Tout le dossier Tout le dossier
-
Simulation
Big data : plus qu'une technologie, une culture
-
Data analysis
La boîte à outils du data scientist
-
Simulation
M6 perce les secrets de la pub télé
-
Data analysis
Accor personnalise ses services
-
Data analysis
Le parallélisme massif, facteur clé de l’innovation en simulation numérique pour les industriels
-
Simulation
Santen optimise sa R&D
-
Supplément
Supplément simulation : le big data fait son big bang
-
Data analysis
French tech : les surdoués de la donnée
-
Aéronautique - Spatial
Airbus teste plus vite ses avions
-
Transport
Lyon fluidifie son trafic urbain
-
Data analysis
L’optimisation topologique et l’impression 3D en route pour l’espace
-
Data analysis
ThyssenKrupp anticipe les pannes de ses ascenseurs grâce au cloud et au Big data
-
Éco - social
Une plate-forme big data commune pour les mutuelles d'assurance MAAF, MMA et GMF
-
Aéronautique
Pourquoi Safran fait le pari du big data
Santen optimise sa R&D
Depuis deux ans, Santen fait appel au service big data de Quinten dans les études galéniques et cliniques de ses médicaments ophtalmiques. "Notre métier génère beaucoup de données, confie Jean-Sébastien?Garrigue, le directeur général de ce laboratoire de 80?personnes. Nous les exploitons pour améliorer l’efficacité de notre R&D." L’ancien Novagali Pharma, racheté en 2011 par le japonais Santen, dispose d’une base de plusieurs centaines de milliers de données sur la composition physico-chimique de ses médicaments. "Nous utilisons une trentaine d’excipients avec différentes concentrations. Il fallait tester plusieurs milliers de compositions pour trouver celle qui offre les propriétés d’efficacité, de stabilité et d’innocuité recherchées, explique le patron de Santen en France. En analysant ces données avec l’algorithme Q-Finder de Quinten, nous trouvons les formulations virtuelles appropriées."
Les tests sur des patients dans le cadre des études cliniques créent plus d’un?million de données objectives. La société, implantée à Évry (Essonne), exploite également le moteur Q-Finder pour fouiller dans ce gisement et identifier la catégorie de patients pour laquelle le médicament offre le plus d’efficacité et le moins d’effets indésirables. "C’est ainsi que nous avons pu cibler notre collyre de traitement de la sécheresse oculaire sur les patients présentant les symptômes de la kératite sévère, confie Jean-Sébastien Garrigue. Avec les méthodes statistiques classiques, demandées par les agences de santé, il aurait fallu engager un travail d’itération long et fastidieux sans certitude du résultat. Nous sommes dans un métier exposé à beaucoup d’échecs. Avec le big data, nous réduisons les risques, devenons plus compétitifs et pouvons investir davantage dans les étapes cliniques ultérieures, qui sont très coûteuses."
Ridha Loukil
PARCOURIR LE DOSSIER