基因組學(xué)，大數(shù)據(jù)，人工智能。這些屬于未來(lái)的關(guān)鍵詞，究竟意味著什么?在前強(qiáng)生創(chuàng)新全球負(fù)責(zé)人Robert Urban博士的主持下，多位聚焦未來(lái)的資深專家們共同探討了在工具的幫助下，如何結(jié)合真實(shí)世界證據(jù)，打造屬于未來(lái)的醫(yī)療健康行業(yè)。

How would the future of R&D and healthcare look like in a world involving real-world evidence and decision making informed by genomics, big data, and artificial intelligence?

 

 

主持人：Robert Urban博士，前強(qiáng)生創(chuàng)新全球負(fù)責(zé)人

嘉賓：

Blake Byers博士，Google Ventures普通合伙人

Daphne Koller博士，insitro創(chuàng)始人兼首席執(zhí)行官

Rob Brainin博士，藥明明碼首席執(zhí)行官

Ken Mulvany先生，BenevolentAI創(chuàng)始人兼總裁

Deborah Kilpatrick博士，Evidation Health首席執(zhí)行官

Robert Urban博士：歡迎大家來(lái)到“塑造醫(yī)療行業(yè)的未來(lái)”專題討論。我們將討論數(shù)據(jù)和技術(shù)如何聯(lián)動(dòng)產(chǎn)生重大影響，并探討藥物研發(fā)、真實(shí)世界數(shù)據(jù)如何提升臨床結(jié)果可靠性、經(jīng)濟(jì)可及性、便捷性。我們將從數(shù)據(jù)本身出發(fā)，隨后討論數(shù)據(jù)分析趨勢(shì)及洞見�，F(xiàn)在請(qǐng)?jiān)谧�的各位向大家逐一分享，�?shù)據(jù)對(duì)于您和您所在的公司或組織意味著什么?

 

 

▲前強(qiáng)生創(chuàng)新全球負(fù)責(zé)人Robert Urban博士

Deborah Kilpatrick博士：我所在的Evidation Health是一家新型健康評(píng)估公司，專注于量化臨床環(huán)境外患者行為及其行為驅(qū)動(dòng)的結(jié)果。我們使用的數(shù)據(jù)由個(gè)人控制，我們相信患者愿意為使用這些數(shù)據(jù)付費(fèi)。對(duì)我來(lái)說(shuō)數(shù)據(jù)可分為三個(gè)不同維度。首先是行為數(shù)據(jù)，包括睡眠數(shù)據(jù)、活動(dòng)數(shù)據(jù)等，患者一周7天、每天24小時(shí)的所有動(dòng)作都可以看作是行為數(shù)據(jù)。第二個(gè)方面是醫(yī)療數(shù)據(jù)，包括電子健康病例數(shù)據(jù)、醫(yī)療保險(xiǎn)索賠數(shù)據(jù)、實(shí)驗(yàn)室數(shù)據(jù)、基因組數(shù)據(jù)等。最后一個(gè)方面是情景數(shù)據(jù)，用來(lái)定義行為發(fā)生時(shí)的周圍場(chǎng)景。舉個(gè)例子，在研究慢性呼吸系統(tǒng)疾病時(shí)，我們使用的情景數(shù)據(jù)基于地理位置的海拔高度，因?yàn)樵诓煌�的海拔高度，患者使用的吸入器種類也不同。對(duì)于我們來(lái)說(shuō)，想要量化臨床環(huán)境外的患者行為結(jié)果，這三種類型的數(shù)據(jù)缺一不可。

Daphne Koller博士：在insitro，我們正試圖圍繞一些核心問題建立預(yù)測(cè)模型，打造一個(gè)新型醫(yī)藥公司。我們知道，這些障礙會(huì)降低藥物研發(fā)的成功可能性。在過去的五年中，當(dāng)我們擁有足夠多的正確數(shù)據(jù)來(lái)訓(xùn)練算法，機(jī)器學(xué)習(xí)在為關(guān)鍵問題建立預(yù)測(cè)模型方面表現(xiàn)得非常好。但我認(rèn)為，當(dāng)人們?cè)噲D將這些技術(shù)應(yīng)用于藥物研發(fā)時(shí)，會(huì)出現(xiàn)一個(gè)問題，那就是正確的數(shù)據(jù)往往并不存在。

