COMPAÑIA CONFIDENCIAL. NO DIVULGAR.
La innovación basada en datos aumenta el valor en la medicina de precisión
Siemens Healthineers utiliza un enfoque estadístico de vanguardia para aumentar el valor para sus clientes al agilizar la producción, transformar los procesos de prueba y cumplir una promesa de calidad.
_______________________________________________________________________________________
Desafío : Cree eficiencias en la resolución de problemas para optimizar el desarrollo y hacer crecer la cartera de tecnologías sanitarias de la empresa.
Solución: Utilice JMP para procesar un gran volumen de datos e implementar experimentación basada en estadísticas, reduciendo así el tiempo de prueba y evitando problemas potenciales.
Resultados: La adopción de métodos estadísticos como el diseño de experimentos (DOE) ha acelerado el desarrollo en Siemens Healthineers. En un caso, los ingenieros redujeron los parámetros de prueba de 41 variables a 7, lo que ahorró un tiempo y recursos de prueba valiosos e identificaron rápidamente los componentes defectuosos.
_______________________________________________________________________________________
El análisis de datos ha revolucionado el campo de la salud. Y aunque la investigación y el desarrollo siempre han sido la columna vertebral de la tecnología médica moderna, a medida que la industria avanzaba hacia la digitalización completa, el volumen de datos disponibles ha llevado a una revolución digital en los procesos de atención médica. La tecnología analítica, y los nuevos métodos estadísticos en ingeniería, han ayudado tanto al sector público como al privado a hacer frente a las crecientes demandas de las necesidades sanitarias de la sociedad. Esta tendencia solo crecerá en un futuro cercano a medida que más y más organizaciones adopten el poder del big data.
Si bien la analítica tiene un potencial significativo para revolucionar las operaciones de atención médica diarias y combatir directamente las enfermedades, hasta la fecha, los mayores avances en la investigación de la atención médica se han realizado para identificar eficiencias y reducir costos, objetivos vitales en un campo cada vez más competitivo y agobiado por rigurosos puntos de referencia regulatorios. Uno de los primeros en adoptar el análisis de datos, Siemens Healthcare Diagnostics, ha utilizado los datos para mantenerse un paso por delante del juego al anticipar las necesidades y los problemas potenciales.
Extracción de datos de 5 millones de pacientes al día
Siemens Healthineers, una división de Siemens Healthcare Diagnostics, trabaja con proveedores de atención médica para aumentar el valor mediante la expansión de la medicina de precisión, la transformación de la prestación de atención, la mejora de la experiencia del paciente y la digitalización de los servicios de atención médica. El amplio portafolio de la compañía abarca tecnologías médicas de vanguardia y alta calidad que resuelven algunos de los desafíos más urgentes de los clientes en los sistemas hospitalarios de todo el mundo. Además, se estima que los productos de Siemens llegan a casi cinco millones de pacientes en todo el mundo todos los días.
Los datos están en el centro de la operación. Siemens Healthineers genera un gran volumen de datos y conocimientos, derivados de una base de más de 600.000 sistemas digitales. Si bien una gran parte del negocio se dedica al desarrollo de nuevos productos, la reingeniería de las soluciones existentes es igualmente vital, y Siemens emplea equipos de datos que analizan las entradas de I + D para desarrollar pruebas para una resolución de problemas rápida y procesable. La cultura de análisis progresista de Siemens la convierte en una de las más innovadoras del mundo, y abundan los ejemplos de mejoras impulsadas por los datos. Como muchos en la organización, Harald Ackermann, gerente de Siemens Healthcare Diagnostics, utiliza un enfoque estadístico de la ingeniería a diario; un caso en particular se destaca como ilustrativo de los beneficios de esta estrategia.
Grandes conjuntos de datos, muchas variables, tiempo limitado para probar
Cuando el equipo de producción de Siemens Healthineers notó una inconsistencia crítica que frustraba la escalabilidad de los esfuerzos de producción, se llamó al equipo de Ackermann para ayudar a identificar la causa raíz. “Tuvieron un problema de producción con un componente que hicieron para un ensayo de diagnóstico específico”, recuerda Ackermann. Se utilizaron de 40 a 45 componentes diferentes en diferentes subprocesos para este producto en particular y cada componente tenía entre 25 y 30 lotes diferentes para investigar. “Teníamos muchos datos: datos de reacción, materiales de origen y más que se analizaron. Como puedes imaginar en la producción de tecnología médica, todo está bien y luego comienzas a probar una nueva reacción y ya no funciona ".
