未来实验室信息学-2019年行业报告：行业发展趋势，挑战和机遇
发布时间：2020-01-02 浏览次数：511次
在2019年未来实验室信息学论坛之前，Pharma IQ对行业专家进行了调查，以了解他们希望如何转变实验室信息学能力。
◐问卷背景：
我们采访了来自制药，生物科技和农业部门的行业专家，以了解当前和未来的发展趋势，以及这些行业在实验室信息学方面所面临的难点和挑战。选择这些部门的原因是实验室信息学在他们中的普及，以及其他”信息学”学科如生物信息学、化学信息学和健康信息学的兴起。
◐实验室数据使用情况：
实验室信息化作为”信息技术的专业化的应用”，它的目标是优化和扩展实验室的运作。为了使这些复杂的实验室信息管理系统（LIMS）尽可能有效和集成，公司必须从各种来源和功能中安全，准确地收集数据。
图1 常用数据形式
图1的统计数据表明，尽管超过40%的公司同时使用内部和外部数据源，仍然有58%的公司仅使用内部或非结构化数据。
许多公司仍在使用过时的系统，妨碍了从各种外部来源收集和报告数据。为什么公司仍使用过时的系统？是因为缺乏预算或者时间，还是来自管理层的支持不够，又或者是市场上现有的解决方案不足呢？在不久的将来，这些公司可能会寻求投资解决方案。
◐科技：
你所用软件最大的优势是什么？其调查结果如图2所示：
图2 软件优势
上图中的数据表明，84%的受访者认为结构化数据的检索是他们软件的最大优势，另外67%的受访者表示数据输入的便捷性是他们软件的最大优势。 在非结构化数据方面，软件的”易于输入”是第一位的，其次是数据的归档和检索。 这些结果表明，公司主要关心的是数据的输入、访问和管理。他们希望他们的软件能让他们有效地完成这些工作。
关于当前使用软件所面临的挑战，其调查结果如图3所示：
图3 软件面临挑战
对于结构化和非结构化数据，全面的多系统的相互可操作性和数据的可交换性是现有软件面临的主要挑战，其次是处理软件更新和数据检索。如何克服这些挑战？ 投资新软件和技术的能解决问题吗？ 解决方案供应商以客户为中心，能否足以满足这些公司的需求吗？ 客户购买的是最合适的软件吗？ 客户投资水平是否过硬？ 采购流程是否完善？
如果全局数据交换不够充分，将会导致什么结果？调查结果如图4所示：
图4全局数据交换不充分造成的主要后果
67％的受访者将时间损失，项目的不合规和项目产能的损失归咎于公司中面临的数据交换不足所导致的后果。
下一个需要关注的是有价值数据的丢失，这可能是数据可交换性不足导致的最具有破坏性的结果之一。如果结构化或非结构化数据在全局级别丢失，则将导致数据不准确。 如果没有正确的检索数据，则数据不符合规定的要求。 这个问题影响了整个项目生产力链，因为它需要更多的时间和成本来查找丢失的数据。令人惊讶的是，有50％的受访者认为这并不是一个大问题。
可以这么说，为了在更短的时间内完成项目，并确保项目的合规性、数据完整性和系统安全性，使用基于物联网（IoT）的集成实验室信息化管理系统（LIMS）显得非常重要。未来几年，对先进技术的投资和应用可能会增加。借助技术，公司应该能够进行令人满意的数据交换，最大限度地提高系统可用性，并改善跨职能的参与度和协调性。
◐优化实验室平台和软件：
对于”您计划如何优化您的信息学平台和软件，以实现跨职能和站点产品开发和生产过程？”问题，调查结果如图5所示：
图5 优化信息学平台和软件的方法
调查结果表明，有34%的人选择预测分析；34%的人选择使用人工智能和机器学习的实验室自动化；50%的人选择升级电子实验记录本（ELN）并迁移到web客户端；83%的人选择实验室工作流程管理；25%的人选择基于物联网的集成方法；50%的人选择分析和PLM样本管理；33%的人选择需求、能力和任务分配软件；16%的人选择反应工作流程；25%的人选择同素异形体框架；50%的人选择电子存档、实验室执行系统（LES）、整合的信息化系统；17%的人选择实验数据库管理系统和新的库存目录。
◐投资趋势：
您目前正在使用智能实验室软件吗?调查结果如图6所示：
图6 智能实验室软件使用情况
调查表明，有10%的客户目前正在使用智能实验软件（Smart Labs software），但是希望在未来12个月内有变化；58%的客户希望在未来12个月内能使用智能实验软件；32%的客户对该款软件很满意。
2019年实验室信息学解决方案投资背后的主要驱动力是什么?调查结果如图7所示：
图7 2019年实验室信息学解决方案投资背后的驱动力
大多数受访者选择了”提高实验室效率和数据完整性”。 这表明该行业已经意识到技术可能带来的好处，并希望专注于改善数据的完整性。
50％的受访者愿意投资人工智能和预测分析等自动化设备来利用结构化数据。
您对智能实验室技术，最优先考虑哪方面？调查结果如下：
图8 对智能实验室技术看重的能力
前面的问题表明，只有32％的公司对他们当前的软件感到满意，其余公司要么是打算第一次投资智能实验软件（Smart Labs software），要么是正在考虑更换他们的提供商。公司寻找的软件的突出特征是能够集成LIMS可以自动收集、注释和检索数据以进行报告的功能。
公司很清楚他们想要什么样的功能和解决方案。他们渴望投资新技术，以创造未来有利于互操作性和集成的LIMS。
在被问及”接下来的12个月里，你打算投资预测分析和机器学习，以及智能实验室软件吗？”，调查结果如图9所示：
图9 是否进行投资
有41%的受访者表示不会投资这些领域，34%的受访者表示不太确定是否投资这类领域，25%的受访者表示会对这些领域进行投资。
图10 计划投入预算
对于有打算投资预测分析和机器学习，以及智能实验室软件的受访者，计划在未来12个月内投入的预算如图10所示。
◐结论：
我们可以预见，当前的趋势是使用人工智能和机器学习来优化流程和系统，使数据能够实时可用。然而，有些公司在应用这些先进技术方面犹豫不决。随着大数据的涌入和确保数据完整性的需要，公司可能很快就会发现必须采用和实施这些新的创新技术解决方案。这些投资可以帮助他们在市场上保持竞争力，降低成本，节省时间，提高生产力。