Partner von:

Heute wissen, was morgen wirkt

Daten, Digitalisierung [Quelle: unsplash.com, Autor: Chris Liverani]

Quelle: unsplash.com, Chris Liverani

Als Data Scientist hast du riesige Datenmengen im Griff und damit beste Chancen auf dem globalen Arbeitsmarkt. Eine der vielseitigsten und relevantesten Aufgaben erwartet dich bei Roche in Penzberg. Zwei Datenexpertinnen verraten, wie du mit deiner Fachkenntnis tausenden Menschen zu einem besseren Leben verhelfen kannst – zum Beispiel, indem du ein Dashboard entwickelst, das schon heute weiß, welche Medikamente morgen heilen werden.

Bei Data Science denkt man nicht zuerst an Pharma- oder Biotechnologieunternehmen. Warum braucht Roche Datenspezialisten?

Stefanie Kaufmann: Das erklärte Ziel von Roche ist es, Patienten eine individualisierte Therapie anzubieten – und dafür brauchen wir Daten. Denn jede Krankheit und jeder Patient ist anders: Man sagt zwar, dass eine Person "Krebs" hat, aber gerade Krebs ist nicht gleich Krebs! Es existieren viele verschiedene Unterarten von Krebs, die unterschiedlich behandelt werden müssen. "Personalisierte Therapie" lautet das Wort der Stunde – und an dieser Stelle kommen Daten ins Spiel und Menschen, die damit umgehen können. Daten und Digitalisierung tragen aber auch maßgeblich zur weiteren Modernisierung unserer Produktionsprozesse bei – Stichwort Automatisierung und Produktivität.

Anna Bauer-Mehren: Je genauer unsere Daten sind, desto besser können wir therapieren: Das ist die Idee hinter personalisierter Medizin, und deswegen sind Datenexperten heute für uns so wichtig. Mit dem Konzept der Companion Diagnostics (Begleitdiagnostik) können unsere Datenexperten zum Beispiel schon seit Jahren herausfinden, welche Patientengruppen überhaupt auf das jeweilige von Roche entwickelte Medikament ansprechen. Therapie und Diagnostik wirken Hand in Hand. Gerade diese Verbindung macht Roche auch so besonders.

Was meinen Sie genau, wenn Sie bei Roche von Daten sprechen?

Stefanie Kaufmann: Einerseits natürlich Daten über Patienten, Krankheitsgeschichten und die vorliegende Erkrankung, also zum Beispiel Biomarker, Laborwerte und histopathologische Aufnahmen. Im Bereich der Früherkennung bestimmter Krankheiten spielen auch die Daten von Wearables eine große Rolle. Zentral sind andererseits Daten aus der präklinischen Entwicklung, Forschung und Grundlagenforschung. In diesem Zusammenspiel entsteht die individualisierte Medizin, auf die Roche hinarbeitet.

Anna Bauer-Mehren: Bei uns ist es im Moment und vor dem Hintergrund der bestmöglichen Individualisierung ein Ziel, so viele Informationen wie möglich über einen Patienten zusammenzutragen. Via Sensoren wie Smartphones oder Fitnessarmbänder erfassen wir zum Beispiel Daten zu Bewegung und Sprache von Parkinsonpatienten und gesunden Menschen. Über diese Daten erfahren wir beispielsweise, wie sich ein Parkinsonpatient von einem anderen Parkinsonpatienten oder von einem gesunden Menschen unterscheidet und wie unsere Medikamente wirken. Früher hat man diese Dinge über ein punktuelles Assessment in der Klinik versucht herauszufinden. In der digitalen Welt können wir kontinuierlich Daten sammeln und kommen damit sehr viel näher an die Wirklichkeit heran.

Wie tragen Sie mit Ihrer Abteilung zum Ziel individualisierter Therapien bei?

Anna Bauer-Mehren: Ich bin Abteilungsleiterin für Data Science von pREDi (Pharma Research and Early Development Informatics), also von Roches Pharma-Forschungsinformatik. Unsere Abteilung betreut alle Schritte von der Erhebung der Daten bis zur Auswertung und unterstützt alle Forschungsgebiete von Roche, von den Neurowissenschaften und der Onkologie bis hin zu unseren Biologie- und Chemielaboren, die die Medikamente herstellen. Eine unserer Unterabteilungen kümmert sich um die korrekte Erhebung und Ausgabe der Daten, zum Beispiel auf Smartphones oder im Labor.

Andere Kollegen kümmern sich um den Datenfluss und stellen die richtige Systemlandschaft, Software und Infrastruktur zur Verfügung, um Daten strukturiert zu erheben, zu anonymisieren und ihre Qualität zu garantieren. Sie implementieren Softwares, die bereits auf dem Markt existieren, entwickeln aber auch eigene Lösungen. Meine Abteilung Data Science ist für die Auswertung der Daten zuständig. Wir wollen die Daten verstehen, interpretieren und zum Beispiel einen Biomarker finden, der erklärt, warum manche Patienten auf ein Medikament ansprechen und andere nicht.

