Hacer que los datos sean útiles

David Hardy revela cómo LIMS y el análisis de datos brindan información procesable

El laboratorio biofarmacéutico es rico en datos que ayudan a impulsar las decisiones sobre qué proyectos progresar. Pero aunque la mayoría piensa que los datos se obtienen de experimentos, cada proceso en el laboratorio proporciona una mina de oro sin explotar de datos que esperan ser utilizados, desde las cantidades de reactivos restantes hasta la salud del instrumento. Todos estos datos, cuando se usan bien, ofrecen muchas ventajas al laboratorio, que incluyen: mejor mantenimiento de la integridad de los datos; permitir el cumplimiento de la normativa; mejorando la productividad.

Pero recopilar y usar estos datos no es tan fácil como podría pensarse inicialmente. Muchos procesos de laboratorio siguen siendo manuales, lo que significa que los datos no se recopilan automáticamente. Y en los casos en que se recopilan los datos, a menudo se almacenan en silos, lo que significa que los científicos no pueden conectar los puntos para recopilar actualizaciones en tiempo real.

Las cantidades insuficientes de datos y los datos que no están conectados pueden ralentizar los procesos de laboratorio, sofocando la productividad y la innovación. No solo significa que los datos no se pueden usar para análisis, sino que también limita la colaboración y, por lo tanto, la progresión del proyecto. Las decisiones también se siguen tomando a posteriori y no en tiempo real, lo que provoca retrasos e incurre en costes.

Los sistemas de gestión de información de laboratorio (LIMS) son la pieza faltante del rompecabezas que reúne datos de diferentes fuentes en todo el laboratorio y permite convertirlos en información que permite a los usuarios tomar medidas inmediatas. Aquí, ilustramos cómo se puede usar LIMS para la gestión de datos de laboratorio, lo que permite aprovechar los datos para aumentar la eficiencia y reducir los costos.

LIMS recopila información de muchos procesos digitalmente en todo el laboratorio, como las fechas en que se tomaron muestras, se recibieron o se completaron. El registro de estos datos para cada muestra proporciona una gran cantidad de información que se puede utilizar para hacer que el laboratorio sea más eficiente.

Los datos obtenidos se pueden usar de muchas maneras, como para la extracción de datos, lo que permite al usuario obtener información adicional sobre los indicadores de rendimiento del laboratorio, como la cantidad de muestras procesadas en un período de tiempo determinado. Además, los usuarios pueden identificar fácilmente los cuellos de botella, lo que les permite solucionar problemas y, en última instancia, reducir los costos.

Los datos LIMS van mucho más allá de las muestras y pueden incluir aspectos desde registros de capacitación hasta datos no estructurados registrados en cuadernos de analistas electrónicos. Los datos recopilados se pueden agrupar en términos generales en tres categorías distintas: operaciones de laboratorio, administración del sistema y conocimientos científicos. Estas áreas combinadas conducen a un conjunto de datos muy detallado listo para análisis posteriores.

Las soluciones de análisis de datos pueden convertir los datos recopilados por LIMS en acciones. Y para simplificar las cosas, algunos LIMS tienen análisis de datos integrados, lo que significa que no hay necesidad de exportar datos y se mantiene el control de datos. El análisis de datos automatizado puede ayudar en dos áreas principales: inteligencia comercial (BI) y aprendizaje automático (ML).

La capacidad de identificar rápidamente cuellos de botella operativos y administrativos es esencial para el buen funcionamiento del laboratorio. Los tableros de BI son herramientas que permiten a los gerentes de laboratorio obtener una comprensión más profunda y convertir la información de los datos en acciones. Dependiendo del LIMS utilizado, estarán disponibles diferentes capacidades de inteligencia comercial.

Uno de los aspectos cruciales del laboratorio biofarmacéutico, por ejemplo, es garantizar un suministro suficiente de reactivos y consumibles. Quedarse sin estos componentes vitales puede causar retrasos significativos, lo que obliga a los laboratorios a incumplir los plazos de los proyectos. Algunos LIMS vienen con un panel de información general de existencias (Fig. 1), que permite a los usuarios ver la ubicación y disponibilidad de cualquier consumible, e incluso solicitar nuevas existencias. Esta información conduce a una mejor comprensión del uso y la distribución de consumibles para ayudar a administrar las cargas de trabajo del laboratorio.

Sin embargo, la descripción general del inventario es solo un ejemplo: los tableros cubren muchos otros aspectos críticos para el negocio, incluido el tiempo de actividad del instrumento, la carga de trabajo del analista y el mantenimiento del instrumento.

ML se puede aplicar a los datos LIMS de varias maneras para proporcionar al laboratorio biofarmacéutico información científica crucial, incluida la realización de predicciones.

Entrenar un modelo de ML con datos históricos de alta calidad puede permitir la predicción de valores de resultados futuros. Información como esta proporciona una base para priorizar proyectos, ya que aún se están obteniendo los datos de los resultados.

Progresar proyectos que tienen menos probabilidades de fallar ahorra dinero. Pero, ¿y si esto pudiera hacerse con menos pruebas? Los laboratorios pueden aplicar ML a los datos LIMS para encontrar la importancia relativa de cada prueba en el resultado general. Esto permite que los laboratorios realicen primero las pruebas más importantes y, posteriormente, hagan avanzar a los candidatos más prometedores.

En un estudio de prueba, se utilizó ML para predecir la actividad del fármaco. Al investigar un conjunto de datos de 1700 moléculas pequeñas, el equipo de investigación analizó 32 propiedades químicas diferentes (Fig. 2). El entrenamiento del modelo ML encontró las variables que son más importantes para la actividad del compuesto: LogP, número de enlaces giratorios, superficie polar y peso molecular, todos los cuales, sin el conocimiento del sistema, son descriptores clave de Lipinski.

Los datos son absolutamente vitales para el éxito de un laboratorio, pero solo cuando se recopilan correctamente y se conectan digitalmente. LIMS y sus soluciones de análisis de datos asociadas recopilan datos de manera efectiva y permiten obtener información procesable para respaldar las operaciones de laboratorio, la administración del sistema y la información científica. Solo al adoptar estas capacidades, los laboratorios de todo el mundo pueden impulsar la toma de decisiones para aumentar la eficiencia, reducir los costos y, en última instancia, desarrollar y entregar medicamentos efectivos más rápidamente.

David Hardy, PhD, es gerente sénior de análisis de datos y habilitación de IA en THermo Fisher Scientific