Wie ein biopharmazeutisches Unternehmen soziale Medien auswertete, um den Off-Label-Einsatz von Medikamenten zu überwachen
Der Kunde
Globales biopharmazeutisches Unternehmen
Die Zielsetzung
Erhebung des Off-Label-Gebrauchs von Arzneimitteln durch Auswertung von
Patientenbeiträgen in sozialen Medien
Die Herausforderungen
- Erkenntnisse über den Off-Label-Einsatz von Arzneimitteln sind für Pharmaunternehmen, die keinen direkten Kontakt zu Patienten haben, schwer zu gewinnen
- Im Rahmen der Pharmakovigilanz müssen sie den Off-Label-Gebrauch ihrer Arzneimittel überwachen, um die Vorschriften einzuhalten
- Patientenakten unterliegen dem Datenschutz der Privatsphäre und lassen, sofern vorhanden, keine Rückschlüsse darauf zu, welches Medikament für welches Leiden verschrieben wurde.
Die Cortical.io Lösung
In der Anfangsphase des Projekts erstellte Cortical.io einen Pharma Intelligence-Prototyp auf der Grundlage von SemanticPro Classify & Automate um Erwähnungen von On- und Off-Label-Medikamenten in einem statischen Satz von Reddit-Beiträgen zu identifizieren. Unter Verwendung der semantischen Algorithmen von Cortical.io filtert und klassifiziert die Anwendung automatisch und präzise Reddit-Nachrichten und fasst die Ergebnisse zusammen. Cortical.io trainierte Klassifikatoren für jedes der vom Unternehmen angegebenen Medikamente anhand öffentlich verfügbarer Informationen.
Mit dieser Lösung wurden automatisch:
- über 2,2 Millionen Reddit-Beiträge, in denen Medikamente erwähnt werden, überprüft
- Beiträge nach Handelsnamen oder generische Namen von Medikamenten gefiltert
- themenfremde und zweideutige Beiträge herausgefiltert
- Beiträge nach medizinischen Bedingungen automatisch klassifiziert
- On- versus Off-Label-Gebrauch identifiziert
Wie funktioniert Pharma Intelligence? Sehen Sie eine kurze Demo
Die Ergebnisse
- 2,2 Millionen Reddit-Beiträge analysiert
- 92-100 % Genauigkeit bei der Klassifizierung von On- und Off-Label-Nutzung
Der Cortical.io Impact
- SemanticPro Classify & Automate kombiniert einen Höchstmaß an Genauigkeit mit schneller Verarbeitung und hoher Skalierbarkeit
- Die Lösung nutzt Semantic Folding um Beiträge, in denen mehrere Medikamente erwähnt werden, genau zu disambiguieren und themenfremde Beiträge herauszufiltern
- Die Lösung ist in der Lage, Begriffe zu verarbeiten, die sie noch nie zuvor gesehen hat
