Lokavant schafft mit AWS einen Paradigmenwechsel bei der Intelligenz klinischer Studien

Gastbeitrag von Brian Monroe, Senior Director IT und DevOps bei Lokavant, und Rohit Nambisan, CEO von Lokavant.

Jede sechste klinische Studie mit Prüfpräparaten scheitert an der regulatorischen Überprüfung durch Behörden wie die Federal Drug Administration (FDA) und die Europäische Arzneimittelbehörde (EMA) aufgrund von Problemen, die sich aus der Art und Weise ergeben, wie Daten verwaltet und interpretiert werden – Probleme, die nichts mit der Sicherheit oder Wirksamkeit eines Arzneimittelkandidaten zu tun haben. Medikamente, die bei der regulatorischen Überprüfung scheitern, werden durch verzögerte Zeitpläne und Budgetüberschreitungen beeinträchtigt. Tatsächlich haben sich die durchschnittlichen Kosten für die Entwicklung eines zugelassenen Arzneimittels in den letzten zehn Jahren auf 2,6 Milliarden US-Dollar mehr als verdoppelt. Die Folgen dieser Betriebsausfälle können Sponsoren klinischer Studien und ihren Auftragsforschungsorganisationen (CROs) Dollar im zweistelligen Millionenbereich an direkten Kosten und noch viel mehr Opportunitätskosten durch Umsatzeinbußen aufgrund eines verspäteten Markteintritts kosten. Am stärksten leiden jedoch die Patienten, die Zugang zu weniger Behandlungsmöglichkeiten haben und durch höhere Arzneimittelpreise belastet werden.

Lokavant ist ein Unternehmen für klinische Studien mit dem Ziel, den Zeit- und Kostenaufwand für die Entwicklung von Medikamenten zu senken. Lokavant wurde aus Roivant Sciences gegründet, einem an der NASDAQ notierten Biopharmaunternehmen, bei dem sich Dutzende von Medikamenten in der Entwicklung befinden. Das Team von Lokavant stellte fest, dass Unternehmen wie Roivant (obwohl sie Hunderte von Millionen in ihre Forschungs- und Entwicklungspipelines investiert haben) bei ihren Studien mit betrieblichen Risiken zu kämpfen haben. Der beste Weg, das Betriebsrisiko in klinischen Studien zu senken, besteht darin, es klinischen Teams zu ermöglichen, proaktiv und vorausschauend statt reaktiv zu handeln. An dieser Stelle kommen Lokavant und seine Produkte (Oversight und Insight) ins Spiel. Beide Produkte sammeln, korrelieren und liefern Datenerkenntnisse zu klinischen Studien. Oversight ist die risikobasierte Qualitätsmanagement-Anwendung von Lokavant, die Studienteams und Führungskräfte auf Studien-, Landes-, Standort- und Patientenebene über neu auftretende Risiken informiert. Insight ermöglicht es Sponsor- und CRO-Kunden von Lokavant, die Leistung ihrer Studien mit dem firmeneigenen Repository von Lokavant mit Daten aus über 2 000 früheren Studien zu vergleichen. Die Produkte von Lokavant sind für Studienteams benutzerfreundlich, bieten Modelle für Machine Learning, um zukunftsgerichtete Erkenntnisse zu generieren, und sind zuverlässig, sicher und skalierbar. Lokavant setzt seine Produkte auf seiner Clinical Intelligence-Plattform ein, einer grundlegenden Technologie-Ebene, die Daten quellenunabhängig und in Echtzeit aufnimmt und harmonisiert, um schneller als je zuvor umsetzbare Erkenntnisse zu gewinnen.

