首页_赢咖2_首页

首页_赢咖2_首页【主管Q】大数据在各行各业的应用给商业形态带来了颠覆性的变化。那么赢咖2在医疗行业,制药企业通过临床大数据可以实现哪些产品应用和功能呢?

这是临床数据应用系列的第二篇文章,主要讨论制药企业临床大数据的应用与实现。

目前,临床大数据非常热门,但实际情况尚不明朗,商业模式难以盈利。

文章最后从法律原因、历史原因和行业原因三个方面探讨了临床资料应用困难的原因。

对于制药公司来说,与医院不同,制药公司是一个具有企业属性的组织,企业的最终目标是盈利。因此,对于制药公司来说,临床数据肯定会参与到他们的商业模式中。

制药企业对临床大数据的应用可以说是一股积极的推动力。只有具有商业利益的模型才是稳定的模型,将临床数据的应用推向一个新的高度。

制药企业是临床数据的重要服务对象,赢咖2对于制药企业来说,其价值不超过两个方面:

一是帮助药物开发;

第二个好处是药品营销。医药研发企业资金相对充裕,有兴趣继续就上述两方面有价值的产品或服务进行交流。

临床大数据服务也以药物研发和药物营销为中心。

在药物研发阶段可以做很多事情:

首先,将药物开发分为临床前阶段、临床阶段和上市阶段。本文只讨论临床大数据的应用,因此临床前阶段不在讨论范围之内。

对于临床阶段,由于该阶段的大量研究具有前瞻性,需要根据实验设计收集数据并进行分析。在临床阶段,现有的临床数据用于前瞻性研究的作用有限,但通过现有数据寻找患者入组是非常有效的。

其次,临床数据是确定药品批准的有力证据。这包括是否需要新的药物研究和开发项目,以及是否引进新的品种(获得批准)。

在药品营销阶段,充分利用临床数据,包括药品上市后评价、现实研究、营销知识图谱、健康监测和随访等。

例如,通过真实世界的研究获得的药物的有力证据可以公开发表,甚至写入药物的说明书。这对制药企业的营销有很大的好处。

一、药物研发

药物开发分为临床前药物研究和临床药物研究两个过程,如下图所示。

对于临床前研究,主要是在实验室阶段,几乎没有临床数据的使用范围。在新药的临床阶段,主要进行前瞻性研究,即招募一组患者完成一个临床终点进行纳入实验。在药物临床试验中,所有的数据基本上都是新的,所以我们所拥有的临床数据对新药临床试验本身没有什么价值。

然而,赢咖2对于临床试验,入组人群往往要求较高,临床数据可以帮助研究机构找到合适的入组对象。

1.临床试验入组

报名参加临床试验的方式有多种,主要有以下几种:

(1)确保受试者符合最新伦理批准的方案中规定的所有纳入标准,且不符合任何排除标准;

(2)招聘广告:经伦理委员会书面批准的招聘广告可以张贴;

(3)对所有患者进行普遍筛查;

(4)等待符合条件的受试者前来就诊;

(5)建立专科、专科门诊

这些方法通常是一种招聘活动,缺乏准确性,效率低下。

通过临床数据,可以准确检索患者的相关信息,提高招募受试者的效率。

然而,由于我国电子病案互操作性较差,区域内电子病案整合困难,标准术语难以统一,数据分散,赢咖2检索困难。

二、药物营销

1.真实世界研究

当一种药物进入市场时,最重要的问题是药物营销。

对于制药公司来说,上市后的临床研究和真实世界的研究最大的好处是可以提升这类产品在市场中的地位。所有制药企业的研究方向必须是取得自己的强势成果。如果他们得到不利的证据,他们也会积极调整公司战略,尽可能避免损失。

因此,这一部分将从制药公司利益的角度来探讨药品营销。

然而,现实世界的研究不仅仅是关于药物。在医疗成本控制和医疗质量方面也有相应的研究路径。但是为什么现在有这么多关于药物的真实世界的研究呢?

原因很简单,用商业模式进行研究是一种稳定的模式。由于药品相关研究直接关系到制药公司的商业利益,所以研究费用由制药公司承担。因此,当前市场上大多数与真实世界研究相关的项目都与制药相关。

现实世界研究的另一个主要方向是医疗成本控制。目前,医疗保险面临很大的压力,政府在医疗成本控制方面投入了大量的研究资金。

然而,在医疗保险成本控制方面,现实世界的研究并没有与商业保险公司产生一个相对清晰的商业模式,所以自然的研究并不像药物那样丰富。与保险相关的临床大数据将在下一篇文章中讨论。

对于赢咖2现实世界的研究有两种不同的思考方式。

第一种观点认为所有的回顾性研究都是真实世界的研究。简而言之,所有关于医疗或围医疗行业产生的数据的研究都是真实世界的研究。这些数据是在诊断和治疗过程中自然产生的,而不是通过人工设计的实验。

