Uitdaging: In het proces van geneesmiddelenonderzoek kan kennis van de toegepaste (pre)klinische modellen en biologische eindpunten in combinatie met hun uiteindelijke toelating bijdragen aan het inzichtelijk maken van de succesfactoren van het doorlopen proces – waaronder mogelijk de identificatie van translationele modellen. Een potentieel waardevolle databron om dit soort informatie te verzamelen is de European Medicine Agency (EMA), die verschillende documenten via haar website beschikbaar stelt. Om op een efficiënte manier inzicht te krijgen over gebruikte strategieën in geneesmiddelenonderzoek, is automatisering van data extractie door middel van tekst-mining technieken essentieel.

Doelstelling: In dit project wordt onderzocht of tekst-mining succesvol kan worden ingezet om kennis uit EMA documenten te extraheren. De nadruk ligt hierbij op geneesmiddel-specifieke informatie over ingezette  (pre)klinische modellen, biologische eindpunten en species. Om hier een uitspraak over te kunnen doen, wordt een haalbaarheidsstudie uitgevoerd met een gering aantal EMA documenten – die een specifieke indicatie en een beperkt aantal geneesmiddelen omvat.

Het eindresultaat van deze haalbaarheidsstudie is een rapport met:

• Een analyse van de performance van het tekst-mining algoritme om relevante data uit EMA documenten te extraheren. Hierbij worden ook de mogelijke verbeteringen van gebruikte ontologieën en strategieën gerapporteerd.
• Een mogelijke aanpak voor de doorontwikkeling van de EMA data analyse tot een tool.

Project status: Dit project is half februari 2023 gestart

Uitvoerder(s): TNO voert deze haalbaarheidstudie uit

Rol van FAST: FAST is de sponsor van deze haalbaarheidsstudie, adviseert het projectteam en betrekt partijen in de uitvoering.