De uitdaging
Eraneos werd door een van de grootste multinationale farmaceutische bedrijven gevraagd of wij konden helpen met het opzetten van een geneesmiddelenontwikkelingsproces, omdat dit langer duurde dan gewenst. Destijds hielden de geneesmiddelenontwikkelingsprocessen geen verband met de eindgebruiker, en uitwisseling van gegevens werd in steeds meer landen wettelijk verplicht gesteld, waardoor er een verscheidenheid aan use cases ontstond. Daarom gingen we aan de slag om een efficiëntere manier te vinden voor het bedrijf om geneesmiddelen te ontdekken.
Eraneos hielp bij het specificeren van de vereiste capaciteiten voor datagestuurde en AI-ondersteunde ontdekking van geneesmiddelen op wereldwijde schaal.
De aanpak
We startten het project met een aantal interviews en workshops. Dit was bedoeld om bij chemici, stakeholders en potentiële gebruikers de noodzakelijke vereisten voor op AI gebaseerd geneesmiddelenontwerp te verzamelen. Vervolgens creëerden we user journeys en user stories en ontwierpen we een visuele mock-up voor een innovatieve, webgebaseerde gebruikersinterface en de technische architectuur van een cloud-native oplossing. We creëerden daarnaast ook een productvisie en een implementatieplan voor oplossing op maat. Daarnaast ontwierpen we machine learning-bibliotheken en ML Ops-pipelines, evalueerden we de implementatiemogelijkheden voor 3D-visualisatie van moleculen en stelden we RFP-documenten op.
Het resultaat
Als resultaat van ons werk aan dit project kreeg het farmaceutische bedrijf een duidelijke productvisie en oplossingsontwerp, plus een duidelijke inschatting van de inspanningen en tijdschema’s voor de implementatie hiervan. We maakten ook meer gebruik van machine learning in het proces voor het ontdekken van geneesmiddelen, waardoor dit nu aanzienlijk sneller verloopt. Dit had nieuwe mogelijke bedrijfsmodellen én extra inkomstenstromen voor het bedrijf tot gevolg.