第二种观点认为,现实世界的研究超出了所有传统的临床研究。传统医学研究是在传统的临床研究类型之外的研究,如随机对照试验、队列研究、病例对照研究和横断面研究等。

針對上述兩個學界的看法,筆者更傾向於第一種學界的看法。

在筆者看來,真實世界研究的本質是數據的來源問題。

經過嚴格的實驗對象篩選獲得的數據(例如,傳統臨床實驗),則不稱為真實世界研究。

只有在非刻意性的基礎上獲得數據,才能稱為真實世界研究。所以真實世界研究沒有研究對象的評選標準,所有數據完全是在現實中產生。

在FDA的指南中,對“真實世界數據”的定義強調了兩個點:定期收集(routinely collected),數據來源多樣(from a variety of sources)。

(1)優效、等效、非劣效研究

藥物療效驗證是藥企最感興趣的項目之一,為了驗證自己的藥物在醫療環境中的地位,藥企願意投入大量資源開展真實世界研究工作。所謂優效性試驗是為了驗證藥物是否優於另外一種藥物;等效性試驗,即檢驗一種藥物是否與另一種藥物具有相同的療效;非劣效試驗,即驗證一種藥物不差於另外一種。

藥物優效、等效、非劣效研究屬於傳統研究範疇,可以通過試驗設計進行試驗。不過從本質上而言,該實驗更適用於真實世界研究。只有在實際診療中產生的數據才能較好的做出客觀評價。

通常來講,進行該類試驗應該選取一款市場上廣泛認可的藥物作為陽性對照藥,通過與該藥物的對比,得到優效、等效、非劣效的相關結果。由於被選中陽性對照的藥品,通常都是較强的競爭對手,所有企業自然希望得到優效的結果。

對於優效性試驗而言,其假設檢驗為:

其中是一个临床具有意义的数值,称为优效性界值。为测试药物的总体有效率,为对照药物的总体有效率。赢咖2优效性的主要目的就是需要确定测试药物疗效需要超过对照药物的优效性界值,且不能低于0点。

对于等效性试验而言,其假设检验为:

公式中的相关指标与前文中的一致。在等效性实验中,需要测试药物与对照药物的有效性在一个界值中间,即可从统计学上判断两者的等效性。等效性更多的用于仿制药与原研药物的一致性评价中。

对于非劣效试验而言,其假设检验为:

非劣效实验重点在于确定测试药物与对照药物的疗效之差不低于下界,单侧检验就可以确定非劣效。下图很形象的说明了三种实验的关系。如果测试药物的疗效低于对照药物疗效的下限界值,那么则无法得出结论。

赢咖2在传统的生物统计中,以上三种试验可以通过人为设计、招募受试者等方式完成。

對於真實世界研究,我們需要完全採用真實產生的數據而並非利用人為設計試驗數據。

完成以上工作有2個難點:第一是如何選擇數據,第二是如何製定臨床名額。

首先討論如第二個問題,定臨床名額從來都是一個難題,選大了會使得區間變大使得測試藥物優效性可能降低,或達不到等效的藥物被判定為等效;如果選的較小,則會新增相反概率發生的可能性。具體情況還需要針對藥物適應症因素確定。常用的名額有生化名額、生物等效性(EB)等。

第一個問題是如何選擇數據,這對於真實世界研究非常重要。

選擇數據有2種情况:

一種是針對於已有的醫療數據進行回顧性研究;

另一種情况通過對服用2種藥物的人群進行隨訪獲得數據,屬於一種前瞻性的研究。

    •  

 

從藥企角度出發,通常希望快速得到相應的結論,不但可以解决成本,對藥品行銷推廣也有好處。回顧性研究的問題在於臨床數據是已經產生的數據,這些數據質量較差並且獲得困難,並不一定能够達到對應的試驗目的。前瞻性研究的問題在於隨訪時間週期長,花費成本巨大,藥企很難長時間支持這樣一個只投入無結論的項目。

當前臨床數據遇到最大挑戰是資料轉換(ETL)及合併,也可以說是數據治理的內容。在回顧性的真實世界研究中,什麼樣的臨床數據才是有價值的,作者給出三條建議:

明確臨床事件的發生順序

明確患者身份標識

使用統一的編碼規範

明確臨床事件的順序在於確定患者的病程及處理情况,大量臨床數據無法得到應用的原因在於無法看到一個患者,在一段時間內的臨床處置及相應的結果。臨床數據應用,並不一定要求在同一時間段內的患者,但需要明確順序因素與時間間隔。

明確患者身份標識,這一點很好理解。我們做真實世界研究大多數以患者為組織進行,即使研究某個藥物或療法,也需要根據患者個體進行分析。

使用統一的臨床編碼規範,這是一個醫療數據老生常談的問題。赢咖2在這裡不進行過多的討論,希望不同地方各醫院能够儘量遵守。上述三個基本要求如圖所示。

對於真實世界的研究結論,良好的結論藥企可以寫入自己的說明書中,不利的結論企業應該立刻調整自己的市場佈局,躲避不利因素。

(2)藥物不良反應監測與藥物警戒

藥物不良反應監測更多的是一種責任與義務。在國外很多不良反應監測工作由藥企完成,在國內更多的是由政府及相關部門進行監控。藥物不不良反應監測更多的是一種企業責任,特別是在新藥上市之後,可以通過不良反應監測根據完善藥品說明書,用藥更加安全。

