Revista Farmespaña Industrial Julio - Agosto 2024

Una vez podemos disponer de un reposi- torio de datos de esta naturaleza, confiable, estructurado con metadatos, seguro y ac- cesible viene el paso de convertir datos en información para los diferentes usos de la planta. Conversión de datos en información. Estadística y Ciencia de Datos. Disponer de un repositorio seguro de datos confiables ya es un gran paso en si mismo. Es la base necesaria para la transformación de los datos en información en una planta GMP. Últimamente hablamos de herramien- tas de Analítica Avanzada para hacer esta transformación. El gran volumen de datos disponibles hoy en día y el interés en la ex- plotación de estos es lo que seguramente ha provocado que hablemos de la figura del Data Scientist en lugar del Estadístico (de toda la vida). ¿Estadístico o Data Scientist? Ambos roles tienen como objetivo convertir los datos en información útil para la toma de decisiones. El estadístico es un rol asociado habitual- mente a un entorno de I+D, con formación en matemáticas y estadística cuyo objetivo es interpretar los datos y hacer recomenda- ciones en base a las conclusiones. Un científico de datos en un rol mucho más reciente que se asocia con la utilización de herramientas de programación para el trata- miento de volúmenes de datos mucho ma- yores y en muchos casos poco estructura- dos. El entorno de trabajo puede ser variado, no necesariamente I+D. La diferencia entre ambos roles probable- mente radica en que el Data Scientist se ha especializado en herramientas de analítica que trabajan con grandes volúmenes de datos y que por tanto requieren un mayor uso de la programación (Machine Learning /Inteligencia Artificial). El estadístico en ge- neral tiene un mayor conocimiento mate- mático y utiliza herramientas clásicas para la descripción del objeto del análisis y para la predicción. Es probable que ambos roles acaben convergiendo, ya que hoy en día la progra- mación será imprescindible para tratar las grandes cantidades de datos disponibles y por otro lado el fundamento matemático es imprescindible también para interpre- tar correctamente los resultados. Hay un elemento más en cuanto a las ca- pacidades para utilizar correctamente las herramientas de la analítica avanzada, y es el conocimiento del proceso. No quiere decir que el experto en datos tenga que ser tam- bién un experto en el proceso, pero si estos conocimientos no se pueden dar en una misma persona, es imprescindible crear un equipo de trabajo que si incluya personas con este expertise, y sobre todo que sean ca- paces de trabajar conjuntamente para con- ducir a los resultados deseados. Un científico de datos por experto que sea en el tratamiento matemático y la pro- gramación, si no conoce el proceso y la na- turaleza de las variables disponibles no va a ser capaz de seleccionar correctamente las relevantes ni va a poder interpretar co- rrectamente las predicciones del modelo. Conclusiones La digitalización en las plantas farmacéuti- cas está rompiendo los silos de información y conocimiento aumentando la conectividad y habilitando repositorios de datos fiables que pueden ser explotados para incrementar la robustez de los procesos, la productividad y la sostenibilidad de la empresa. Las herramientas de analítica avanzada son las más eficaces en este proceso de gestión y análisis de grandes cantidades de datos y requieren de equipos de trabajo que combi- nen conocimientos de proceso, de progra- mación y matemático-estadístico para ser realmente útiles en la conversión del dato a información para la toma de decisiones. La transformación digital no solamente re- quiere tecnología sino personas capacitadas para utilizarla con todo su potencial. Este es seguramente uno de los retos en cuanto a identificar en las organizaciones personas cualificadas para asumir estos roles, o bien personas que puedan formarse con expertos externos y asumirlos en un medio plazo ◉ Referencias (1) PHARMA 4.0TM: Niveles de madurez digital para obtener el control del proceso en tiempo real. Farmaespaña Industrial. Nº 108. 2021https://www. farmaindustrial.com/articulos-online/pharma-4-0- niveles-de-madurez-digital-para-obtener-el-con- trol-del-proceso-en-tiempo-r-FK5Nd (2) ISPE Baseline Pharma 4.0TM First Edition 2023 (3) ICH guideline Q13 on continuous manufacturing of drug substances and drug products - Step 5 2023 Conocimientos para el tratamiento de datos La digitalización en las plantas farmacéuticas está rompiendo los silos de información y conocimiento aumentando la conectividad y habilitando repositorios de datos fiables que pueden ser explotados INDUSTRIA 4.0 127 FARMESPAÑA INDUSTRIAL · JUL/AGO 24