Management Summary
Die bisherige Kovariatenselektion basierte auf zeit- und rechenintensiven Modellläufen und konnte mehrere Tage in Anspruch nehmen. HMS entwickelte eine interaktive Anwendung, die statistische Analysen und Machine-Learning-Verfahren kombiniert, um relevante Kovariaten strukturiert zu analysieren, auszuwählen und zu bewerten. Modellmetriken, Visualisierungen und SHAP-Werte unterstützen die fachliche Bewertung der Ergebnisse. Die Anwendung reduziert die Dauer der Kovariatenselektion auf Minuten pro Analyse und erzeugt reproduzierbare Analyse-Notebooks für die weitere Verwendung.
Projektsteckbrief
Globales Pharmaunternehmen
Branche: Pharma
Projektstart: 10/2025
Schwerpunkt: Data Science & Machine Learning
Use Case: Predictive Machine Learning
Projektziel
Unterstützung der Kovariatenselektion für pharmakometrische Modelle zur Vorbereitung von NonMEM-Analysen
Wichtigste Kernfunktionen
- Entwicklung einer interaktiven Anwendung zur Analyse und Auswahl relevanter externer Variablen
- Kombination von Korrelationsanalysen und Machine-Learning-Verfahren zur Feature-Selektion
- Integration von Modellbewertung und Visualisierung zur Unterstützung fachlicher Entscheidungen
Tech Stack
Wir haben eine Anwendung zur strukturierten Kovariatenselektion mithilfe von Machine Learning entwickelt und ermöglichen so deutlich schnellere pharmakometrische Analysen.
Luis Wirth
Senior Data Scientist
Die Ausgangslage
Mitarbeitende in der klinischen Pharmakometrie analysieren Studiendaten, um geeignete externe Faktoren für die Modellierung pharmakokinetischer Zusammenhänge wie die Aufnahme und Verteilung von Medikamenten im Körper zu identifizieren. Die Auswahl dieser Faktoren bildet die Grundlage für nachgelagerte Modellierungsprozesse und kann unter anderem in die Festlegung der Dosis eines Medikaments einfließen.
Die Kovariatenselektion wird traditionell mithilfe von Nonlinear Mixed-Effects-Modellen durchgeführt. Die zugrunde liegenden Modellläufe sind aufwendig, rechenintensiv und benötigen mehrere Iterationen, wodurch sich die Analyse über mehrere Tage erstrecken kann. Gleichzeitig erfordert die Bewertung der Ergebnisse ein hohes Maß an fachlicher Expertise.
Einfache Prozessanpassungen reichen nicht aus, da die Modellierung selbst rechenintensiv bleibt und keine standardisierte Unterstützung für wiederkehrende Analysen bietet. Ohne geeignete Werkzeuge bleibt der Prozess zeitaufwendig und stark von einzelnen Expert:innen abhängig.
Die HMS-Lösung
ML-basierte Analyse und Auswahl von Kovariaten
HMS entwickelte eine Anwendung, die die systematische Bewertung und Auswahl relevanter externer Faktoren für pharmakometrische Analysen unterstützt.
Die Anwendung analysiert Zusammenhänge zwischen möglichen externen Faktoren mittels Mutual Information sowie Pearson- und Spearman-Korrelationen und stellt diese als Heatmaps mit definierten Schwellenwerten dar. Fachanwender:innen selektieren auf dieser Basis gezielt Kovariaten und schließen redundante Variablen aus, beispielsweise BMI und Körpergewicht.
Der Kundennutzen
Schnellere Kovariatenselektion durch ML-gestützte Analyse
Die ML-gestützte Anwendung beschleunigt und strukturiert die Kovariatenselektion für pharmakometrische Modelle.
Unsere Stärken, Ihre Vorteile
ML-Lösungen für die klinische Analyse
In diesem Projekt verbindet HMS pharmakometrische Analyse, Machine-Learning-Methoden und die Entwicklung einer interaktiven Anwendung. Der reproduzierbare Analyseprozess berücksichtigt dabei auch die Anforderungen eines regulierten Umfelds.
Was Sie von HMS erwarten können
Für vergleichbare Vorhaben verbinden wir fachliches Verständnis, Data Science und Software Engineering zu Lösungen, die sich in bestehende Datenumgebungen integrieren lassen.
- Umsetzung analytischer Anwendungen für klinische und pharmakometrische Fragestellungen
- Integration von Machine-Learning-Methoden in bestehende Datenumgebungen
- Entwicklung nachvollziehbarer und reproduzierbarer Analyseprozesse
Sie planen ein vergleichbares Vorhaben?
Sprechen Sie mit uns über Ihre Ausgangssituation und die Anforderungen an eine mögliche Umsetzung. Wir helfen Ihnen, das Vorhaben fachlich und technisch einzuordnen und sinnvolle nächste Schritte festzulegen.