大数据时代，医疗行业何去何从？

“大的数据”不一定是大数据，医疗相关的“大的数据”也不一定是“医疗大数据”。而真正的标准化，深度结构化的医疗数据需要从五个维度即：标准度、互联度、更新度、丰富度、量度来进行处理。另外，从标准化数据平台的操作原则上我们要做到数据隐私保护、数据安全性及数据伦理上的把关。对于数据拥有者、数据处理者及数据应用者要责权利明确，监管机制到位。同时我们也要加强立法，对数据拥有者予以隐私权保护。

今天我们来探讨一下医疗大数据在医疗行业的应用及如何成为药企增长的动力。

人工智能辅助诊疗

大数据技术在临床疾病辅助诊疗过程中已经开始应用，这将推动疾病管理效率和管理质量的提高，从而优化诊疗流程为临床医生节约时间。通过数据驱动融合AI，为临床细分疾病领域的部分预防、诊断、治疗、随访等工作提供优化支持，将越来越被临床医生或医疗健康工作者所喜欢。当前，主流的病理分析系统、影像读片系统等等，在自己构建的数据集进行验证可以达到85-90%的阳性诊断率，仍然有无法接受的假阳性诊断率存在。

临床研究的支持

临床实践过程中产生的大数据应用于临床科研需求越来越重要，2017年美国FDA批准使用RWS（真实世界研究，Real World Study）数据作为药物审批的证据；临床大数据应用于科研关键是进行数据清洗，根据研究目的需求科学对大数据进行分层，利用AI技术进行抽丝剥茧揭示数据背后的本质，相信大数据+AI将极大降低临床科研的成本，提高临床科研投入产出比。

大数据应用于药企

在药物研发中，同样可以采用RWS（Real World Study真实世界研究）数据进行药品的审批。但需要提出，RWS数据是建立在数据的完整性、科学性和真实性基础上，才能通过处理形成分析数据集。另外，大数据+AI可以为药企的市场推广及目标患者选择等方面所应用，提供药企目标药物的可及性及推广的针对性。伴随中国医药企业市场的快速发展，无论是新药研发还是仿制药的生物等效性研究，大数据+AI均可以发挥积极作用。在市场推广方面，中国正由市场驱动向数据证据驱动方向转换，大数据+AI将为药企从研发到市场推广提供助力。

在医疗支付领域应用

医药行业大数据结合人工智能技术，在医疗支付领域应用将会加速。不仅体现在单病种的医保控费方面的监控，在单药的药物经济学评估方面也表现卓越。大数据驱动模型建立，将改变医疗支付方式、支付成本效益控制、临床路径的标准化流程控费、同类药物药效经济学评估等。

医疗支付领域，临床费用数据深度与治疗流程融合，将对传统的药效经济学评价体系产生颠覆性作用，形成更精细更具有可操作性的支付管理体系。对医院、医保、行政管理部门、药企的药品经济评估产生直接推动作用，但使用数据的前提是数据的完整性，能否打破不同医疗机构、不同部门、不同区域的地方数据保护主义，将成为大数据+AI在医疗支付领域的关键。

提升新药研发效率

AI在可以重构新药研发的流程，提升药物临床前研究中的效率与成功率问题。药物研发需要经历靶点筛选、药物挖掘、临床试验、药物优化等阶段，将人工智能与超大规模云计算相结合，实现对小分子药物重要特性的快速、准确预测，应用在药物设计和药物固相筛选等领域，达到缩短新药研发周期、降低研发成本、提高新药研发成功率的目的。人工智能与药物挖掘结合的典型案例是美国硅谷的Atomwise，其通过IBM超级计算机，在分子结构数据库中筛选，评估出820万种候选化合物具备潜在治疗价值，其研发成本仅花费了数千美元，研究周期也仅需要几天。2015年，Atomwise基于现有的候选药物，应用AI算法，不到一天时间就成功地寻找出能控制埃博拉病毒的两种候选药物，以往类似研究需要耗时长达数月甚至数年时间。目前国内AI+药物挖掘也已经在逐步落地，但由于受限于AI算法需要大量的时间和数据积累，短期内仍然很难真正地对药物研发工作起到实质性推进作用。