Als wir mit der Entwicklung unserer Produkte und Plattform begannen, mussten wir einen Partner finden, der die beste Umgebung für den Aufbau und die Implementierung bot, ohne das Unternehmen mit unnötigen Kosten und Aufwand zu belasten. Lokavant erkannte schnell, dass AWS uns dabei helfen konnte, die Lösungen bereitzustellen, die wir dringend benötigten. Die Zusammenarbeit mit AWS hat Lokavant dabei geholfen, den Zeitaufwand für infrastrukturbezogene Arbeiten zu reduzieren und die Zeit und Ressourcen bereitzustellen, damit sich die technischen Teams auf die Entwicklung der wachsenden Produktreihe von Lokavant konzentrieren können. Es hat Lokavant auch ermöglicht, Ausgaben dort einzusetzen, wo es dem aktuellen Entwicklungsstand des Unternehmens am besten entspricht. AWS lieferte die Lösungen, die Lokavant benötigte, um stabil zu sein, im richtigen Tempo für das Unternehmen zu skalieren und Lösungen viel schneller bereitzustellen.

Unsere Microservices-Architektur basiert auf Amazon Elastic Container Service (Amazon ECS), wobei Snowflake unsere Backend-Data-Marts und Analysespeicher unterstützt. Amazon ECS mit Auto-Scaling-Funktionen ermöglicht es uns, auf einfache Weise containerisierte Geschäftslogik und Microservice-Schnittstellen bereitzustellen, die über Elastic Load Balancer (ELB) bereitgestellt werden, die je nach Bedarf hoch- und herunterskaliert werden. AWS Fargate reduziert unseren Aufwand und ermöglicht es uns, uns auf containerbasierte Lösungen zu konzentrieren, ohne uns Gedanken über unsere eigene Infrastruktur und die Komplexität unseres Betriebssystems machen zu müssen.

Als Ergänzung zu unseren zentralen Backend-Services, die auf Amazon ECS und ELB ausgeführt, verteilen wir unsere kundenorientierten Anwendungen auf Amazon CloudFront und stellen Verbund-Services auf Amazon-API-Gateways bereit, wo wir AWS Lambda nutzen, um schnell Geschäftslogik bereitzustellen, die sich in mehrere Backend-AWS-Services integrieren lässt. Die Möglichkeit, diese Benutzeroberflächen über Cloudfront in mehreren Regionen auf der ganzen Welt bereitzustellen, bietet unseren internationalen Kunden einen schnelleren Zugriff. Lokavant verwendet Amazon Cognito auch zur Authentifizierung unserer Anwendung und APIs. Dies ermöglicht uns eine nahtlose Integration mit unseren Kunden, die den SAML2- und den Single-Sign-On-Verbund von OIDC nutzen, was eine Grundvoraussetzung vieler Sponsoren und CROs ist.

Im Backend liefert Lokavant neuartige und innovative Analysen, nicht nur in Form von statischen zeitpunktbezogenen Erkenntnissen, sondern auch mit prädiktiven Analysen. Diese Analysen nutzen unsere Fähigkeit, Daten und Ergebnisse aus historischen klinischen Studien zu analysieren und zu korrelieren, um Modelle zu erstellen und zu trainieren, die Frühindikatoren für das Studienrisiko liefern. Derzeit liefern wir unsere Model Engines in separaten Containern, die die Vorbereitung, ETL und Data-Mart-Erstellung ermöglichen, und stellen dann Modelle bereit, die in einer Vielzahl von Python-basierten Paketen erstellt wurden, die parallel trainiert und ausgeführt werden. Lokavant steuert die gesamte Datenerfassung und das Data-Lake-Management über AWS Managed Apache Airflow, das direkt mit Amazon Simple Storage Service (Amazon S3) und Snowflake verbunden ist, um mehrere abhängige Workflows vorzubereiten und zu synchronisieren, die ein hohes Maß an Korrelation erfordern.