Ackermann y su equipo se pusieron a trabajar clasificando los datos: cuando el volumen de puntos de entrada es tan alto y las fuentes tan variadas, formatear los datos antes del análisis puede ser un trabajo gigantesco en sí mismo. “Al principio fue difícil porque los datos no estaban bien formateados”, dice Ackermann. “Tuvimos que conseguirlo en un formato determinado, lo que llevó algo de tiempo. Pero JMP me ayudó a comprender realmente dónde estaba la causa del problema ".
Ackermann había estado utilizando el software JMP de SAS durante más de 25 años a lo largo de su carrera en Siemens Healthcare Diagnostics. Como tal, estaba en una posición ideal para ayudar al equipo de ingenieros a utilizar mejor una gama de métodos estadísticos avanzados que son posibles gracias al conjunto dinámico de aplicaciones de la herramienta para el diseño de experimentos (DOE), ingeniería de calidad y Six Sigma.
Según las estimaciones de Ackermann, sin la capacidad de DOE en JMP, una persona habría trabajado a tiempo completo durante más de una semana para probar cada componente necesario para erradicar la fuente del problema de producción. “Si observa 41 componentes, podría llevar medio año investigarlo todo”, agrega. "Cuantos menos experimentos tenga que hacer, más tiempo ahorrará". Al aplicar un enfoque de diseño de experimentos para administrar un entorno multivariado e identificar un diseño óptimo, Ackermann dice que las pruebas se completaron en solo tres meses.
Como veterano de JMP, Ackermann dice que aprender sobre nuevas funciones y utilidades disponibles en JMP 14 fue algo así como una revelación. “Mientras investigaba estos datos de marketing, utilicé el módulo de marketing en JMP”, dice. “También encontré otra solución que en realidad me acercó mucho a la causa raíz del problema. Para mí fue completamente sorprendente, no me lo esperaba ”.
En última instancia, Ackermann pudo rastrear la inconsistencia hasta un proveedor de materia prima cuyos problemas de calidad solo se vieron amplificados por la incorporación del material en la tecnología final de Siemens. “Debido al análisis en JMP”, dice Ackerman, “redujimos la cantidad de estudios que debían realizarse de los 41 que investigamos inicialmente a solo 7. Ahorramos mucho tiempo ".
Un uso cada vez mayor de métodos óptimos de ingeniería de calidad y DOE facilita la resolución de problemas más rápida
Es vital que los ingenieros puedan solucionar problemas de manera rápida y eficiente, ya que estas soluciones generalmente se entregan a productos que ya están en el mercado. Ackermann dice que al hacer que las pruebas sean lo más específicas posible con soluciones efectivas como las que entregó, los ingenieros brindan soluciones a los clientes existentes lo más rápido posible. “En lugar de mirar todas las diferentes posibilidades que podrían haber causado el problema, desea asegurarse al principio de que puede limitar el número de pruebas solo a las que se requieren, no simplemente a todo lo que se puede hacer”, explica. .
Este tipo de enfoque colaborativo basado en datos es la columna vertebral de lo que hacen Ackermann y su equipo: “Si se encuentra con un problema en la producción, siempre desea tener una solución rápida”, explica. “Quieres identificar la causa muy rápidamente…. Entonces, el equipo de control de calidad es responsable de solucionar el problema y tienen a mi equipo como apoyo mientras realizan las pruebas. Tenemos que fabricar los componentes y tenemos que investigar la causa. Cuanto antes usemos JMP, más rápido podremos resolver realmente un problema ".
Ackermann explica que usa estas soluciones, nativas de JMP, en reactivos, costos, problemas de proceso y en los productos mismos. "El proceso se puede transferir fácilmente a cualquier tipo de problema que tengamos en producción, si está relacionado con la causa de un reactivo", explica. "El sistema de análisis categórico en JMP me ayudó a reducir la cantidad de pruebas necesarias".
Ackermann está a punto de pasar a un nuevo proyecto dentro de Siemens Healthineers, que involucra ácidos. “Usaremos JMP para prácticamente todos los datos que producimos. Y lo usaremos para diseñar experimentos, como usar urea para optimizar los componentes de los reactivos ". Dice que la mayoría de los jefes de laboratorio de Siemens Healthineers son estadísticamente competentes y usan JMP, pero que los técnicos de laboratorio aún no están allí, algo que pretende desafiar: “Siempre planeamos hacer más, para poder educar a todos en la organización para utilizar JMP ". Y al hacerlo, explica, acelere los ciclos de innovación y mueva las nuevas tecnologías más innovadoras de Siemens del banco de trabajo a las manos de los profesionales médicos más rápido que nunca.