因此，人們經(jīng)常采取的折中方案就是將大量的數(shù)據(jù)拼湊起來(lái)，并希望將機(jī)器學(xué)習(xí)應(yīng)用到這些數(shù)據(jù)上。然而，機(jī)器學(xué)習(xí)的優(yōu)勢(shì)在于它們擅長(zhǎng)獲取細(xì)微的信息，這包括真實(shí)的信號(hào)，也包括虛假的信號(hào)。所以上述這種方案只是“垃圾進(jìn)，垃圾出”的擴(kuò)大化。在insitro，我們致力于將尖端機(jī)器學(xué)習(xí)算法，與高質(zhì)量、大規(guī)模正確訓(xùn)練數(shù)據(jù)結(jié)合起來(lái)，從而真正推動(dòng)以數(shù)據(jù)數(shù)量和質(zhì)量為基礎(chǔ)的機(jī)器學(xué)習(xí)算法。

因此，我們嘗試將兩種類型的數(shù)據(jù)結(jié)合：一種是人體內(nèi)數(shù)據(jù)和臨床數(shù)據(jù)，而另外一種則是來(lái)自細(xì)胞的數(shù)據(jù)集。通過對(duì)比體內(nèi)和體外數(shù)據(jù)，我們可以真正建立一個(gè)模型，去預(yù)測(cè)療法會(huì)對(duì)人類造成哪些影響。從某個(gè)角度看，這和新藥研發(fā)如出一轍，因?yàn)槲覀冊(cè)谧龅�，就是分析小分子、大分子、�?xì)胞療法在人體內(nèi)，具有哪些我們所期望的性質(zhì)。將細(xì)胞系統(tǒng)和人體系統(tǒng)中的數(shù)據(jù)結(jié)合起來(lái)，就可以預(yù)測(cè)藥物何時(shí)可能起作用。

 

 

▲insitro創(chuàng)始人兼首席執(zhí)行官Daphne Koller博士

Rob Brainin博士：我同意在藥物發(fā)現(xiàn)過程中，可能并不一定存在正確的數(shù)據(jù)集。藥明明碼致力于運(yùn)用精準(zhǔn)醫(yī)學(xué)大數(shù)據(jù)改善人類健康。我們?cè)谌ツ晔召?gòu)了愛爾蘭基因組醫(yī)學(xué)公司Genomics Medicine Ireland (GMI)，并開啟了愛爾蘭國(guó)家級(jí)別精準(zhǔn)醫(yī)療計(jì)劃。通過這些行動(dòng)，我們正致力于讓愛爾蘭40萬(wàn)名病患接受測(cè)序，并且和醫(yī)療系統(tǒng)中的專家醫(yī)生合作，獲取與特定疾病相關(guān)的醫(yī)學(xué)信息。這不僅是DNA信息，還包括來(lái)自各個(gè)組學(xué)的信息。這樣我們不僅可獲得正確的數(shù)據(jù)集，還可從分子水平上縱向了解某種特定疾病。如今，越來(lái)越多的醫(yī)藥公司已認(rèn)識(shí)到數(shù)據(jù)的重要性，并渴望從中尋找新的靶點(diǎn)，然而大部分企業(yè)在獲取正確數(shù)據(jù)方面具有挑戰(zhàn)。這正是我們可以大展身手的天地。

