Case Studies / Globales Pharmaunternehmen
PHARMA · PHARMAKOVIGILANZ & MARKTBEOBACHTUNG
Automatisierte mehrsprachige Textanalyse zur Erkennung unerwünschter Arzneimittelereignisse
Ein globales Schweizer Pharmaunternehmen musste enorme Mengen mehrsprachiger medizinischer Texte, Social-Media-Beiträge und Patientenrückmeldungen verarbeiten – um unerwünschte Arzneimittelereignisse zu identifizieren, medizinische Entitäten zu erkennen und die Marktstimmung zu messen. Wir entwickelten die NLP-Pipeline, die automatisierte, was Teams zuvor manuell erledigten.
Kunde: Globales Schweizer Pharmaunternehmen (unter NDA) – multinationaler Konzern mit Aktivitäten in europäischen und globalen Märkten.
PROJEKTÜBERSICHT
5 Sprachen
Mehrsprachige Pipeline: Deutsch, Englisch, Französisch, Italienisch, Spanisch
Automatisiert
Erkennung unerwünschter Arzneimittelereignisse aus unstrukturierten Online-Quellen
DSGVO
Vollständige De-Identifikation von Patienten- und Ärztedaten
Echtzeit
Marktstimmungsanalyse vor und während Medikamenteneinführungen
BRANCHE
Pharma
ART DES PROJEKTS
Pharmakovigilanz & Textanalyse
KI-ANSATZ
NLP, NER, Sentimentanalyse
DATENQUELLEN
Medizinische Notizen, soziale Medien, Online-Beiträge
SPRACHEN
DE, EN, FR, IT, ES
PROJEKTUMFANG
Mehrphasige Umsetzung mit Partner
Die Herausforderung
In der Pharmaentwicklung und Marktüberwachung ist das Volumen textbasierter Daten enorm – Patientenrückmeldungen, Notizen medizinischer Fachleute, Diskussionen in sozialen Medien, regulatorische Dokumente. Für dieses globale Schweizer Pharmaunternehmen haben Teams diese Texte manuell geprüft und klassifiziert – in fünf Sprachen, unter strengen Anforderungen an Genauigkeit und Compliance.
Die Arbeit war langsam, inkonsistent und nicht skalierbar. Gleichzeitig lagen kritische Signale – unerwünschte Arzneimittelereignisse, Verschiebungen in der öffentlichen Wahrnehmung eines neuen Medikaments, Hinweise auf unbekannte Nebenwirkungen – in unstrukturiertem Text verborgen, den kein Team realistischerweise vollständig verarbeiten konnte.
Die Aufgabe: Kritische Pharmakovigilanz- und Marktintelligenz-Daten steckten in Millionen unstrukturierter Texte in fünf Sprachen. Manuelle Überprüfung konnte mit dem Volumen nicht Schritt halten, und sensible Gesundheitsinformationen machten die Automatisierung anspruchsvoll – jede Pipeline musste von Anfang an DSGVO-konform sein.
Was wir entwickelt haben
Gemeinsam mit unserem Partner haben wir eine Reihe miteinander verbundener NLP-Fähigkeiten entwickelt – jede davon adressiert eine spezifische Lücke im Textanalyse-Workflow des Kunden.
Erkennung medizinischer Entitäten. Wir entwickelten die automatisierte Erkennung medizinischer Entitäten – Medikamentennamen, Wirkstoffe, Darreichungsformen und verwandte Begriffe – in allen fünf Sprachen. Das System bewältigte die volle Komplexität der pharmazeutischen Nomenklatur, einschließlich Markennamen, Generika und informeller Bezeichnungen aus patientengenerierten Inhalten.
De-Identifikation medizinischer Texte. Bevor eine Analyse stattfinden konnte, mussten Patienten- und Ärztedaten entfernt werden. Wir implementierten automatisierte Anonymisierungspipelines, die personenbezogene Informationen aus medizinischen Notizen und Aufzeichnungen entfernten – und so nachgelagerte Analysen ermöglichten, während vollständige DSGVO-Konformität gewahrt blieb.
Erkennung unerwünschter Arzneimittelereignisse. Eine der wirkungsvollsten Komponenten: Wir entwickelten einen Ansatz zur Identifizierung unerwünschter Ereignisse im Zusammenhang mit bestimmten Medikamenten durch die Analyse von Online-Meinungen und -Beiträgen. Damit wechselte die Pharmakovigilanz von reaktiver manueller Überprüfung zu proaktivem automatisiertem Monitoring – und erfasste Signale, die manuelle Prozesse völlig übersehen hätten.
