Unsicherheiten planbar machen

Bessere Planbarkeit für klinische Studien

Das Überprüfen der Wirksamkeit neuer Medikamente oder Therapien an Menschen ist ein wichtiger Bestandteil der Medizin und der Pharmazie. Der Weg der Proben von Patient:innen hin zu denjenigen, die diese Proben bearbeiten, ist jedoch gespickt mit Unsicherheiten, denen wir mathematisch begegnen.

Ein pharmazeutisches Unternehmen benötigt Patientinnen und Patienten, die bereit sind, an einer Studie für ein neues Medikament teilzunehmen. Und damit beginnen die Unsicherheiten bereits mit der ersten Frage: Werden im geplanten Studienzeitraum in den teilnehmenden Kliniken genügend passende Personen einbestellt werden können? In einem Prozess wie diesem steckt jede Menge Stochastik – denn nicht nur die Aufnahme von Menschen in klinische Studien ist zu einem gewissen Grad dem Zufall überlassen, auch das Eintreffen von Proben für die Studie ist stochastisch.

Ziel: Arbeitsbelastung im Labor vorhersagen

Die »Kunst des Vermutens«, die Grundlage der Stochastik, prägt dementsprechend die Arbeit in diesem Umfeld. Im Auftrag eines Pharmaunternehmen sucht das Team am Fraunhofer ITWM mathematische Lösungen, um den gesamten Ablauf bis hin zur Personaleinsatzplanung planbarer zu gestalten. Wenn es keine Unsicherheiten gäbe, könnten die Forschenden das Eintreffen der Proben einzeln berechnen und die durch die klinische Studie erzeugte Arbeitslast bestimmen.

Die tägliche Arbeitsbelastung derer, die die Proben bearbeiten, ist oftmals ungewiss, weil sie von der Anzahl der eingehenden Proben abhängig ist, die teilweise aufgrund ihrer Haltbarkeit in einem bestimmten Zeitraum bearbeitet werden müssen. Je genauer vorhergesagt wird, wie viele Proben wann ankommen, umso besser lässt sich der Arbeitsaufwand im Labor planen. Das Team um Dr. Sandy Heydrich und Dr. Heiner Ackermann will mit einem mathematischen Modell Antworten auf viele Fragen geben, etwa: Reicht das derzeitige Personal für die entstehende Arbeitslast aus?

Timeline Patient:innen — © Fraunhofer ITWM
Während einer Medikamentenstudie gibt es mehrere Quellen der Unsicherheit: Der Beginn der Studie, ein zu frühes oder zu spätes Eintreffen der Proben oder ein vorzeitiges Behandlungsende.

Jeden Tag planbarer machen

Das Ziel des Projektpartners ist eine optimierte und robuste Personaleinsatzplanung auf Basis der wahrscheinlich eingehenden Proben. Dafür entwickeln die Forschenden ein Simulationswerkzeug, das eine Prognose über die Anzahl der Ankünfte der Proben für jeden Studientag liefert. Herzstück des Modells ist eine Monte-Carlo-Simulation zur Schätzung der Anzahl der ankommenden Proben an der Produktionsstätte für jeden Tag im Zeithorizont der Studie. Unterschiedliche beeinflussende Parameter werden berücksichtigt, aber auch verschiedene Szenarien abgebildet – etwa die schwankende Anzahl an Patient:innen. Durch den variablen Detaillierungsgrad des Modells wird der Planungsprozess in jeder Phase optimal unterstützt.