“大的數據”不一定是大數據，醫療相關的“大的數據”也不一定是“醫療大數據”。而真正的標準化，深度結構化的醫療數據需要從五個維度即：標準度、互聯度、更新度、豐富度、量度來進行處理。另外，從標準化數據平臺的操作原則上我們要做到數據隱私保護、數據安全性及數據倫理上的把關。對于數據擁有者、數據處理者及數據應用者要責權利明確，監管機制到位。同時我們也要加強立法，對數據擁有者予以隱私權保護。

今天我們來探討一下醫療大數據在醫療行業的應用及如何成為藥企增長的動力。

人工智能輔助診療

大數據技術在臨床疾病輔助診療過程中已經開始應用，這將推動疾病管理效率和管理質量的提高，從而優化診療流程為臨床醫生節約時間。通過數據驅動融合AI，為臨床細分疾病領域的部分預防、診斷、治療、隨訪等工作提供優化支持，將越來越被臨床醫生或醫療健康工作者所喜歡。當前，主流的病理分析系統、影像讀片系統等等，在自己構建的數據集進行驗證可以達到85-90%的陽性診斷率，仍然有無法接受的假陽性診斷率存在。

臨床研究的支持

臨床實踐過程中產生的大數據應用于臨床科研需求越來越重要，2017年美國FDA批準使用RWS（真實世界研究，Real World Study）數據作為藥物審批的證據；臨床大數據應用于科研關鍵是進行數據清洗，根據研究目的需求科學對大數據進行分層，利用AI技術進行抽絲剝繭揭示數據背后的本質，相信大數據+AI將極大降低臨床科研的成本，提高臨床科研投入產出比。

大數據應用于藥企

在藥物研發中，同樣可以采用RWS（Real World Study真實世界研究）數據進行藥品的審批。但需要提出，RWS數據是建立在數據的完整性、科學性和真實性基礎上，才能通過處理形成分析數據集。另外，大數據+AI可以為藥企的市場推廣及目標患者選擇等方面所應用，提供藥企目標藥物的可及性及推廣的針對性。伴隨中國醫藥企業市場的快速發展，無論是新藥研發還是仿制藥的生物等效性研究，大數據+AI均可以發揮積極作用。在市場推廣方面，中國正由市場驅動向數據證據驅動方向轉換，大數據+AI將為藥企從研發到市場推廣提供助力。

在醫療支付領域應用

醫藥行業大數據結合人工智能技術，在醫療支付領域應用將會加速。不僅體現在單病種的醫保控費方面的監控，在單藥的藥物經濟學評估方面也表現卓越。大數據驅動模型建立，將改變醫療支付方式、支付成本效益控制、臨床路徑的標準化流程控費、同類藥物藥效經濟學評估等。

醫療支付領域，臨床費用數據深度與治療流程融合，將對傳統的藥效經濟學評價體系產生顛覆性作用，形成更精細更具有可操作性的支付管理體系。對醫院、醫保、行政管理部門、藥企的藥品經濟評估產生直接推動作用，但使用數據的前提是數據的完整性，能否打破不同醫療機構、不同部門、不同區域的地方數據保護主義，將成為大數據+AI在醫療支付領域的關鍵。

提升新藥研發效率

AI在可以重構新藥研發的流程，提升藥物臨床前研究中的效率與成功率問題。藥物研發需要經歷靶點篩選、藥物挖掘、臨床試驗、藥物優化等階段，將人工智能與超大規模云計算相結合，實現對小分子藥物重要特性的快速、準確預測，應用在藥物設計和藥物固相篩選等領域，達到縮短新藥研發周期、降低研發成本、提高新藥研發成功率的目的。人工智能與藥物挖掘結合的典型案例是美國硅谷的Atomwise，其通過IBM超級計算機，在分子結構數據庫中篩選，評估出820萬種候選化合物具備潛在治療價值，其研發成本僅花費了數千美元，研究周期也僅需要幾天。2015年，Atomwise基于現有的候選藥物，應用AI算法，不到一天時間就成功地尋找出能控制埃博拉病毒的兩種候選藥物，以往類似研究需要耗時長達數月甚至數年時間。目前國內AI+藥物挖掘也已經在逐步落地，但由于受限于AI算法需要大量的時間和數據積累，短期內仍然很難真正地對藥物研發工作起到實質性推進作用。