Sentimentanalyse für Markteinführungen. Wir entwickelten ein Sentiment-Tracking über soziale Medienkanäle hinweg, um die öffentliche Wahrnehmung eines Medikaments vor und während seiner Markteinführung zu messen. Dies verschaffte dem Kunden Echtzeit-Marktinformationen – darüber, wie Patienten, Pflegepersonen und medizinisches Fachpersonal tatsächlich über ihre Produkte sprachen.
Mehrsprachige Vorverarbeitung. Jede dieser Fähigkeiten erforderte eine robuste Verarbeitung der fünf Sprachen, einschließlich der spezifischen Herausforderungen von Social-Media-Texten: Abkürzungen, Umgangssprache, medizinischer Slang und uneinheitliche Formatierung. Wir entwickelten spezialisierte Vorverarbeitungs- und NLP-Algorithmen, die diese Variationen zuverlässig normalisieren und interpretieren konnten.
Die Ergebnisse
VORHER
Manuelle Überprüfung mehrsprachiger medizinischer Texte. Unerwünschte Ereignisse wurden – wenn überhaupt – reaktiv erkannt. Kein systematisches Monitoring sozialer Medien. DSGVO-Konformität von Fall zu Fall.
NACHHER
Automatisierte Pipelines verarbeiten Texte in fünf Sprachen. Proaktive Erkennung unerwünschter Ereignisse. Echtzeit-Sentiment-Tracking. Integrierte De-Identifikation aller medizinischen Daten.
Das Pharmaunternehmen erhielt die Fähigkeit, medizinische Daten in großem Maßstab zu verarbeiten – etwas, das mit manuellen Workflows zuvor unmöglich war. Unbekannte unerwünschte Ereignisse konnten nun automatisch aus Online-Quellen ermittelt werden. Die Häufigkeit bekannter unerwünschter Ereignisse konnte mit Echtweltdaten abgeglichen werden, anstatt sich ausschließlich auf klinische Berichte zu stützen.
Teams für Markteinführungen erhielten einen direkten Echtzeit-Einblick in die öffentliche Diskussion über ihre Medikamente – was schnellere Reaktionen auf aufkommende Bedenken und fundiertere kommerzielle Entscheidungen ermöglichte.
Am wichtigsten: All dies geschah in einem Rahmen, der den Datenschutz der Patienten von Grund auf berücksichtigte – die automatisierte De-Identifikation stellte sicher, dass DSGVO-Konformität kein nachträglicher Gedanke war, sondern eine integrierte Fähigkeit jeder Pipeline.
Eingesetzte Technologien
Mehr Case Studies
So haben wir anderen Unternehmen geholfen
BEHÖRDE · POLNISCHE ÖFFENTLICHE INSTITUTION (UNTER NDA)
Multi-Agenten-Chatbot ersetzt manuelle Bürgeranfragen in 11 Themenbereichen
Bürger riefen die Behörde an, weil der bestehende Chatbot ihre Fragen nicht verstand. Wir haben ein neues System entworfen und prototypisiert, bei dem Bürger in einfacher Sprache fragen und automatisch zur richtigen Antwort geleitet werden – ohne zusätzliche Vorkenntnisse.
11
Themenbereiche
3
Dedizierte Tools
MEDTECH · APOQLAR
Bearbeitungszeit für Sicherheitsfragebögen von einem Monat auf eine Woche reduziert
Jeder neue Krankenhauspartner benötigte einen ausgefüllten Fragebogen – 8–10 Beteiligte, rund einen Monat, Antworten aus Richtlinien verschiedener Abteilungen. Jetzt entwirft ein KI-Assistent die Antworten automatisch und spart dabei geschätzte 90.000 $ pro Jahr.
-75%
Bearbeitungszeit
90.000 $
Jährliche Einsparungen
MEDTECH · APOQLAR
GenAI-Assistent ersetzt manuelle Dokumentensuche
Mitarbeiter verbrachten Stunden damit, hunderte von Produktdokumenten zu durchsuchen, um Kunden- und Compliance-Fragen zu beantworten. Jetzt stellen sie Fragen in natürlicher Sprache und erhalten in Sekunden quellenbasierte Antworten.
RAG
Integriert
Kontextverwaltung
Optimiert