Stefanie Kaufmann: Meine Abteilung, die wissenschaftlichen Informationsdienste, sind eine interne Serviceabteilung, die Kunden aus Roche Pharma wie auch aus Roche Diagnostics berät. Unsere Hauptaufgabe ist es, Wissenschaftler bei Roche dabei zu unterstützen, die Informations- und Datenflut im biomedizinischen Bereich zu bewältigen. Jeden Tag werden etwa 2.400 biomedizinische Publikationen veröffentlicht, dazu hunderte Experimente und die entsprechenden Daten. Wir unterstützen die Wissenschaftler dabei, sich mithilfe digitaler Methoden das herauszuziehen, was für sie relevant ist.

Der Fokus liegt dabei auf Text- und Data-Mining, aber auch auf Machine Learning und dem automatisierten Auswerten von Publikationen. Arbeitsgrundlage im Text-Mining sind häufig unstrukturierte oder semi-strukturierte Textdaten, zum Beispiel von wissenschaftlichen Publikationen oder Patenten, die wir strukturieren. Im einfachsten Fall heißt das, dass wir zum Beispiel extrahieren, welche Gene und welche Krankheiten in einem Text vorkommen. Die Strukturierung kann aber beliebig komplex werden, bis hin zu Vektoren, die den Text anhand von Worthäufigkeiten oder Kontexten charakterisieren.

In den wissenschaftlichen Informationsdiensten analysieren Sie auch Daten, um neue Einsichten zum Beispiel für die Medikamentenentwicklung zu generieren. Wie funktioniert das?

Stefanie Kaufmann: Ein konkretes Beispiel wäre ein Projekt, in dem wir auf Grundlage von Publikationsdaten frühzeitig vorhersagen wollen, welche Krebsmedikamente in der breiten Population Erfolg haben werden und welche nicht. In diesem Fall, einem Machine-Learning-Projekt, brauchen wir für unser Ziel zunächst Trainingsdaten. Dafür haben wir Publikationen aus den letzten zwanzig Jahren in strukturierte oder semi-strukturierte Daten umgewandelt, aufbereitet, bereinigt und damit das Machine-Learning-Modell trainiert. So konnten wir prüfen, ob unsere Hypothese stimmt. Dann haben wir in einem nächsten Schritt überlegt, wie wir das Produkt in Zusammenarbeit mit externen Dienstleistern zum Kunden bringen. Am Ende steht jetzt ein browserbasiertes Dashboard, in das der Kunde nur noch sein Medikament eingibt und dann seine Vorhersage bekommt.

Wen sucht Roche, um seine Ziele in punkto datengestützter Medizin zu verwirklichen?

Anna Bauer-Mehren: Generell sucht Roche als Healthcare-Unternehmen Bewerber mit einem Hintergrund in Life Sciences – ich selbst habe zum Beispiel einen Abschluss in Bioinformatik. Das ist deswegen wichtig, weil man bei Roche in allen Projekten mit Medizinern, Biologen oder Chemikern zusammenarbeitet, deren Sprache und Prozesse man verstehen sollte.

Bei uns in pREDi haben alle einen dualen Abschluss – grob gesagt also einen Hintergrund in Informatik und Life Sciences, zum Beispiel über ein Nebenfach oder einen Studiengang wie Biotechnologie oder Bioinformatik. Immer wichtiger werden zudem Experten für Big Data, Datenanalyse, Machine Learning, Robotics, Automatisierung und Digitalisierung – im besten Fall auch mit einem dualen Hintergrund. In Sachen Abschluss stellen wir häufig Leute nach dem Master ein, öfter aber nach dem Ph.D. oder nach dem Postdoc.

Stefanie Kaufmann: Auch bei uns kommt es auf Domänenwissen einerseits und auf Erfahrung mit Data Science andererseits an. Darauf bereiten viele Studiengänge vor, zum Beispiel Bioinformatik, Biostatistik oder Biophysik. Bei uns arbeiten aber auch Informatiker, die sich über ein Nebenfach oder ein duales Studium Domänenwissen aufgebaut haben. Auch Physiker bringen oft eine Affinität zur Biologie mit. In jedem Fall verlangen aber auch wir ein gewisses Maß an biomedizinscher Fachkompetenz, damit unsere Mitarbeiter mit den Kunden auf Augenhöhe diskutieren können.

Da das nötige Fachwissen von Projekt zu Projekt variiert, ist es auch sehr wichtig, dass sich Bewerber für die Kernthemen von Roche interessieren und bereit sind, sich in den Fachbereich des jeweiligen Kunden einzuarbeiten. Denn wir wollen unsere Daten selbst verstehen und hinterfragen – und das geht nur mit Domänenwissen. Eine Promotion ist zwar kein Muss, aber vorteilhaft für einen Einstieg in einem forschenden Unternehmen wie Roche. Promovierte haben gelernt, selbstständig zu arbeiten und schnell in neue Themen einzusteigen – beides wichtige Faktoren in unserer täglichen Arbeit.

nach oben

Willst du mehr über unseren Partner Roche erfahren? Hier findest du alle Infos zum Unternehmen.

Verwandte Artikel
Kommentare (0)

Zum Kommentieren bitte einloggen.

Das könnte dich auch interessieren