从商业和政策的角度看待

1、医疗大数据的四个矿产地

a)医药公司、学术机构的研发数据,例如,临床试验和高通量筛选库。

b)医疗服务提供商的临床数据,例如,电子病历,医学影响。

c)支付方和服务提供商的活动和收支记录,例如,医疗参与率,成本预算。

d)病人的行为和情感记录,比如,病人的偏好,康复恢复训练。

取决于服务的场景,麦肯锡估计,在美国有高达30%的临床文字或者数字信息,包括电子病历、账单、实验室和手术室报告没有电子化。发达国家尚且如此,我们国家姑且不提。就算已经有了电子版本记录,它们通常也被个体服务商持有,鲜有信息分享。事实上,大多数的临床数据都蕴藏在影像当中,而这些是一次性的并没有被保存起来。

2、医疗大数据的影响

我认为撬动未来的杠杆主要分为五个方面:

a)临床运营

这是藏金最多的领域,因为它直接关系到医疗服务商、支付方和医疗产品生产商提供临床护理的方式。

  • 精准治疗。目前英国的NICE,德国的IQWIG,加拿大的Common Drug Review,澳大利亚的Pharmaceutical Benefits Scheme都已经开始了疗效比较研究,取得了一些成功。美国也在2009年颁布了American Recoveryand Reinvestment Act,向减少过度治疗和治疗不足迈进一大步。
  • 决策辅助。通过将医师的药方和就诊指南进行比对,提示可能的错误,比如,药物不良反应。虽然目前已经有了这套系统,但远未完善。麦肯锡的调查显示,进一步的临床决策辅助优化还能在短短两个月内减少40%的药物不良反应。
  • 运营透明。对整个医疗过程的数据化,有利于创造可视化的流程图和仪表盘。医疗服务商能够通过改进减少病人就诊等待时间,这意味着在单位时间内就诊数量的上升,还能够比对同行业竞争者的数据选择不同的战略,知彼知己方能百战不殆。如今,美国The Centers for Medicare and Medicaid Services正测试信息图,作为政府开放、公众参与、鼓励合作计划的一部分。同时,the Centers for Disease Control and Prevention也已经发布可互动的健康数据。病人无疑会从更透明的环境中获益,选择价值最高的医疗服务。
  • 远程监控。对患有慢性疾病的人群长期、实时监控将增大未来药物和治疗的选择空间。仅仅在美国,2010年就有估计1.5亿患有慢性疾病,例如肥胖、充血性心衰、高血压,加起来一共占到了超过80%的医疗总花销,脱离了场景的束缚,真正将医院装在了口袋里。
  • 持续了解。人性化的医疗会慢慢深入到病人的日常生话中,包括主动式服务和对生活方式的关注,建立和谐的医患关系。

b)支付/定价

  • 提高对假药和医疗保险欺诈的自动识别。
  • 精准划分医疗保险、经济补偿支付额度对于政府的公共基金来说,什么时候预算超支,什么采购策略有效,什么支付比例合适,在大数据中都能一斑窥豹。PMP公司显然利用数据资源,也能及时调整定价。

c)研究开发

  • 新药是否超过预算,疗效是否不及预期,市场期待值是否不及以往,大数据通通告诉你。
  • 全部可量化意味着连研究的流程都是可量化的,临床试验设计是否有问题,志愿者招募是否符合要求,大数据也能告诉你。
  • 药物的副作用有多少,有多强,药物警戒中对很难观察到现象,也能够记录下来。
  • 私人药物。由于个体的基因差异、对疾病的癖性、特殊药物过敏,疾病的早期诊断、有效治疗和药物用法用量也不尽相同,大数据赋予了解决私人定制药物的可能。
  • 帮助PMP公司预测疾病爆发周期和趋势,调整生产能力,减少库存积压,降低职工流转。

d)新的商业模式

  • 可能出现专业聚合、综合病人临床记录的公司。
  • 在线医疗平台和互动社区http://PatientsLikeMe.com,http://Sermo.com,http://Participatorymedicine.org.

e)公共健康对国家来说,控制传染病流行、快速反应应急在数据的面前都不是事儿。

从学术界的角度看待

1、医疗大数据有什么用?

大数据是“形容词+名词”构词,表明新事物区别于旧事物,但彼此仍有联系。因此从构词法的角度看,大数据是新的科学知识,就像牛顿第一定律、阿基米德定律。既然是新的科学知识,一旦被合理利用,就能改变世界。像人类利用牛顿第二定律,造出火箭进入太空;利用万有引力定律,生产人造卫星环绕地球;利用麦克斯韦方程组,造出手机开始通讯。简单地说,数学运算出数字结果,有已知得出未知,大数据分析出行为决策,有已知预测未知。也许几百年后,大数据和数学一样成为九年义务教育基础课程。

我认为,医疗大数据主要有两方面的应用:

其一,更好地建立健康描述。如今医药的主要限制是对疾病的生物学理解。大数据扮演的角色,就像一个优秀的编辑一样,从所有能想得到的来源整合信息,比如DNA,蛋白质,细胞代谢产物,组织,器官,有机物和生态系统,出色的描述什么才是疾病。

其二,更好地建立预测模型。数据既然“大”,就不是一朝一夕能积攒下来的,没有人知道在医药行业,什么量级的数据才发挥效用,才能够从量变到质变,才能成为第64方格的麦粒。可以把医疗大数据建立的模型当成一个处男,一个青年人,一直听说过爱情,一直在听说性爱,成长发育进化,你准确的知道他哪天性成熟了吗?从目前有限的实践经验来看,模型进化到一定水准,望闻问切会变得更简单回答,新药研发能变得更加快捷有效,不令人满意的成分能尽早停止开发,满足需要的新成分会更安全可靠。

2、对病人、支付方、医药公司有什么影响

病人的数据收集绝大多数是被动的,不需要每天主动记录,但他们必须同意接受这种无间断的信息采集。

支付方,通常包括政府,可能是最大的获益方,生产力提升带来的消费者剩余是科技改变生活的最好例证。每一颗便士都将花在刀刃上,每一粒纳税人的公粮都被压榨到最后一滴油,总而言之,他们会省下更多的钱。即使积极拥抱变化并且成功转型升级的医药公司还将迎接下一波浪潮,宇宙永无止境。

原文链接:https://www.zhihu.com/question/20784172


更多内容请关注我们的官方微信公众号“生信圈”,微信ID:bioinfor-club
 
生信圈二维码.jpg                                                                                                                                               长按二维码关注