细胞治疗和分析开发工作流程涉及复杂的数据，必须对其进行处理和可视化才能提供有意义的见解。武田制药美国公司团队致力于开发一套精简的自动化解决方案，使实验室用户能够有效地可视化和分析细胞治疗数据。通过自动生成处理后的数据表和动态仪表板，我们的系统能够以直观的格式呈现关键指标（例如回收率、扩增倍数和细胞培养参数）。该解决方案使细胞治疗和分析开发部门的研究人员能够快速评估实验进度并做出数据驱动的决策，从而加速该领域的研究和产品开发。
大家好。我是Maria Reyna Fernandez，武田制药的细胞疗法研究员。我很高兴来到探索峰会，分享我们如何使用JMP Live构建自动化数据生态系统，以加速细胞疗法的研发。
在整个制药行业，我们看到了对数字化、自动化、数据集成和实时决策的迫切追求。今天，我将向大家展示我们的团队如何将这些原则应用于细胞治疗，构建一个 JMP Live 生态系统，将原始数据转化为切实可行的洞察，最终加快从实验室到患者整个流程。
在深入探讨之前，有几点需要说明。我是武田的员工，持有公司股票。我今天分享的观点仅代表我个人，可能不代表武田的观点。我还想声明，我与今天将要介绍的任何技术供应商均无任何关联。
话虽如此，我的观点很大程度上是基于我作为这些工作流程的用户和开发者的身份。我将分享我们面临的一些挑战、我们努力的方向以及我们在此过程中学到的经验。
我们的细胞治疗工作流程会产生复杂的数据集。传统上，这些数据都是手动处理的，这不仅会降低分析速度，还会增加出错的风险。这个项目的目标很简单，但也很宏大：实现从原始数据采集到可视化的整个流程的自动化。通过将关系数据库与 JMP Desktop 和 JMP Live 集成，我们创建了一个能够提供清晰、经过验证且交互式数据视图的系统，使科学家能够更快、更自信地做出决策。本次演示旨在向您展示整个流程，手工数据的混乱现状，以及我们利用 JMP 构建的精简协作世界。
这是今天演讲的路线图。我将带您了解手动工作流程的挑战、自动化数据管道、我们如何计算和可视化方案指标、我们的质量控制方法、我们团队的影响以及我们对未来发展的展望。
细胞治疗和分析开发团队会产生海量数据。每个实验可能涉及多台设备、多个时间点和多名科学家。过去，Excel 是我们的主力，但它的设计初衷并非为了处理如此复杂的数据。Excel 在很多方面都是一款出色的工具，但当你需要处理多个团队跨越数月、包含数千个数据点的实验时，Excel 就变得脆弱不堪了。
我们真正需要的是一个自动化的系统，这样科学家就无需再重复劳动了。它还具备可追溯性，每个数据点都能追溯到其来源。它还具备协作性，这样整个组织的人员都能看到并使用相同的真实数据。JMP Live 与数据库的结合，成为了我们的解决方案。
关于当前的挑战，让我先暂停一下，描绘一下这个系统出现之前的生活。想象一下，一位科学家正在进行一项实验。他们从多个设备获取数据。一天下来，所有这些信息以不同的格式存储在不同的地方。接下来会发生什么？他们打开Excel，开始复制、粘贴，也许还要转换单位、重命名列，手动重新计算扩展倍数。这可能需要几个小时，有时甚至几天，才能让他们开始思考科学问题。
现在，再加上人为因素。科学家们经常会自己编写 Excel 宏和公式。从事同一实验的两个人可能会使用略有不同的逻辑，或者更新同一文件的不同版本。有时，同一个 Excel 文件会通过电子邮件流传三个不同的最终版本。究竟哪一个才是真相呢？这种不确定性在细胞治疗实验中会带来巨大的压力和风险。
更大的问题是：细胞疗法是一个快速发展的领域，患者总是在等待。每一次分析的延迟都会延缓那些可能真正带来改变的疗法的开发。这并非武田独有。在整个制药行业，各家公司都意识到，手动的、基于 Excel 的工作流程是一个瓶颈。