Ken Mulvany先生：在Benevolent AI，我們選擇覆蓋患者分層和目標(biāo)識(shí)別等需求，原因在于如今正處于一個(gè)需要為特定人群研發(fā)藥物的時(shí)代，所以我們需要這些信息來(lái)找到合適的研發(fā)對(duì)象。作為一名曾經(jīng)接受過臨床訓(xùn)練的醫(yī)生，我可以根據(jù)教育知識(shí)和實(shí)驗(yàn)結(jié)果來(lái)進(jìn)行診斷，但是我的知識(shí)范圍十分有限。在外界，僅從科學(xué)文獻(xiàn)的角度來(lái)說(shuō)，每天都有大約一萬(wàn)份新論文發(fā)表，還有無(wú)數(shù)未知的醫(yī)學(xué)健康檔案，以及基因組、蛋白質(zhì)、化學(xué)數(shù)據(jù)庫(kù)，這些都是非常豐富的知識(shí)。我們一直都站在巨人的肩膀上。在使用這些外界數(shù)據(jù)的基礎(chǔ)上，我們同時(shí)要使用自身的實(shí)驗(yàn)數(shù)據(jù)，或一些來(lái)自大型醫(yī)藥企業(yè)的高質(zhì)量數(shù)據(jù)，來(lái)對(duì)研發(fā)過程進(jìn)行補(bǔ)充。最重要的是，當(dāng)你匯總各方面信息時(shí)，你必須具有一定的辨別能力，來(lái)分辨這些數(shù)據(jù)是否真實(shí)，這對(duì)于我們理解生物學(xué)和研發(fā)藥物至關(guān)重要。

Blake Byers博士：在Google Ventures，我們投資范圍非常廣泛，包括醫(yī)療設(shè)備、診斷、健康技術(shù)等初級(jí)醫(yī)療服務(wù)項(xiàng)目，以及insitro等藥物研發(fā)公司。我認(rèn)為數(shù)據(jù)這個(gè)概念現(xiàn)在有一點(diǎn)被夸大了。我們從事的是科學(xué)相關(guān)的行業(yè)，而數(shù)據(jù)一直都是這個(gè)行業(yè)的核心發(fā)展部分。當(dāng)我們成立公司時(shí)，我們更關(guān)心的不是他們擁有的數(shù)據(jù)類型，而是他們擁有的應(yīng)對(duì)相關(guān)挑戰(zhàn)的團(tuán)隊(duì)。我們真正要討論的應(yīng)該是目前前所未有的數(shù)據(jù)規(guī)模。而如今的挑戰(zhàn)在于如何分析、管理數(shù)據(jù)，以及如何建立一個(gè)數(shù)據(jù)管理團(tuán)隊(duì)。三十年前，我們面臨的核心挑戰(zhàn)是讓生物學(xué)家和化學(xué)家合作，而如今我們已經(jīng)看到了許多生物學(xué)家和化學(xué)家合作創(chuàng)立的新銳公司。但是換到生物學(xué)家和數(shù)據(jù)科學(xué)家身上就大不相同了。他們各自從事的領(lǐng)域可以說(shuō)是南轅北轍，沒有任何共同語(yǔ)言。因此，同時(shí)擁有出色的生物科學(xué)家和數(shù)據(jù)科學(xué)家，且他們之間還能緊密合作，這對(duì)一個(gè)公司來(lái)說(shuō)，是非常罕見的。當(dāng)一個(gè)公司擁有這樣一支團(tuán)隊(duì)時(shí)，即便還沒有產(chǎn)生數(shù)據(jù)，我也相信他們會(huì)做出一些非常特殊的工作。

 

 

▲谷歌風(fēng)投普通合伙人Blake Byers博士

Robert Urban博士：現(xiàn)在讓我們探討數(shù)據(jù)分析。如今我們已經(jīng)實(shí)現(xiàn)了將數(shù)據(jù)聚合到云端或者其他計(jì)算平臺(tái)，同時(shí)，我們也在基于圖像的數(shù)據(jù)分析上取得了很多成果。你們認(rèn)為分析方面有哪些最新趨勢(shì)，能夠讓技術(shù)更上一個(gè)臺(tái)階?

