淺析醫療産品公司對大資料的應用

醫療行業早就遇到了海量資料和非結構化資料的挑戰，而近年來很多國家都在積極推進醫療資訊化發展，這使得很多醫療機構有資金來做大資料分析。醫療産品公司可以利用大資料提高研發效率。拿美國為例，這将創造每年超過1000億美元的價值。

醫療

　　1.預測模組化

　　醫藥公司在新藥物的研發階段，可以通過資料模組化和分析，确定最有效率的投入産出比，進而配備最佳資源組合。模型基于藥物臨床試驗階段之前的資料集及早期臨床階段的資料集，盡可能及時地預測臨床結果。評價因素包括産品的安全性、有效性、潛在的副作用和整體的試驗結果。通過預測模組化可以降低醫藥産品公司的研發成本，在通過資料模組化和分析預測藥物臨床結果後，可以暫緩研究次優的藥物，或者停止在次優藥物上的昂貴的臨床試驗。

　　除了研發成本，醫藥公司還可以更快地得到回報。通過資料模組化和分析，醫藥公司可以将藥物更快推向市場，生産更有針對性的藥物，有更高潛在市場回報和治療成功率的藥物。原來一般新藥從研發到推向市場的時間大約為13年，使用預測模型可以幫助醫藥企業提早3～5年将新藥推向市場。

　　2.提高臨床試驗設計的統計工具和算法

　　使用統計工具和算法，可以提高臨床試驗設計水準，并在臨床試驗階段更容易地招募到患者。通過挖掘病人資料，評估招募患者是否符合試驗條件，進而加快臨床試驗程序，提出更有效的臨床試驗設計建議，并能找出最合适的臨床試驗基地。比如那些擁有大量潛在符合條件的臨床試驗患者的試驗基地可能是更理想的，或者在試驗患者群體的規模和特征二者之間找到平衡。

　　3.臨床實驗資料的分析

　　分析臨床試驗資料和病人記錄可以确定藥品更多的适應症和發現副作用。在對臨床試驗資料和病人記錄進行分析後，可以對藥物進行重新定位，或者實作針對其他适應症的營銷。實時或者近乎實時地收集不良反應報告可以促進藥物警戒(藥物警戒是上市藥品的安全保障體系，對藥物不良反應進行監測、評價和預防)。或者在一些情況下，臨床實驗暗示出了一些情況但沒有足夠的統計資料去證明，現在基于臨床試驗大資料的分析可以給出證據。

　　這些分析項目是非常重要的。可以看到最近幾年藥品撤市數量屢創新高，藥品撤市可能給醫藥公司帶來毀滅性的打擊。2004年從市場上撤下的止痛藥Vioxx，給默克公司造成70億美元的損失，短短幾天内就造成股東價值33%的損失。

　　4.個性化治療

　　另一種在研發領域有前途的大資料創新，是通過對大型資料集(例如基因組資料)的分析發展個性化治療。這一應用考察遺傳變異、對特定疾病的易感性和對特殊藥物的反應的關系，然後在藥物研發和用藥過程中考慮個人的遺傳變異因素。

　　個性化醫學可以改善醫療保健效果，比如在患者發生疾病症狀前，就提供早期的檢測和診斷。很多情況下，病人用同樣的診療方案但是療效卻不一樣，部分原因是遺傳變異。針對不同的患者采取不同的診療方案，或者根據患者的實際情況調整藥物劑量，可以減少副作用。

　　個性化醫療目前還處在初期階段。麥肯錫估計，在某些案例中，通過減少處方藥量可以減少30%~70%的醫療成本。比如，早期發現和治療可以顯著降低肺癌給衛生系統造成的負擔，因為早期的手術費用是後期治療費用的一半。

　　5.疾病模式的分析

　　通過分析疾病的模式和趨勢，可以幫助醫療産品企業制定戰略性的研發投資決策，幫助其優化研發重點，優化配備資源。