Заглянуть через плечо врача: система анализа лекарственных назначений Polyscope

Сервис помогает фармацевтическим компаниям оценить реальную картину выписываемых препаратов на основе данных 40 коммерческих клиник Москвы.

Скриншот личного кабинета: данные о назначениях препаратов в динамике
Скриншот личного кабинета: данные о назначениях препаратов в динамике

Стартап Polyscope возник благодаря идее собрать данные о выписываемых лекарствах из коммерческих клиник и предложить инструменты для их анализа. Сервис объединяет обезличенные выгрузки из информационных систем разных клиник – данные о приемах пациентов и сделанных назначениях. Они структурированы по ряду параметров: конкретная клиника, дата приема пациента, врачебная специальность, код диагноза по МКБ и назначенная терапия. С помощью алгоритмов семантического анализа Polyscope вычленяет названия выписанных лекарств, а затем сортирует их по коммерческому названию, молекуле действующего вещества и коду EPhMRA.

На выходе можно увидеть полную картину – сколько конкретного препарата в упаковках выписали за конкретный период, в какой дозировке, с чем сочетали. Для маркетологов фармкомпаний, да и для всех, кто профессионально работает с фармрынком, это кладезь реальных данных. При этом массив исходных данных не теряется – в системе можно видеть всю совокупность живых протоколов.

Зачем нужен Polyscope

Фармацевтическому рынку не хватает оперативной информации о том, какие лекарства выписывают врачи своим пациентам. Ни у кого нет реальной картины назначений, которую можно было бы быстро обновлять и в качестве которой не сомневаешься. Сейчас подобные исследования проводятся несколько раз в год и содержат только цифры по объемам выписанных препаратов в муниципальных клиниках. В них нет «живых» сформулированных врачом назначений со всеми нюансами и сочетаниями лекарств. Нет в них и данных по коммерческой медицине. При этом врачи платных клиник проводят уже 30% всех медицинских приемов и выписывают львиную долю препаратов «качества жизни». Это высокодоходный сектор фармрынка с платежеспособными клиентами.

Сейчас менеджменту фармацевтических компаний приходится принимать оперативные решения без конкретных развернутых данных по пациентам и врачам. Если бы фармкомпании могли видеть реальные выписки в ежемесячном разрезе, это бы радикально упростило планирование маркетинговых программ и обучения врачей. Такие данные позволяют оценить позиции конкурентов, увидеть ниши для новых продуктов и определить емкость рынка.

Скриншот Polyscope: данные о назначениях в конкретной нозологии в разных клиниках
Скриншот Polyscope: данные о назначениях в конкретной нозологии в разных клиниках

Как мы собираем и обрабатываем данные о назначениях

Polyscope собирает информацию о выписываемых лекарствах из коммерческих клиник. Технически это несложно, поскольку весь сегмент оснащен медицинскими информационными системами. В них врачи вносят информацию о каждом назначении. Мы наладили выгрузку и анализ данных в анонимном виде. Это не нарушает приватность пациента, но позволяет оценить диагноз, картину болезни и предложенное лечение.

Сложности в другом. Во-первых, нужно убедить коммерческие клиники поделиться информацией о назначениях и обеспечить неприкосновенность персональных данных пациентов. Нам помогло то, что создатели Polyscope давно работают с сегментом коммерческой медицины. Проект финансируют акционеры профильного диджитал-агентства SmartMedia, из которого вырос телемедицинский стартап DocDoc, купленный в прошлом году Сбербанком.

Благодаря этому к Polyscope на старте проекта подключились 4 сетевых клиники из Москвы и Подмосковья. Сейчас в системе данные от 40 медицинских центров и более 600 врачей основных специальностей, 50 тысяч протоколов для ежемесячного анализа. Такая выборка позволяет экстраполировать данные о назначениях на всю совокупность врачей коммерческой медицины Москвы с достоверность более 90%.

Во-вторых, нужно наладить обработку и подготовку данных для полноценного маркетингового анализа. Изучить врачебные записи (к счастью, доктора пишут их на компьютере, а не от руки), вычленить диагнозы, названия и дозировки препаратов, а также установить, в каких сочетаниях они назначаются. При этом важно не только проанализировать данные, но и сохранить доступ к живым врачебным протоколам. Они позволяют максимально приблизиться к пациенту и доктору, «заглянуть через плечо» врача, делающего назначение. Это первичная информация, которая расскажет о паттернах врача лучше, чем любые фокус-группы.