Daphne Koller博士：我認(rèn)為在過去五年，分析方面有了巨大的飛躍，其中的一部分原因是用于訓(xùn)練模型的數(shù)據(jù)，可用性正在逐漸提高。但是，如果我們把相同的數(shù)據(jù)應(yīng)用于五年前的標(biāo)準(zhǔn)方法，我們也不會(huì)得到和現(xiàn)在一樣的結(jié)果，因?yàn)楹?jiǎn)單線性回歸，支持向量網(wǎng)絡(luò)、隨機(jī)森林算法等傳統(tǒng)的分析方法，在數(shù)據(jù)量增加之后的表現(xiàn)實(shí)際上不盡如人意。現(xiàn)在，我們開始應(yīng)用了一些新方法，比如深度學(xué)習(xí)。使用的數(shù)據(jù)越多，其表現(xiàn)反而越來(lái)越好。

如果你在5年前問我，計(jì)算機(jī)何時(shí)在圖像分析等方面能超過人類水準(zhǔn)，我的答案可能會(huì)是20年。然而，如今計(jì)算機(jī)在圖像分析方面已遠(yuǎn)遠(yuǎn)超過了人類水平，它甚至可以用自然語(yǔ)言段落描繪一個(gè)女孩正在用沙子建一座城堡，或者是三只狗正在玩飛盤游戲。在醫(yī)學(xué)成像領(lǐng)域也是如此，就在幾個(gè)星期前，有一篇論文闡述了計(jì)算機(jī)能夠復(fù)制和查看腫瘤樣本圖像，并且可以告訴我們?cè)搱D像具體展示了哪種癌癥，由何種突變導(dǎo)致，這已經(jīng)遠(yuǎn)遠(yuǎn)超出了人類病理學(xué)家力所能及的范圍，而這些成就都要?dú)w功于算法在最近幾年呈現(xiàn)出的巨大飛躍。

Robert Urban博士：在當(dāng)今世界中，有許多促進(jìn)業(yè)績(jī)運(yùn)營(yíng)能力飛躍的因素。你是否覺得機(jī)器算法和其他因素一樣重要?

Ken Mulvany先生：當(dāng)然。舉個(gè)例子，一個(gè)經(jīng)驗(yàn)豐富的化學(xué)家能在藥物研發(fā)中同時(shí)對(duì)四到五個(gè)參數(shù)進(jìn)行優(yōu)化。每個(gè)參數(shù)都帶有不同的特性，有的與吸收性相關(guān)，有的與選擇性相關(guān)。但是，這個(gè)優(yōu)化額度對(duì)于人類來(lái)講是有限的，如果對(duì)其中一個(gè)進(jìn)行調(diào)整，就有可能失去另一個(gè)參數(shù)原有的特性。然而對(duì)于機(jī)器算法就不同了，機(jī)器算法可以同時(shí)對(duì)5到10個(gè)參數(shù)進(jìn)行優(yōu)化，同時(shí)可以將篩選候選藥物的周期從3-4年降至1年左右。

 

 

▲BenevolentAI創(chuàng)始人兼總裁Ken Mulvany先生

Robert Urban博士：在基因組學(xué)方面也有類似的進(jìn)步嗎?

Rob Brainin博士：是的。舉例來(lái)說(shuō)，我們過去進(jìn)行多組學(xué)分析需要從不同層面進(jìn)行觀察比較，并且在每個(gè)層面的后端查看是否有重疊之處。然而，如今我們擁有一支由數(shù)據(jù)科學(xué)和微生物學(xué)專家組成的團(tuán)隊(duì)，而正是這兩個(gè)專業(yè)領(lǐng)域的交融為我們帶來(lái)了分析方式上的突破。我們可以深入開發(fā)算法，將所有因素與算法集成到一起，這樣一來(lái)，就不用在后端完成所有的操作了。所以，算法在分析方面取得的飛躍是毋庸置疑的。

Robert Urban博士：分析方法的改變對(duì)實(shí)際成果的貢獻(xiàn)有多大?

