生物IT世界宣布2018年最佳实践奖得主

2018年5月17日

2018年5月17日| 波士顿—生物IT世界 在Bio-IT World Conference and Expo上宣布了2018年最佳实践奖的获奖者。来自Alexion制药,武田制药,阿斯利康,Celgene和马萨诸塞州综合医院的参赛作品均受到表彰。

自2003年以来,“ Bio-IT世界最佳实践奖”一直在生物信息学,基础和临床研究以及用于生物学和药物发现的IT框架方面表现出色。获奖者分为四类,并获得了一项酌情授予的奖项。

“我继续受到我们领域工作的启发,”他说 生物IT世界 编辑总监艾莉森·普罗菲特。 “ Bio-IT世界社区日益开放,这里展示的合作伙伴关系和项目证明了我们致力于卓越合作的奉献精神。”

生物IT世界 在2003年第二届Bio-IT世界大会暨博览会上首次获得“最佳实践奖”,以期不仅提升信息技术在现代生物医学研究中的关键作用,而且着重强调可以在整个行业广泛共享的平台和策略,以期提高科学的质量,步伐和范围。从那以后的几年中,每年的竞赛都进入了数百个项目,最杰出的作品也获得了80多个奖项。

今年,由专家法官组成的小组参加了 生物IT世界 编辑审查制药公司,学术中心,政府机构和技术提供商的详细意见。

颁奖典礼在波士顿海港世界贸易中心举行,获胜的团队从Proffitt和会议组织者Cambridge Healthtech 研究所总裁Philips Philips那里获得了奖项。

 

2018年Bio-IT世界最佳实践奖获奖者:

临床与健康-IT:

武田制药 nominated by 德勤

鸭嘴兽项目

武田开发了一个数据和分析中心平台,其构想,设计和构建旨在解决数据透明度,信任度和可访问性问题,以支持跨研发部门有效生成数据见解。对于这个项目,武田专注于该平台的关键用例,即临床数据审阅/医疗监控:Data Hub平台配置为医疗审阅者提供适合其目的的解决方案,以使审阅过程更加高效和敏锐。强大的可视化工具和工作流程可实现工具的可扩展性,并提供高效,直观的界面,以对多种疾病征兆进行全面的数据审查和监督。它还将减少内部人员的时间限制,并支持各种外包策略。支持标准化格式的数据中心架构允许对执行不同功能并提供不同子集的试验数据的多个供应商进行管理和监督,例如实验室数据,专业人士,依从​​性评估。

 

信息学与知识管理:

阿斯利康,发现科学,IMED生物技术部 nominated by 基因数据

深度学习用于自动表型图像分析

阿斯利康的项目展示了一种新的用于表型成像的深度学习软件以及基于卷积神经网络的相应工作流程。它对高内涵屏幕(HCS)的自动化图像分析产生了改进,包括以下能力:快速检测和定义HCS中的所有细胞表型;有效地生成训练数据,并在这些训练的深度学习网络上进行训练,以便在生产测定中对HCS图像集进行后续分类;并准确量化相关药理学。

 

IT基础设施:

Celgene公司

Celgene实验室仪器移动警报

Celgene实验室仪器移动警报(LabAlert)系统使用户可以获得从即时交付给用户移动设备的实验室仪器生成的警告或错误通知。

该公司的研发组织中首次有一个系统结合了数字技术,例如Amazon Web Services(AWS)云原生应用程序框架和公司移动应用程序平台,以提供数字化体验,使科学家能够更好地计划和执行科学实验。在短短的六个星期内,团队就使用敏捷方法论构建并交付了该系统的第一版。

 

个性化和转化医学:

马萨诸塞州总医院神经临床研究所创新与生物信息学中心

NeuroBANK以患者为中心的临床研究平台

目前,在7,000多种罕见疾病中,有95%没有有效的治疗方法。通过识别患者人群,发现和验证结果指标和生物标记物,建立疾病进展模型和疾病表型来建立罕见神经系统疾病的临床试验准备状态至关重要。临床研究连续性中多个利益相关者之间的协作至关重要。

NeuroBANK以患者为中心的平台使研究人员可以将来自多个观察性临床研究和自然史研究的患者数据捕获并链接到医学图像和遗传信息。组织储存库和患者报告的结局。

在对特定研究的数据进行分析并公布结果之后,将取消对整个研究数据集的标识,并将其发布到疾病特定信息的中央库中,任何研究这些疾病的人都可以使用。

NeuroBANK平台有助于加速发现,开发和交付未来治疗方法,从而为患者及其家人带来新的希望。

 

评审奖:

亚力信制药 nominated by EPAM系统

SmartPanel:罕见的遗传病诊断算法竞赛平台

Alexion与EPAM合作开发了一个软件竞赛平台,可以对自动罕见病诊断的贡献算法进行客观比较。平台上安装的每个算法都将输入相同的关于先前已被积极诊断的真实或模拟患者的观察结果。该平台运行每种算法,并对其正确诊断疾病的能力进行排名。它是一个开放平台,其中算法可以由独立开发人员提供。开发团队还开发并贡献了一套新颖的算法,以增加平台上现有算法的多样性。

 

荣誉奖:

辉瑞/ SciBite

SciBite-Pfizer ClassifR:一种由人工智能驱动的工具,用于实现药品的获取和协作  

对于大型制药公司而言,知识转移对于将外部研究项目或商业收购成功整合到组织中至关重要。这些知识很多都存在于众多自由文本文档中,这些文档必须进行分类并与内部数据管理系统集成,通常需要提取关键元数据并与现有文档类别保持一致。手动执行此任务非常繁琐且耗时。为了解决这个问题,辉瑞和SciBite合作开发了ClassifR,这是一种自动执行此过程的工具。 ClassifR将SciBite的命名实体识别(NER)平台与新颖的机器学习方法结合在一起,可以根据FDA的第4单元eCTD(非临床研究报告)计划等标准自动对齐和存储传入的文档。这项工作证明了这些技术如何解决制药行业中的实际业务挑战。

 

杰克逊基因医学实验室

杰克逊实验室临床知识库(JAX-CKB)

毫无疑问,精密医学对肿瘤学产生了巨大影响,尽管对癌症患者的理解和治疗有所改善,但数据解释仍然是一个重要的瓶颈。杰克逊实验室(JAX)提供其临床知识库(CKB)作为领先资源,旨在为临床医生,研究人员以及最终患者提供基于证据的信息。 JAX-CKB最初是为支持其自己的内部临床基因组学实验室而开发的,是一个专家精心策划且可公开获得的有关基因变体,靶向疗法,功效证据和与癌症相关的临床试验的关系知识库。迄今为止,CKB已有20,000多名用户,并继续为患者癌症护理提供信息,同时致力于技术和方法开发,以推动肿瘤学精密医学领域的发展。关键的商业合作伙伴通过利用机器学习功能来帮助CKB可持续发展,并且第三方软件平台已集成了CKB,以实现轻松,可扩展的可访问性,从而为癌症患者提供信息。