制药行业正在经历数字化转型，逐渐摆脱了人们电脑上的本地文件。如今，集成的自动化系统确保了数据的清洁、标准化和可共享。从很多方面来看，我们的项目不仅仅是为了解决一个局部痛点，更是为了顺应制药行业更大规模的数字化浪潮。利用自动化来减少人为错误，构建可跨团队扩展的系统，最重要的是，营造一种让科学家能够信任他们所看到的数据，专注于科学研究而非Excel文件的文化。
你可以这样想：旧方法就像用不匹配的工具徒手搭建桥梁。新方法就像一个组织有序的工厂，所有零件都已到位，随时可以组装。每一步都有记录。这就是我们通过数字化实现的飞跃。我将向你们展示我们在实验数据收集系统中是如何做到这一点的，以及我们在设备连接方面所做的工作。
为了解决这个问题，我们构建了一个端到端的实验数据收集系统。该系统使科学家能够设计实验并实时记录数据。它非常出色，因为它围绕着各个单元操作构建，例如转导、扩增、收获和配制。每个实验都有一个唯一的ID，可以链接到实验设计，从而确保可追溯性。
设备也实现了互联。例如，细胞计数器实现了互联，原始数据每小时自动转换和分析一次。这样每次检测可以节省大约45分钟。如果每周进行数十次检测，那么每月就可以节省数天的时间。我真正想强调的是可追溯性。每个数据点都与一个实验理念息息相关。我们可以随时回溯，准确了解它的来源和实验条件。
捕获数据只是第一步。真正的挑战在后面。我们要将原始输出转化为科学家可以实际分析和使用的数据。为此，我们构建了一个五步流程。第一步是提取数据，直接从数据库中提取原始表格；然后进行清理；最后进行合并，将实验元数据与设备读数相结合；最后进行重构，根据我们想要进行的分析，将表格调整为宽格式或长格式。最后是验证步骤，应用基于规则的检查来捕获缺失值或重复匹配。
现在，JMP 脚本让这一切在实践中成为可能。我们不再依赖手动步骤或隐藏在 Excel 文件中的宏，而是开发了可重复使用的 JMP 脚本，自动执行每个流程。例如，一个脚本可以自动运行，将数据重新整理成适合仪表板的格式，这样科学家就无需修改原始文件。或者，另一个脚本可以根据预定义的规则检查每个新数据集。脚本编写完成后，可以在多个实验中重复使用。
现在，我们不再需要每个人都发明自己的数据清理方法，而是拥有标准化、自动化的流程，而且直接在 JMP 中实现。那么，为什么 JMP 脚本中的这种自动化数据清理流程如此重要呢？在过去，每位科学家都在 Excel 中使用自己的方法来清理和分析数据。这意味着每位科学家对于同一个实验都有不同的公式、不同的格式，有时甚至会得出不同的结果。即使是在实验室中按照相同的步骤进行同一个实验，将这些格式全部转换也非常非常困难。
借助 JMP 脚本，我们实现了流程标准化。脚本在后台完成繁重的工作，例如检查数值、重塑表格，并始终一致地应用相同的规则。我们认为，所有这些努力带来的结果是一致性和可追溯性。此外，科学家无需再花费数小时进行手动清理，他们可以信赖输出结果已准备好进行分析且易于访问。这一点至关重要，因为科学家无需了解如何编写代码即可从这种自动化流程中受益。脚本安装到位后，任何用户都可以打开 JMP 输出，并立即使用干净且经过验证的数据进行工作。
这真的很重要，我们已经在团队中看到了它的价值，因为我们团队的一位成员对此进行了很好的阐述。她说，以前她花了很多时间准备数据，而且准备数据的时间比分析数据的时间还多。现在她可以直接跳到科学研究环节，认真思考如何改进实验室的流程。这正是我们想要实现所有流程自动化的真正原因，因为它可以将数据处理从瓶颈转化为推动力。
