Бизнес-контекст
Opella работает на 100 рынках с принципиально разными регуляторными режимами. Препарат, отпускаемый без рецепта в одной стране, может требовать рецепта в другой. Требования к маркировке, обязанности по отчётности о безопасности и форматы досье различаются рынок за рынком.
Ключевые вызовы:
- Фармаконадзор (PV): сбор, оценка и отчётность по нежелательным явлениям от потребителей, фармацевтов и медработников — сегодня в основном вручную
- Регуляторные досье: подготовка документации для новых регистраций, обновлений маркировки и переключений Rx→OTC (например, одобрение Cialis OTC в Норвегии в 2025) — документоёмкий процесс
- Соответствие маркировки: Opella генерирует 1 500+ AI-ассетов в год — проверять каждый вручную на соответствие утверждённым заявлениям невозможно
- Регуляторный мониторинг: отслеживание законодательных изменений на 100 рынках требует непропорциональных ресурсов
AI-возможности
1. Триаж нежелательных явлений — Волна 1
Применение NLP к входящим отчётам о нежелательных явлениях (электронная почта, порталы, транскрипты колл-центра) для классификации тяжести, извлечения структурированных данных (препарат, событие, пациент) и приоритизации для проверки человеком. Сокращение времени триажа с дней до часов.
Ожидаемый эффект: Освобождение 50–70% мощности PV-команды · Более быстрая регуляторная отчётность
2. Проверка соответствия маркировки — Волна 1
Обучение классификатора на утверждённых заявлениях маркировки по каждому рынку и продукту. Прогон всего сгенерированного маркетингового контента через него до выпуска — автоматическая пометка несоответствующих заявлений.
Ожидаемый эффект: Время проверки соответствия -80% · Последовательное применение при скорости контента Opella
3. Регуляторный мониторинг — Волна 2
Мониторинг официальных публикаций регуляторных органов, уведомлений в газетах и изменений законодательства на ключевых рынках. Краткое изложение релевантных изменений и оповещение команды регуляторики до наступления дедлайнов.
Ожидаемый эффект: Никаких пропущенных регуляторных дедлайнов · Проактивность вместо реактивности
4. Помощь в подготовке досье — Волна 2–3
Использование LLM для составления структурированных разделов регуляторных досье из исходных данных и утверждённых шаблонов. Эксперт-человек проверяет и подписывает. Начало — с обновлений маркировки: наибольший объём, наибольшая повторяемость.
Ожидаемый эффект: Время подготовки досье -40%
Метрики успеха
| Метрика | База | Цель |
|---|---|---|
| Время триажа нежелательных явлений | Дни | Часы |
| Время проверки соответствия маркировки | Часы на ассет | Минуты на ассет |
| Задержка обнаружения регуляторных изменений | Недели | Дни |
| Время подготовки PV-отчётности | Измерить сначала | -40% |
Первые 90 дней
- Аудит текущего PV-процесса — где поступают отчёты, как обрабатываются, где узкое место
- Пилот NLP-триажа на 6 месяцах исторических отчётов о нежелательных явлениях
- Составление базы данных заявлений маркировки — утверждённые заявления по продукту × рынку
- Прототип классификатора соответствия маркировки
- Демо для руководства Regulatory Affairs и PV — оценить точность и собрать обратную связь