Deborah Kilpatrick博士：我認(rèn)為這種貢獻(xiàn)在于，先進(jìn)算法可以讓我們同時(shí)操作或處理數(shù)百萬(wàn)人口的數(shù)據(jù)，這在以前是根本不可能實(shí)現(xiàn)的。另外，應(yīng)用機(jī)器學(xué)習(xí)可以生成一些新型數(shù)據(jù)庫(kù)，在某些情況下可將某些人群里不是很直觀的行為模式和行為表型，與治療的預(yù)后效果進(jìn)行關(guān)聯(lián)，但我們不知道關(guān)聯(lián)背后的原因。所以我認(rèn)為這帶來(lái)了數(shù)據(jù)規(guī)模、時(shí)間和數(shù)據(jù)保真度方面的機(jī)遇。這在當(dāng)今應(yīng)用數(shù)字療法的世界中是相當(dāng)具有革命性的，這些數(shù)據(jù)信號(hào)將展現(xiàn)治療中的不同節(jié)點(diǎn)。在患者知情同意的前提下，我們可以遠(yuǎn)程觀察患者對(duì)治療作出的反應(yīng)。

 

 

▲Evidation Health首席執(zhí)行官Deborah Kilpatrick博士

Robert Urban博士：我們?cè)谶@里談?wù)摰亩际窍喈?dāng)有價(jià)值的命題，它們讓事情變得更快、更便宜、更有效�，F(xiàn)在我想回到藥物研發(fā)問題上來(lái)，我們目前遇到的問題可以通過一些新產(chǎn)生的洞見來(lái)解決。Daphne，你認(rèn)為藥物研發(fā)中有哪些關(guān)鍵的可能性?

Daphne Koller博士：機(jī)器學(xué)習(xí)技術(shù)為藥物研發(fā)創(chuàng)造了巨大的機(jī)會(huì)。藥物發(fā)現(xiàn)的一個(gè)關(guān)鍵是構(gòu)建一個(gè)在人體中具有效應(yīng)的化學(xué)實(shí)體，能夠讓人們從病理狀態(tài)恢復(fù)健康，或是預(yù)防疾病。而這實(shí)際上是一個(gè)預(yù)測(cè)方面的問題，即預(yù)測(cè)將某種藥物或干預(yù)措施引入人體后的影響。這涉及到對(duì)干預(yù)措施進(jìn)行預(yù)測(cè)的能力，同時(shí)也需要有設(shè)計(jì)的成分在里面。例如，你如何設(shè)計(jì)一種細(xì)胞療法，使其以某種特定的方式表現(xiàn)，并能夠應(yīng)用到人體內(nèi)。我認(rèn)為我們需要擁有快速迭代和預(yù)測(cè)能力，然后設(shè)計(jì)一個(gè)能在多方面得到優(yōu)化的化學(xué)實(shí)體。它能達(dá)成某種表型特征，卻不產(chǎn)生毒性。通過快速迭代，并避免那些在后期出現(xiàn)的失敗結(jié)果，將為加速藥物研發(fā)過程帶來(lái)重大利好。

Blake Byers博士：接下來(lái)數(shù)十年間，機(jī)器學(xué)習(xí)可能還較難以大范圍應(yīng)用于新藥研發(fā)。目前機(jī)器學(xué)習(xí)的一大挑戰(zhàn)，在于建立一個(gè)能預(yù)測(cè)人類疾病具體分子機(jī)制的模型。我們?nèi)绻�在一個(gè)不可靠的系統(tǒng)中訓(xùn)練模型，這個(gè)模型是沒有任何用處的。解決這個(gè)問題的一個(gè)辦法是研究人類自身的數(shù)據(jù)，從中發(fā)現(xiàn)許多新的通路和功能。目前很多公司都在進(jìn)行這個(gè)工作，比如23andMe。全世界有70多億個(gè)基因組信息，如果能找到其中有趣的gain-of-function和loss-of-function變異，并整合這些通路信息，就有望模擬人體內(nèi)同樣的化學(xué)反應(yīng)，就有機(jī)會(huì)發(fā)現(xiàn)很多新的知識(shí)去助力新藥研發(fā)。

