Existe cierta ironía en contratar científicos analíticamente pensados para trabajar en problemas complejos que no son típicamente cuantitativos, dándoles un título como “científico de datos” y luego preguntando cómo estos científicos de datos pueden ayudar a los científicos que trabajan en problemas cuantitativos usando analíticas. Si alguien sabe cómo extraer la información estadística significativa de los datos intrínsecamente caóticos, serían los ensayos clínicos y los analistas de descubrimiento de fármacos.
De todos modos, la medicina basada en evidencia siempre puede beneficiarse de ser impulsada más cuantitativamente. Todo lo que haga que el descubrimiento, el desarrollo y las pruebas de medicamentos sean más eficientes ayudará a mantener bajos los costos. La industria farmacéutica es bastante mala a la hora de reducir datos y compartir datos, y estar más preparados para moverse y transferir datos (especialmente datos de ensayos clínicos) sería valioso. La disponibilidad de nuevos datos requerirá su propio procesamiento. En algún momento, los datos de EMR y de ensayos clínicos estarán disponibles y hay mucho valor en esos datos. Por lo que entiendo, el paso limitante de la velocidad actual para utilizar completamente los datos de genómica personal es el análisis de datos y los métodos analíticos mejorados tendrán un impacto enorme y notable en la cadena de valor.
En realidad, muchos de los problemas con el desarrollo de medicamentos son más políticos que científicos. Muchos de estos datos son difíciles de encontrar porque existen enormes barreras legales y financieras para llegar a ellos, y las empresas y los gobiernos no están dispuestos a invertir en la eliminación de muchos de estos obstáculos.
Fuente: – Análisis de datos farmacéuticos | Análisis farmacéutico | Mu Sigma 