一旦我们的数据通过 JMP 脚本处理并验证完毕，下一步就是让组织能够访问这些数据。我们使用 JMP 脚本查询这些表，并将其直接从数据库提取到 JMP 中。这些脚本负责处理连接、定义要提取的字段，并确保检索到正确版本的数据。
数据一旦导入 JMP，就会自动推送到 JMP Live，并创建更新后的交互式表格，任何拥有权限的用户都可以使用，无需自行运行查询。我们还引入了层级结构，确保数据井然有序。
我们有按团队、产品和程序进行整理的文件夹。这非常棒，因为关键优势在于一切都自动化且井然有序，科学家无需手动导出或上传数据。一旦新的结果进入数据库，JMP Live 就会立即更新表格。由于采用文件夹结构，人们可以直接导航到对他们最重要的数据。数据不再分散在文件夹、不同的程序系统、电子邮件或聊天工具中，而是直接存在于 JMP Live 中。从数据库到 JMP 脚本，再到这些表格，科学家都可以在 JMP Live 中访问它们。
JMP Live 的另一个强大功能是数据表的动态性。这是该系统最强大的功能之一，因为当新数据输入数据库时，数据表会自动刷新。数据表包含材料筛选器、计算摘要，并且筛选器可以通过样品 ID、实验 ID 或实验执行日期进行筛选。数据表也经过格式化，因此可以立即用于团队报告。这确保了一致性，即不同实验的结构完全相同。这非常有用，因为科学家可以更轻松地进行跨研究比较。
此外，我们还注意到，从科学家的反馈来看，效率也得到了提升。科学家无需花费数小时手动格式化或导出数据。而且，一切都是可追溯的。每个表都链接回数据库中的元数据。从数据角度来看，这确实很棒。
我们在武田的这个项目中所做的另一个工作是自动化关键指标流程，因为我们使用的是上一张幻灯片中讨论过的数据表。最初，我们使用 JMP 插件作为概念验证，来计算关键指标，例如回收率和膨胀率。然后，我们在不同的实验中对其进行了测试。这些实验涉及不同的单元操作、不同的天数或条件。我们希望确保 JMP 脚本代码中这些计算的准确性和一致性。
这些脚本旨在反映我们数据收集系统中的实验设计存储。每个计算都与实际的流程步骤保持一致。对于每个实验，脚本会自动计算从转导到扩增再到收获的整个过程中每天的关键指标。正如我提到的，这些指标包括回收率、扩增倍数。此外，我们还设置了自培养参数，例如活力、密度和其他参数。
由于脚本与实验设计紧密相关，计算结果会根据流程动态调整。如果实验中有额外的采样点或不同的单元操作，则无需人工干预即可计算指标。所有计算均自动化，并链接到我们使用的关系数据库。结果可立即在 JMP Live 仪表板中查看。这对科学家来说非常便捷，因为他们正在运行实验，当这些表格更新时，他们能够看到结果的可视化。此外，无需手动计算，节省时间。科学家可以看到指标的逐日变化及其可扩展性。
一旦我们开发的 JMP 脚本自动计算出关键指标，下一步就是让它们可供科学家操作。所有这些计算出的指标现在都被输入到 JMP Live 仪表板中。我们添加了趋势线和时间进程图等额外的可视化功能，以便科学家能够在整个细胞治疗过程中逐日跟踪指标。
用户可以探索整个过程中的趋势。例如，观察细胞活力在多次扩增过程中的变化，或不同供体之间的扩增障碍倍数。这对科学家和数据方来说都具有很大的优势，因为它可以提供实时洞察。随着新数据添加到数据库中，仪表板会自动刷新，因此团队始终可以看到最新的结果。这真的很棒。它极大地简化了科学家的流程。
此外，在 JMP Live 的这个仪表板中，科学家还可以进行跨实验比较，在一个界面上查看趋势、差异等所有内容，并将多次运行的结果可视化。本质上，这是一个从实验设计、自动计算到可视化的循环仪表板，科学家可以探索数据并发现趋势。