Mithilfe von containerisierten Modell Engines konfiguriert Lokavant robuste Atombausteine für die Arbeit in verteiltem ECS Fargate, das über Managed Apache Airflow ausgeführt wird. Diese containerisierten Engines ermöglichen es uns auch, neue Funktionen mit der Integration des eigenen Containers über Notebook-gesteuerte Schnittstellen auf Amazon SageMaker zu nutzen. Diese zusätzlichen Tools werden Lokavant dabei helfen, investigative Datenwissenschaft in Kombination mit bestehenden Modellergebnissen durchzuführen, um neue Trends und Datenmuster zu identifizieren, die letztendlich unsere Produkte verbessern und den Testbetrieb für unsere Kunden verbessern werden.

Zusätzlich zu den Bereitstellungs- und Ausführungsumgebungen hat Lokavant stark in Continuous Integration und Continuous Deployment (CICD) investiert. Wir verbessern ständig die Produktivität unserer Stakeholder und schaffen automatisierte Lieferkanäle für unsere Anwendungsentwicklungs-, Data-Engineering- und Datenwisschaftsgruppen. Lokavant nutzt die AWS CodePipeline und AWS CodeBuild, um unsere GitHub-Repos zu integrieren und die Bereitstellung in unserer automatisch skalierten ECS- und Lambda-Infrastruktur zu automatisieren. All unsere Pipeline-Konfigurationen werden von den AWS-Systems-Manager-Parameterspeichern gesteuert, und unsere Fähigkeit, einen völlig neuen vertikalen Stack zu erstellen, wird in Stunden gemessen, nicht in Tagen oder Wochen. Unsere Build-Pipelines arbeiten interaktiv über AWS Chatbot und Slack, um unsere Entwickler über den Status von Builds und Bereitstellungen sowie über alle erforderlichen Genehmigungen oder geschlossenen Interaktionen für unsere übergeordneten Umgebungen auf dem Laufenden zu halten.

Zusammenfassung

Das Betriebsrisiko ergibt sich letztlich aus der Art und Weise, wie Daten in klinischen Studien verwaltet und interpretiert werden. In den letzten zehn Jahren haben die Daten, die durch klinische Studien generiert werden, sowie die E-Klinik-Systeme, die zur Erfassung dieser Daten verwendet werden, stark zugenommen. Man würde erwarten, dass mehr Daten immer besser sind, aber die Fragmentierung von Daten in E-Klinik-Systemen ist allgegenwärtig, und solche veralteten Lösungen wurden sicherlich nicht für den wachsenden Datenstrom aus bahnbrechenden Innovationen wie dezentralen klinischen Studien konzipiert.

Lokavant und seine Produkte haben kleinen und großen Sponsoren und CROs geholfen, diese Datenherausforderung in einen Datenvorteil umzuwandeln. In einer Studie verbesserte Lokavant die Qualität der Studie, indem es mehr als 12 Patienten den Verlust der Nachbeobachtung ersparte – ein erhebliches Risiko für die Studie, die mehr als 1 Million USD gekostet hätte. In einer separaten Studie verhinderte Lokavant eine sechsmonatige Verzögerung, indem Probleme bei der Nichteinhaltung von Vorschriften durch Standorte Monate früher aufgedeckt wurden, als dies bei herkömmlichen Methoden der Standortverwaltung der Fall gewesen wäre. Durch kontinuierliche Investitionen in Datenwissenschaft und Analytik hat Lokavant auch Modelle für Machine Learning entwickelt, die die Genauigkeit der Anmeldeprognosen um das bis zu 70-fache verbessern — eine häufige Fehlerquelle in der Planungsphase einer neuen Studie.

Während wir weiterhin Tausende von aktuellen Studien durchführen und neue Produkte im Bereich der klinischen Intelligenz entwickeln, werden wir AWS weiterhin als Hauptpartner nutzen, um den Zeit- und Kostenaufwand für die klinische Entwicklung zu senken.

Zugehöriger Inhalt:

• So nutzt Citus Health AWS für eine sichere virtuelle Patientenversorgung in Echtzeit
• So revolutioniert Emerald Cloud Lab mithilfe von AWS das Labor
• AWS Healthcare Accelerator in Großbritannien kündigt 12 Startups an, die für das Eröffnungsprogramm ausgewählt wurden