MySerial AI
Anticipez les risques de rupture de médicaments grâce aux premiers signaux de tension
MySerial AI permet aux MVO d’apporter aux autorités une visibilité précoce sur les médicaments susceptibles d’être en rupture dans leur pays.
Pour chaque médicament, la solution croise les données de sérialisation avec des données collectées en Europe et dans le monde. Elle permet aussi de comparer sa situation dans les autres pays européens et d’y repérer les tensions.
L’analyse rapproche les dispensations d’un historique pouvant atteindre cinq ans, tout en tenant compte des médicaments concurrents et des volumes mis sur le marché.
30 ruptures sur 33 repérées avant leur déclaration officielle par les autorités,
lors d’une analyse rétrospective menée en France.
Les résultats
Des signaux détectés jusqu’à 144 jours avant la déclaration officielle
30 ruptures
sur 33
ruptures repérées avant leur déclaration avec au moins deux signaux détectés.
environ
100 jours
d’avance sur la déclaration officielle dans l’analyse réalisée.
jusqu'à
144 jours
d’avance lorsque trois signaux étaient réunis.
Ces résultats proviennent d’une analyse rétrospective menée en France, comparant les signaux détectés par MySerial AI aux déclarations de l’ANSM.
Ils mesurent une avance sur la déclaration officielle, et non sur la date réelle de début de la rupture. Les performances peuvent varier selon les données disponibles et le contexte national.
Utilité pour les MVO
Quels médicaments méritent votre attention dès maintenant ?
Une évolution inhabituelle des volumes peut constituer un premier signal de tension.
MySerial AI rapproche plusieurs indicateurs pour faire émerger les situations qui nécessitent réellement une analyse.
Repérer les évolutions inhabituelles
Identifiez les variations dans les données de sérialisation et de délivrance susceptibles de signaler un risque de rupture.
Concentrer la surveillance
Orientez l’attention de vos équipes vers les médicaments pour lesquels plusieurs signaux convergent.
Étayer l’analyse
Replacez les variations observées dans leur historique pour examiner les situations détectées et préparer les investigations nécessaires.
Le Fonctionnement
Comment MySerial AI détecte les signaux de rupture
1. Croiser les données disponibles
2. Analyser les variations
3. Faire émerger les situations à examiner
MySerial AI combine les données de sérialisation accessibles au MVO avec des sources complémentaires disponibles dans son pays.
La solution calcule trois indicateurs par médicament afin de repérer des signaux faibles. Elle évalue notamment les quantités de boîtes délivrées par rapport à une référence issue des six derniers mois.
Le rapprochement des signaux permet d’identifier les médicaments présentant un risque potentiel de rupture et d’orienter leur analyse par les équipes du MVO.
Les sources utilisées en France
Les travaux réalisés en France s’appuient sur les données de sérialisation de France MVO, les données de remboursement d’Ameli et les informations de l’ANSM sur les ruptures de médicaments.
Pour un autre pays, les sources complémentaires et les conditions d’accès aux données doivent être étudiées avec le MVO concerné.
MySerial AI - MVO européennes
Ce que MySerial AI peut apporter à votre MVO

La France a constitué le premier terrain d’analyse de MySerial AI, grâce à l’accès aux données de sérialisation et à des sources nationales complémentaires. Les premiers tests opérationnels en France sont en préparation.
Design Data souhaite désormais étudier l’application de cette approche avec d’autres MVO européens.
Demendez-nous une démonstration pour découvrir le fonctionnement de la solution, d’examiner les résultats obtenus en France et d’échanger sur les données disponibles dans votre pays.
Demander une démonstration pour mon MVO
Questions fréquentes
Vos questions sur MySerial AI
Découvrez MySerial AI pour votre MVO
Échangez avec Design Data sur les résultats obtenus en France et les perspectives d’utilisation dans votre pays.
Démonstration réservée aux représentants des MVO.
Demandez votre démonstration !
Demandez ma démonstration