但很遺憾，只有1%-2%的臨床數(shù)據(jù)得到了有效利用。我們可以在現(xiàn)有的電子病歷系統(tǒng)基礎(chǔ)上，去提取這些信息，并且利用這些信息提升現(xiàn)有藥物和產(chǎn)品的質(zhì)量。這個(gè)過程可以在臨床試驗(yàn)階段完成，也可以在臨床試驗(yàn)結(jié)束后繼續(xù)進(jìn)行。醫(yī)藥行業(yè)發(fā)展很快，10年后的CAR-T療法和今天的CAR-T療法肯定不一樣。只有不斷加速迭代，醫(yī)藥公司才能保持其競(jìng)爭(zhēng)力。只有能夠存在于未來(lái)的公司，才能從當(dāng)下走向未來(lái)。

Robert Urban博士：您剛剛提到了機(jī)器學(xué)習(xí)有時(shí)會(huì)被濫用，這讓我想到了區(qū)塊鏈技術(shù)。那么您覺得區(qū)塊鏈技術(shù)在醫(yī)療健康領(lǐng)域的發(fā)展前景如何呢?

Blake Byers博士：區(qū)塊鏈在醫(yī)療領(lǐng)域中的應(yīng)用還不是很多。區(qū)塊鏈技術(shù)提供了一個(gè)可靠的儲(chǔ)存和傳輸?shù)墓ぞ�，它的特點(diǎn)是可信任。但在醫(yī)療健康領(lǐng)域，我們已經(jīng)有很多可信任的實(shí)體，比如我們前往就醫(yī)的醫(yī)療機(jī)構(gòu)。在這些實(shí)體里，區(qū)塊鏈儲(chǔ)存數(shù)據(jù)的效率并不高。所以區(qū)塊鏈在醫(yī)療健康領(lǐng)域的用處可能不大。

Rob Brainin博士：我同意Byers博士的說(shuō)法，把醫(yī)療健康數(shù)據(jù)儲(chǔ)存在區(qū)塊鏈的意義可能不會(huì)很大。我認(rèn)為醫(yī)療行業(yè)未來(lái)很大程度在于多樣數(shù)據(jù)來(lái)源的整合，比如可穿戴設(shè)備、各式傳感器。這些數(shù)據(jù)可以來(lái)自個(gè)人，也可能直接來(lái)自于他們的基因組。但是這又帶來(lái)了一個(gè)新的問題：數(shù)據(jù)來(lái)源的個(gè)體是否同意這些公司機(jī)構(gòu)去使用他們的健康數(shù)據(jù)進(jìn)行研究?數(shù)據(jù)來(lái)源多樣化的背景下，人們可能更希望清楚自己的健康數(shù)據(jù)流向了哪里。但我確實(shí)同意，未來(lái)的健康數(shù)據(jù)來(lái)源會(huì)更加多樣化，并且會(huì)有一個(gè)更好的整合，無(wú)論它們是儲(chǔ)存在現(xiàn)有的系統(tǒng)中，還是區(qū)塊鏈之類的新型技術(shù)平臺(tái)上。

 

 

▲藥明明碼首席執(zhí)行官Rob Brainin博士

Daphne Koller博士：我非常贊同Byers博士剛剛的說(shuō)法，區(qū)塊鏈未必是解決現(xiàn)在最緊迫問題的有效方案。我們現(xiàn)在的醫(yī)療數(shù)據(jù)儲(chǔ)存比較混亂，比如說(shuō)電子病歷系統(tǒng)。所以現(xiàn)在有公司在統(tǒng)一病歷記錄上花費(fèi)巨大精力：他們要求使用者在電子系統(tǒng)中輸入患者的關(guān)鍵信息，而不是識(shí)讀掃描版紙質(zhì)病歷后錄入關(guān)鍵信息的陳舊方式。在醫(yī)療領(lǐng)域有很多基礎(chǔ)的問題尚需解決，而區(qū)塊鏈技術(shù)的方向和這些問題相去甚遠(yuǎn)。

Rob Brainin博士：沒錯(cuò)，在短時(shí)間內(nèi)，區(qū)塊鏈不太可能解決醫(yī)療領(lǐng)域的關(guān)鍵問題。但是在未來(lái)健康數(shù)據(jù)高度整合之后，我們也許會(huì)需要一個(gè)安全儲(chǔ)存和傳輸健康數(shù)據(jù)的解決方案。比如說(shuō)，可穿戴設(shè)備用戶在上傳數(shù)據(jù)之前需要簽署同意書，而這時(shí)候區(qū)塊鏈或許能成為傳遞知情書的一種工具。

