Um relatório encomendado pela Comissão Europeia estimou que não adotar os princípios de dados justos (encontrados, acessíveis, interoperáveis, reutilizáveis) custam pelo menos a economia da Europa pelo menos € 10,2 bilhões anualmente Devido ao tempo desperdiçado do pesquisador e ao trabalho redundante.
O problema é generalizado. Gartner PEGS o impacto financeiro da baixa qualidade dos dados em quase US $ 13 milhões por organização. Da mesma forma, a indústria de ciências da vida, como 2024 da Aliança Pistoia ““Laboratório do futuroPesquisa, sinaliza a qualidade dos dados inadequados como a principal barreira para a implementação da IA em P&D. Mais da metade, 52% dos entrevistados, identificaram conjuntos de dados mal selecionados e outros 38% citando dados não-fad como barreiras.
Arrastar. andar. correr. integrar. automatizar. prever.
Aqueles horas perderam – e as descobertas ainda bloqueadas nos dados – prepare o cenário para um webinar de 11 de junho Isso reúne Michael Roberts, Ph.D., do Laboratório Nacional da ISS, o tecnólogo paralelo da biografia Ari Gesher, líder da Histologia Digital da Labcorp Paul Mésange, Ph.D. e o chefe de análise preditiva da Pfizer, Jonathan Crowther, Ph.D. O painel exibirá um plano prático de “rastreamento de rastreamento” para transformar o caos de dados em um ambiente de laboratório pesquisável, automatizado e pronto para análise, se o laboratório está orbitando 250 milhas acima da terra ou perseguindo biomarcadores tumorais no solo.
Para conter os resíduos e as idéias ocultas da superfície, os laboratórios precisam de um plano deliberado e gradual.
- Crawl significa, por exemplo, encurralar arquivos dispersos em uma única fonte de verdade, adicionando metadados consistentes e colocando os corrimões básicos de governança de dados em vigor.
- A caminhada adiciona tecido conjuntivo. Pense em conexões de instrumentos, captura de dados orientados a modelos, painel e automação modesta que remove a cola de cópia manual sem aumentar a maneira como os cientistas funcionam.
- Somente quando esses trilhos são sólidos, o laboratório é executado: aqui é onde a diversão começa. O aprendizado de máquina, os gêmeos digitais e, eventualmente, digamos, as células de trabalho sem motorista que detectam anomalias, prevêem resultados e aceleram o ritmo da ciência.
Uma foto do Laboratório Nacional da ISS (cortesia da imagem do Laboratório Nacional da ISS)
Lições práticas do banco para órbita
Cada alto-falante do webinar chega com uma experiência com muito esforço. Paul Mésange, da Labcorp, ajudou a se conectar Mais de 20 slides digitais em 14 sites em uma rede global de patologia digital e software de IA validado que identifica e quantifica biomarcadores de câncer de mama, melhorando a consistência e economizando tempo. O Ari Gesher da Bio está construindo um O laboratório automatizado “Lights Out”, onde os robôs conduzem experimentos imune-organóides, e sua plataforma “ensaios clínicos em um prato” orientada pela IA visa acelerar a descoberta pré-clínica de medicamentos. Jonathan Crowther de Pfizer liderou os esforços para Dados agregados de ensaios clínicos dispersos. Esse trabalho está permitindo modelos preditivos e monitoramento em tempo real que ajudam a estudar as equipes de identificar e mitigar proativamente os riscos de inscrição. E Michael Roberts, do ISS National Lab Módulos de experimentos automatizados em órbita, como laboratórios independentes e plataformas de experimentos robóticos, que transmitem dados de microgravidade para a Terra em tempo real. Juntos, eles mostram como o encanamento de dados em estágio de rastreamento pode amadurecer em dutos avançados que aceleram a descoberta científica.
Registre -se para o webinar gratuito de 11 de junho aqui.
