Medidata高级副总裁及首席数据官李正豪：当临床试验遇到人工智能

李正豪 David Lee

作为首席数据官，李正豪先生支持和领导Medidata一切数据管理相关的提案、创新分析和相关业务拓展的方向。他在数据开发研究领域有近二十年的工作经历，是一位经验丰富的数据专家。

人工智能大趋势

作为全球当下最热门的科技话题之一，随着大数据、云计算以及计算机深度学习等多个方面取得突破，人工智能在临床试验和药物研发领域的应用已然是一个前景广阔的新兴领域。如何使用人工智能解决方案和先进的分析方法提高临床试验的成功率和整体研发投资组合？ 医疗数据如何在兼顾创新，质量和速度的同时带来安全和有效的药物？这是领域内大家普遍比较关注的问题。

对此，李正豪先生讲到：“如今是在全球生命科技领域非常令人激动的时代，中国有很多公司汇聚起来，为生命科学做出巨大贡献。在科学领域总是充满各种各样的不确定性和未知性，我们要拿到尽可能多的信息才可以减少风险。随着我们将最新的数字技术引入科学研究当中，无论是在研究的速度、准确度还是有效性方面，我们都可以发现很多新机遇。”

人工智能提升试验效率

“从一期到二期成功率是63%，接下来（从二期到三期）是31%，58%可以进入新药申请上市阶段，但是即便进入了这个阶段，也只有85%可以最终获得批准，依然有15%的失败率。如果把这些比率整合起来，会发现所有一期研究药物最终只有十分之一可以走向上市。所以如果可以尽可能提升这个比率的话，比如从二期到三期我们可以从30%提升到45%的成功率，最终成功率可以从10%提升到15%，对于投资回报率可能就是50%的上升。”李正豪先生在为我们展示了基于近一万次临床试验得到的一些研究数据。

因此，临床试验或者临床研究整体来讲是非常复杂的领域，无论数据方面还是过程以及研究不确定性方面，人工智能对于整体的研究可以带来非常大的进展和突破。以生物标记物为例，有肿瘤学科学家提到“人类对于基因组、生物标记物的探索太过简单化了，因为人只能做出基于单个基因组的简单假设，只能假设单个基因出现突变的情况，但是实际上在生物领域可能是多个基因复合产生的结果，可能是数十、上千个基因之间的彼此互动导致了某种疾病的产生。”因为人类科学家很难理解在上千个基因组层面上所发生的互动，所以运用计算机来做基因组的生物标记物的决策和探寻远比用人类科学家的方式有效得多。我们从这样的角度去思考会发现，由于计算机的速度是非常快的，这样基因组生物标记物的找寻可以被大大加速，我们曾有一项结果计算机仅仅用了25分钟就找到了重要发现。

基因组科学时代

“如今，我们在一个基因组科学的时代，人类基因组已经进入了下一代基因测序时代（NGS），过去这样的测序要花上上亿美元，现在只需要1000美元就可以完成。Medidata可以帮助提升临床试验的价值，从确认到临床试验都会有更好质量的提升。我们通过新产品（Rave Omics）可以进行病人基因层面上和临床试验数据的连接，通过提高数据的质量以及运用机器学习找到患者基因组之间复杂且关键的联系，由此确认最终我们所需要的生物标记。”李正豪先生讲到。