 

 

Robert Urban博士：讓我們把時(shí)間交給Deborah Kilpatrick博士，您是我們之中對(duì)個(gè)人數(shù)據(jù)處理最有發(fā)言權(quán)的人，我想聽聽您的看法。

Deborah Kilpatrick博士：是的，Evidation的數(shù)據(jù)處理平臺(tái)可以處理我們合作伙伴的多種數(shù)據(jù)，并且調(diào)整數(shù)據(jù)處理的強(qiáng)度。這里面包含兩部分，一部分是原始數(shù)據(jù)，另一部分則是和行為表現(xiàn)緊密相關(guān)的推斷數(shù)據(jù)。推斷數(shù)據(jù)從原始數(shù)據(jù)中提煉而來(lái)，在絕大多數(shù)情況下要比原始數(shù)據(jù)更有價(jià)值。在Evidation，我們一直都在思考這些資訊會(huì)在基因組時(shí)代如何演變，以及如何更好地管理這些數(shù)據(jù)。

其中一個(gè)重要的節(jié)點(diǎn)就是GINA(Genetic Information Nondiscrimination Act，遺傳信息非歧視法)。我們必須考慮GINA在多種場(chǎng)景下的深遠(yuǎn)影響，比如說(shuō)涉及到患者行為表現(xiàn)時(shí)的影響。此外，在這個(gè)數(shù)字時(shí)代，日常生活中收集到的數(shù)據(jù)和基因組數(shù)據(jù)一樣，對(duì)新產(chǎn)品的研發(fā)也十分重要。與此同時(shí)，這些數(shù)據(jù)都來(lái)自于個(gè)人，是非常隱私的信息。我們不僅僅要在使用數(shù)據(jù)時(shí)對(duì)患者進(jìn)行告知、獲得同意，還需要通過嚴(yán)肅的政策來(lái)保護(hù)患者，防止他們因基因和相關(guān)表現(xiàn)而遭到歧視。隨著商業(yè)生態(tài)的人口變化和數(shù)據(jù)樣本增大，我們必須在政策制定上達(dá)成共識(shí)，規(guī)范在美國(guó)、全世界范圍下能做什么。

Robert Urban博士：現(xiàn)在讓我們?cè)俅位氐綄?duì)未來(lái)的預(yù)測(cè)的話題上，有什么樣的發(fā)展是在座各位想要實(shí)現(xiàn)或希望在未來(lái)能看到的呢?

Ken Mulvany先生：在新藥研發(fā)中，我們長(zhǎng)期面臨著一個(gè)挑戰(zhàn)：大約有30%-50%的處方藥在患者身上效果并不顯著。不是說(shuō)藥物不夠安全，只是其作用機(jī)理并沒有太大效果。這是醫(yī)藥行業(yè)面臨的巨大挑戰(zhàn)。我也相信今天在論壇的各位嘉賓都會(huì)為解決這個(gè)問題做出自己的貢獻(xiàn)，讓后來(lái)人站在巨人的肩膀上進(jìn)行研究。同時(shí)，我也認(rèn)為現(xiàn)在是一個(gè)信息爆炸的時(shí)代。目前，醫(yī)藥行業(yè)里有著太多信息，但我們無(wú)法完全吸收所有的信息。這個(gè)專題討論環(huán)節(jié)的嘉賓鼓舞了我，大家都在努力地解決這個(gè)問題。

在研發(fā)崗位工作多年的人應(yīng)該知道，這個(gè)領(lǐng)域的高產(chǎn)科學(xué)家每年會(huì)閱讀至少400篇論文。即便如此，這個(gè)科學(xué)家也只是專攻某一領(lǐng)域，他們可能對(duì)于其他領(lǐng)域知之甚少。我們需要明白自己知道什么，并找到其中缺失的環(huán)節(jié)。這需要我們離開自己的舒適區(qū)，承認(rèn)自己還有哪些不足，才能吸收更多的新知識(shí)。這對(duì)整個(gè)醫(yī)藥行業(yè)來(lái)說(shuō)都很重要。