В результате система впервые на рынке собрала и объединила обезличенные выгрузки из медико-информационных систем разных клиник. Также Polyscope располагает инструментами для анализа данных и их визуализации. Данные структурированы по ряду параметров: конкретная клиника, дата приема пациента, врачебная специальность, код диагноза по МКБ (международной классификации болезней) и назначенная медикаментозная терапия. Затем алгоритм вычленяет назначенные препараты и сортирует их по коммерческому названию, молекуле действующего вещества и коду международной системы классификации EPhMRA. При этом массив исходных данных не теряется – в системе можно видеть всю совокупность живых протоколов.

Мы почти привыкли, что информация по выпискам препаратов – это такая средняя температура по больнице, которая хороша лишь для оценки общих трендов. И что коммерческий сегмент почти непрозрачен для панельных исследований. Актуальные данные по назначениям в конкретной сети клиник, да еще и с детализацией до отдельной клиники – это качественно новый уровень. С учетом ежемесячного обновления данных продукт становится ценным инструментом тактического назначения. Особенно радует, когда ты сначала видишь свою среднюю долю рынка в целом по сегменту, а потом открываешь детали и видишь несколько клиник, в которых твой препарат почти не назначают, потому что привыкли работать дженериком или другой группой препаратов. Надеюсь, инструмент будет и дальше развиваться и осваивать новые сети ЛПУ.

Константин Петров, BI-аналитик компании Merck

Кейс: как применить Polyscope

Предположим, в фармкомпанию на категорию средств для контрацепции пришел новый бренд-менеджер. У него мало данных от прошлой команды, и непонятно, как сложить бизнес-модель (куда бежать, на что тратить). Он прекрасно понимает, что его пациентки – в коммерческой медицине. Но данных по выпискам в этом сегменте нет, неясны ни стартовые позиции в назначениях врачей, ни реальные ниши для препарата. А в категории идет жесткая игра: новых потребителей мало, и успешным игрокам удается расти только за счет переключений пациента на свой препарат.

Наш менеджер узнает о том, что все-таки есть возможность посмотреть реальные данные по московским коммерческим клиникам через Polyscope. На этапе прелонча продукта в нем были данные всего лишь 6-ти клиник, но внутри оказалось много интересного. Это протоколы приема пациенток у гинекологов (порядка 1000 за месяц). Такие данные радикально меняют представления о реальной доле разных продуктов и, главное, о потенциале выписок в упаковках на одного врача. Бренд-менеджер может замерить этот потенциал на примере этих клиник – по выпискам видно, что можно вырасти с 0,5 назначений до 2-х в расчете на одного врача. Применив простой когортный анализ, бренд-менеджер получает 32 назначения на врача за 8 месяцев. Это примерно 77 новых упаковок. Так как по другим исследованиям известно, что от назначения к продаже будет теряться еще около 20%, а одна пациентка в среднем не пропьет более трех упаковок в год (хотя требуется 6 упаковок).

Бренд-менеджер делает несколько глобальных выводов:

  • Во-первых, понимает, какими аргументами надо вооружить медпредставителей или тех, кто осуществляет удаленную детализацию. Данные позволяют жить не в идиллическом мире, а учитывать стереотипы врачей и сложившуюся практику по своему препарату и конкурентам. Взяв в свою команду медсоветника и National Sales Force-менеджера, наш герой понимает, как достичь прорыва.
  • Во-вторых, он решает предметно поработать с клиниками, данные о которых дает «Полископ», чтобы информировать врачей и проверять, что поменялось в их назначениях.
  • В-третьих, бренд-менеджер точно рассчитал размер «наценки», которую готов заплатить за информирование врачей в определенной клинике, да и в принципе понял цену обучения коммерческого сегмента медицины. Теперь он оперирует не общей для рынка цифрой «1500 руб за качественный контакт со специалистом», а «2000 за контакт со специалистом нелояльной клиники такого-то типа». Причем в первом проекте с клиниками он планирует установить, сколько контактов в принципе нужно, чтобы поменять сложившуюся практику врача.

Все сказанное совершенно не значит, что система позволяет найти чашу Грааля – она просто демонстрирует границы допустимого в конкретной бизнес-модели, позволяет «пощупать» профили пациентов. В перспективе возможно внедрять эти данные в работу медпредставителей, чтобы на момент захода в клиники или планирования активностей вся картина выглядела прозрачно, как маршрут в навигаторе.

Этот блок временно не поддерживается
22
Начать дискуссию