在分析开发中，我们处理的另一个仪表板是细胞毒性试验、流式细胞术和免疫表型分析的数据。这些数据可能非常复杂且多维。我们设计这个仪表板的目的是快速理解所有这些复杂的数据。我们利用这些交互式图表，让科学家能够即时观察细胞毒性效力和免疫表型图谱。他们不再只是看到静态表格，而是可以看到不同实验的模式、图片和不同的服务。
JMP Live 的另一个非常酷炫的功能是高级过滤功能。用户可以通过方法运行 ID、简单 ID 参数或比率筛选出他们想要查看的数据。这非常棒，因为它可以提出非常具体的问题，例如“与供体 B 相比，供体 A 在条件 X 下的表现如何？” 我们观察到的另一个优势是，分析开发团队还可以跨实验查看趋势可视化。他们不再只是孤立地查看单个运行，而是可以比较不同时间段的实验。
正如我之前提到的，这个仪表板有多个好处，并且脚本确保这个仪表板将复杂且高维的数据转化为非常可操作的见解，帮助团队和科学家快速回答有关自我效能或表型行为的关键问题。
我们用这个脚本测试的数据质量是这样的：高质量的数据对于在细胞治疗和分析开发中做出可靠的决策至关重要。仅仅处理和可视化数据是不够的。我们还想确保数据的准确性。科学家用来探索结果的表格也包含质量检查。这些检查会根据参考值或设备输出验证关键指标。
例如，我们对样本ID进行数据质量检查。我们要确保科学家在设备中输入的样本ID正确无误，因为该样本ID也会被录入数据库表。我们还希望检查细胞活力，确保其在细胞计数器平均值的2%以内。此外，对于活细胞计数，我们会将其与输出量进行比较，以检测是否存在不一致的情况。
这些数据质量检查点的另一个优点是，科学家可以立即发现潜在的拼写错误、不匹配或缺失数据。他们可以准确地识别需要更正的地方，然后向数据团队请求修改，或者如果他们自己有能力，也可以自行修改。
我们希望确保所有计算都正确无误，并且脚本确实调用了正确样本ID的值。将此功能纳入我们现有的JMP Live数据流中非常实用，因为它的优势之一就是透明度。科学家可以了解差异所在，而不仅仅是被告知问题所在。
此外，还有纠正速度的问题。这些可见的错误可以在源头快速纠正，从而避免后续错误。此外，当你的表格中包含大量样本ID（比如30个样本ID）时，识别实验室中输入的小错误当然会花费更多时间和精力。
即使是很小的拼写错误，比如一个字母，脚本也无法给出最准确的数字。通过这个数据质量脚本，我们试图识别并纠正所有这些数据，然后再通过这个仪表板得出结论。本质上，我们的目标是创建这些质量控制脚本，并将其作为科学家工作流程的一部分，而不是作为一个单独的步骤。通过将所有这些质量控制检查集成到JMP工作中，我们可以更轻松地发现、理解和纠正错误，同时仍然提供对干净且可操作数据的实时访问。此外，这是一种不断变化的文化。我们越来越依赖数据表、新系统和新设备。帮助科学家适应这种新的工作方式至关重要。
通过将 JMP Live 与我们的关系数据库集成，我们创建了一个自动化、可追溯且可扩展的数据流程。这减少了人工工作量，实现了实时洞察，并加速了研究和产品开发。展望未来，我们正在探索机器学习中的预测分析，以使系统更加智能，因为从描述性仪表板的角度来看，我们也希望能够预测决策支持。
最终的愿景是，未来数据不仅能为科学家提供信息，还能预测他们的需求，并指导他们找到实验的最佳下一步。这不仅仅是一个内部效率项目，更是整个制药行业更大变革的一部分，该变革旨在拥抱数字平台、自动化和数据科学，以加速患者治疗。
我想感谢武田的同事们，感谢他们一路陪伴我走过这段旅程。感谢JMP团队提供的工具，使这一切成为可能。感谢大家在探索峰会上发表演讲，感谢你们的关注和好奇。我很荣幸能分享我们的故事，讲述自动化和数字化如何改变我们的科研方式。谢谢大家。