Robert Urban博士：想要新藥研發(fā)更快、更容易，確實(shí)需要一個(gè)完整的行業(yè)生態(tài)圈來(lái)助力。美國(guó)FDA這周也剛剛宣布其引入了新數(shù)據(jù)科學(xué)團(tuán)隊(duì)，來(lái)應(yīng)對(duì)當(dāng)前科技發(fā)展潮流，這也印證了剛剛各位的說(shuō)法。對(duì)于當(dāng)代醫(yī)藥行業(yè)的發(fā)展，大家認(rèn)為有哪些需要注意的問題?或者是任何你們認(rèn)為特別令人滿意的進(jìn)展?

Blake Byers博士：我認(rèn)為醫(yī)療健康領(lǐng)域應(yīng)該思考如何采取更合理的方式和流程，與患者溝通隱私相關(guān)的問題。我相信大多數(shù)患者愿意醫(yī)療機(jī)構(gòu)利用他們的數(shù)據(jù)，來(lái)幫助其他有同樣健康問題的人，但是我們應(yīng)該確保用合理的方式來(lái)服務(wù)他們。

Robert Urban博士：患者信任一旦缺失很難重構(gòu)。說(shuō)到知情權(quán)，我想問Deborah，關(guān)于知情權(quán)我們應(yīng)該如何理解呢?在知情權(quán)問題上，你是如何處理和用戶之間的關(guān)系呢?

Deborah Kilpatrick博士：我個(gè)人的一大擔(dān)憂是：在使用患者數(shù)據(jù)的議題上，知情告知應(yīng)該是默認(rèn)選項(xiàng)，不應(yīng)該有例外。但是我們有太多時(shí)候都忘記向患者獲取知情同意，了解他們的真實(shí)想法。

Robert Urban博士：那么回到基因組學(xué)，Brainin博士，在越來(lái)越需要國(guó)際合作的當(dāng)下，您認(rèn)為目前有什么需要思考的問題呢?

Rob Brainin博士：為了治療人類的疾病，我們需要收集人類的數(shù)據(jù)，建立基因組的數(shù)據(jù)庫(kù)。在研究基因組學(xué)數(shù)據(jù)的時(shí)候，我們能發(fā)現(xiàn)很多信息。但是這些信息我們未必能在一開始就了解，因?yàn)楝F(xiàn)在人們沒有處理這些數(shù)據(jù)的方法。但10-20年后，回過頭來(lái)看，可能就會(huì)很有用。同時(shí)，我也一直在思考：如何負(fù)責(zé)任地獲取、分析基因組學(xué)數(shù)據(jù);如何正確地分享相關(guān)信息和研究成果。作為一家在基因組學(xué)領(lǐng)域的公司，這一直是我們?cè)趪?yán)肅思考的問題。

Robert Urban博士：今天最后的一個(gè)問題是，在這個(gè)人工智能時(shí)代，通過數(shù)據(jù)，我們能不做什么?我們能擺脫現(xiàn)有的臨床前模型嗎?

Ken Mulvany先生：很多新藥研發(fā)項(xiàng)目，只有到了人體臨床試驗(yàn)階段才能真正地檢測(cè)新藥的效果。大多數(shù)情況下，動(dòng)物模型檢驗(yàn)新藥效果并不完善。在新藥安全性的問題上，我認(rèn)為有很多發(fā)展都值得期待。利用工程學(xué)，檢驗(yàn)藥物相互作用、藥代動(dòng)力學(xué)都有可能變得更容易。用電子科技的方式，可以減少新藥志愿者招募的需求。

Robert Urban博士：感謝今天參與本節(jié)討論的嘉賓，讓我們?yōu)樗麄兊姆窒砉恼啤?/p>

標(biāo)簽： Google 安全 大數(shù)據(jù) 谷歌 數(shù)據(jù)分析 數(shù)據(jù)庫(kù) 網(wǎng)絡(luò) 學(xué)大數(shù)據(jù)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。