboratorio atipici e altro ancora. Inoltre, il team ha dovuto cercare il nome di ogni prodotto e i nomi dei principi attivi farmaceutici (API) di ciascun prodotto. Le combinazioni a dose fissa di più API talvolta richiedono ricerche aggiuntive.
Oltre alle ricerche, il personale PV doveva acquisire e salvare screenshot, scaricare documenti originali, documentare i risultati della ricerca e caricare i dati su un server Daewoong Pharmaceutical.
Per ognuno dei 100 prodotti, normalmente un membro del team impiegava un'intera giornata lavorativa per completare il processo PV.
L'opportunità dell'automazione era evidente, ma un primo tentativo ha portato a risultati insoddisfacenti. Il team PV ha utilizzato software RPA di terze parti per automatizzare il processo di ricerca. Il software ha convertito i risultati in dati di fogli di calcolo Microsoft Excel e l'incompatibilità tra Excel e alcune fonti di dati ha richiesto rielaborazioni e correzioni manuali, ritardando la segnalazione e compensando i guadagni in efficienza derivanti dall'automazione.
Tuttavia, il team sapeva di essere sulla strada giusta. Aveva solo bisogno di una soluzione migliore.