La trasformazione digitale spinta dai Big Data sta rimodellando tutti i settori. Quello delle Life Sciences non fa eccezione.
In passato, ad esempio, potevano volerci anni e miliardi di dollari per sequenziare il genoma umano. Oggi invece bastano meno di 24 ore e meno di 1.000 dollari.
Anche le tecnologie di laboratorio hanno conosciuto una rapida evoluzione. Ad esempio, con gli strumenti di ricerca più recenti gli scienziati sono riusciti a creare visualizzazioni 3D complesse delle molecole delle proteine. Queste visualizzazioni sono utilissime per la scoperta di nuovi farmaci e il lancio di terapie all'avanguardia nel campo della medicina personalizzata.
Alla base di questi progressi rivoluzionari ci sono i Big Data. I volumi e la complessità dei dati continuano a crescere a ritmi incredibili, soprattutto in ambiti quali la genomica, la bioinformatica, la biologia predittiva e la chimica.
Anche gli strumenti di laboratorio producono grandi moli di dati, a volte dell'ordine di 1 terabyte all'ora.
È chiaro che più aumentano i volumi di dati, maggiori sono le esigenze di data storage. L'infrastruttura IT a supporto dei database dovrà pertanto adattarsi al ritmo di crescita e alla dimensionalità dei dati.
In più, con la miriade di informazioni che gli scienziati devono gestire, sono necessari strumenti software moderni per visualizzare e interagire rapidamente con i Big Data. Senza di questi, le organizzazioni Life Sciences si ritroveranno con tantissimi dati, ma con poche informazioni utili.
Vantaggi generali dei Big Data nel settore delle Life Sciences
Le organizzazioni Life Sciences potranno godere di vantaggi incredibili purché continuino ad aggiornare l'infrastruttura IT per integrare meglio i Big Data nei processi di base. Tra questi vantaggi abbiamo:
- Migliore valutazione del rischio: i Big Data possono aiutare gli scienziati a raccogliere informazioni approfondite per scoprire i potenziali pericoli per la salute, valutare i rischi associati e giungere a delle conclusioni per risolvere il problema.
- Medicina personalizzata: scienziati e medici possono trattare ed esaminare le informazioni di salute dei pazienti in formato elettronico in maniera più efficace e prendere decisioni più mirate sul tipo di farmaco da somministrare a ciascun paziente.
- Valutazioni più efficaci nei test clinici: attualmente, gran parte della medicina e delle prestazioni sanitarie si basa su un modello di cura standard, frutto delle risposte e dei test clinici eseguiti su gruppi generali. Ma sfruttando bene i Big Data si possono fare valutazioni più precise sul modo in cui un farmaco influisce su pazienti specifici, compresi gli effetti collaterali che altrimenti potrebbero passare inosservati. Tutto ciò contribuisce, tra l'altro, alla scoperta di farmaci più innovativi.
L'infrastruttura IT legacy ostacola l'innovazione
I vantaggi dei Big Data nel settore delle Life Sciences sono sì promettenti, ma le organizzazioni devono dotarsi di un'infrastruttura IT e funzionalità di data storage capaci di tenere il passo con l'evolversi della domanda.
Secondo uno studio di Deloitte/MIT del 2019, solo il 20% delle organizzazioni del settore bio-farmaceutico e Life Sciences ha avuto una trasformazione digitale abbastanza rapida. Purtroppo, i sistemi di storage legacy frenano le performance e bloccano i dati di cui gli scienziati hanno bisogno per stimolare l'innovazione.
Ogni giorno emergono nuovi strumenti e tecnologie per le Life Sciences in grado di creare nuove opportunità di ricerca e rivelare informazioni ancora più approfondite. Ma per trarre vantaggio da queste innovazioni, le organizzazioni devono prima superare diverse sfide IT.
Sfida n. 1: silos di dati
Molte organizzazioni ancora non riescono a liberarsi dei silos. Questi non fanno che rallentare e complicare l'accesso ai dati da parte dei ricercatori dei vari reparti. I silos nascono perché i dati vengono archiviati in tanti strumenti e software diversi invece di finire in un database centralizzato.
Per abbattere le barriere dovute alla separazione dei dati, le organizzazioni devono trovare un modo fluido per passare dai silos a strumenti software intuitivi.
Sfida n. 2: scalabilità
Come abbiamo detto prima, le tecnologie scientifiche più recenti producono grandi moli di dati. Le organizzazioni del settore delle Life Sciences devono scalare la capacità di storage per supportare l'afflusso di informazioni.
Se non si adattano in tempi brevi, i workflow che dipendono dai dati acquisiti da questi strumenti possono subire delle interruzioni.
Sfida n. 3: Big Data Analytics
I Big Data sono utili nel momento in cui si riescono a estrapolare informazioni approfondite. Dall'esecuzione di una pipeline di Big Data Analytics per perfezionare la medicina personalizzata all'uso dell'AI per la scoperta di nuovi farmaci, i casi d'uso HPC (High Performance Computing) richiedono un data storage a performance elevate. Il passaggio dalle unità disco a rotazione agli array di storage all-flash a bassa latenza e IOPS elevato è ormai d'obbligo.
