药物研发中的大数据

作者｜Chris Moore (EY,UK)

翻译｜kiki Sun 校对｜孙强

正如其他产业，医疗健康正在见证大数据的出现，随着信息从日趋多样化的来源 － 从电子健康病例，付款人索赔，到移动健康平台等等 － 蜂拥而入， 并以指数比例增长。大数据具有这样的潜能，即以三种至关重要的方式促进药物研发的效率。

1. 大数据帮助公司理解研究形势

如今，科研工作的主要分享来源于其他公司和科研机构。因此，具备识别在特定兴趣领域工作的专家的能力会给公司带来竞争优势和联盟关系。

类似于数据挖掘，自动化学习和研究的工具可以允许公司精确定位在某领域的重量级选手，通过提前买进有前途的研究－在它还相对比较便宜之时，从而领先其他公司。

2. 大数据也能帮助制药者解密一种疾病的生物衍生物或者一种药物的作用原理

这也许包括识别一种靶定的代谢途径，或者理解一种疗法的可能影响。

举个例子，治疗慢性病药的真正好处比如他汀类用了多年时间才得以显现。开展一项临床试验去测试这些末端结果将是耗时又耗钱的。相反，存在很多平台使得公司可以用系统生物学和众包去核实模型，并测量一种产品在长期范围内可能带来的影响。

3. 最后，大数据可以用来正确匹配药物和患者人群

数据挖掘和机器学习使得公司去识别哪些人群 对于某些特定的药物反应最强烈，通过变量组合比如性别，种族，病史或更多。

当然，在当今只注重结果的大环境下，此种分析也会对财务产生深远影响。通过分析一种药物的疗效以及在哪种病人身上疗效最优，公司能够识别额外的干预措施-包括其他治疗和药物递送机制-也许会被用来提高产品功效。

小公司和大数据

在资源受限的情况下，新兴的生物科技公司如何利用大数据的潜能？

一个不幸的现实是，医疗健康大数据没有完全民主化，这意味着数据访问权依然很昂贵。一个公司可以轻而易举花上几百万美元，仅仅为了获取数据 - 这对于小型、资源受限公司来说是一个令人沮丧的障碍。另外，只有当和强有力的数据分析搭配使用时，大数据才会产生洞察力。如今，相比几年前，深微奥妙的算法和系统能够分析更多数据维。

然而，此类数据处理能力并不便宜，一般情况下也超过了小型公司的内部系统处理能力。不仅如此，当高端、基于云的数据分析开始形成，获取这样的处理能力还未渗入到小型机构。随着数据量的增长以及越来越多实体创造出分析能力，得到获取权将变的很容易。数据的来源不再仅仅局限于以盈利为目的的商业机构。疾病基金会，政府机构和其他相关机构也可以提供数据，并有兴趣与其他也同样致力于相关任务的公司合作。

竞争前的合作以及其他方式的合作也会担任重要角色。诸如此类的共同努力，比较典型的像是，联合起来一起解决科学或者方法论挑战，经常需要混合数据并且设计机制用来在成员间公开分享。参与此类努力给了新兴生物科技公司获取数据的机会，而这些数据通常无法以其他方式获取。

的确，将大数据转换成有用的信息是一个共同挑战，而且需要一批耐力和实力都超群的成员。由联合机构掌握的数据应该逐步和基于基础平台的数据分析能力相结合。为这些努力提供资金的多数都是大玩家。但是能把这些融合在一起的是具有创造力和新思维的创业型，活力型的生物科技公司。

小编推荐的延伸阅读：

http://www.clinicalleader.com/doc/digging-for-big-data-gold-data-mining-as-a-route-to-drug-development-success-0001

https://powermore.dell.com/business/big-data-reshaping-drug-industry/

http://www.ncbi.nlm.nih.gov/pubmed/24642713

http://www.ncbi.nlm.nih.gov/pubmed/24702684

素材来源：http://www.ey.com/