從藥企利益的角度考慮,藥企更應該主動進行藥物不良反應監測,以降低由於不良反應而產生的高昂賠償費用。

藥物不良反應的發生機理藥物不良反應的發生機理是比較複雜的,歸納可分為甲型和乙型兩大類,前者是由於藥物的藥理作用增强所致,其特點是可以預測,一般與藥物劑量有關,其在人群中的發生率雖高,但死亡率低。後者與正常藥理作用完全無關的一種异常反應,通常很難預測,常規毒理學篩選不能發現。

常用的流行病評估方法同樣也有回顧性研究與前瞻性研究兩種,這兩者分別對應了病例對照研究與隊列研究。

前者是已知發生了某不良反應後,追查由某藥物引起的可能性大小。

後者是對研究對象追跡隨訪一段時間,比較暴露於藥物的研究對象中不良反應的發生率是否較不暴露於藥物的研究對象更高。藥物不良反應往往從真實世界數據中發現,通過傳統臨床試驗等方法確認。

藥物不良反應與藥物警戒在全球已經研究了很多年,不僅提出了多種算灋,資料分析種類也由醫療資料分析轉向醫療數據、社交數據共同分析的方法。

當前大數據、機器學習等多種算灋都應用於藥物不良反應訊號的發現。在藥物不良反反應與藥物警戒中,有兩項覈心工作:藥物不良反應資料庫構建,不良反應資料挖掘。

藥物不良反應資料庫是一個多資料來源的資料庫,也就是說其並不只來源於臨床中產生的數據,還包括蛋白、靶點等藥物數據。當前的不良反應數據大多數以不良反應上報為主,在未來的發展中,可以借助人工智慧等科技手段構建疑似不良反應資料庫。該資料庫直接來自於臨床過程產生的數據,將一些臨床症狀與用藥情况疊加進行判定,主動挖掘一些不良反應事件。

藥物不良反應算灋方面研究也同樣非常深入。主要分為三個大類:比例失衡分析算灋(DPA)、邏輯回歸算灋(LRM)、關聯規則挖掘算灋(ARM)。

在AI與機器學習發展的今天,決策樹、聚類、神經網路等算灋都會用作藥物不良反應的挖掘工作。具體的算灋內容本文不進行細節展開。

探索藥物不良的試驗方法有四種:差异法、協同法、共變法、類比法。這四種方法也可以作為臨床數據研究的理論依據。

差异法就是從相同中尋找不同的因素,赢咖2這種不同的因素就有可能是引起醫學事件的原因。

例如有一人群患有心律失常,當應用傳統的抗心律失常藥物無效時,停藥後又改用胺碘酮,結果有部分患者不僅原有的心律失常未得到控制,卻又發生了扭轉性室速。同屬一組人群,在使用胺碘酮前和後可找出的不同因素正是胺碘酮,囙此,可以假設胺碘酮會引起扭轉性室速。據此,便可再作進一步的分析性研究。

協同法適用於在不同的時間、不同的空間或不同人口統計學的人群中的某些人出現了同一種醫學事件,就可以採用這一方法提出假設。例如調查食物中毒就可以使用這種方法。

共變法適用於某種醫學事件的發生頻率,隨著某種客觀因素的數量變動成正比地相應變動,這種數量變動的客觀因素就可能是引起醫學事件的原因。

轟動全世界的“反應停事件”就是通過這一方法提出假設的,研究者們巧妙地將相關年代反應停的市場銷售資訊與醫學事件聯系起來,繪出一個銷售總量與病例數的時間分佈曲線圖。

類比法是把原因不明的醫學事件和另一個十分清楚的客觀因素進行比較,如有相似之處,說明這種客觀因素可能就是引起醫學事件的原因。例如瑞氏綜合征(Reye’s syndrome)的研究中,有人發現水楊酸中毒的臨床和組織學改變很類似該綜合征,於是通過邏輯推理提出了假設。

藥企可以借助臨床數據對藥物不良反應進行主動性研究。首先確定使用本公司某種藥物的相關人群。對於人群中發生的任何相關的臨床現象進行聚類,按照診療的事件數據進行分。藥物不良反應的研究成果,一般以平臺或系統形式呈現。該平臺可以進行不良事件檢索、不良事件相關藥物檢索以及相關的不良事件組合檢索。

2.药物情报知识图谱

藥物行銷之前依靠醫藥代表,現在各個醫院對醫藥代表管理嚴格,各大藥企的藥物推廣更多的變更為專家型行銷管道,通過對醫生、患者的教育,使他們瞭解自己公司的產品,以知識的管道傳遞行銷思路。

現在的醫藥代表往往會手持一個pad,裡面有藥物的所有資料以及相關的臨床證據,甚至是一些醫藥有關的問答系統。這樣一個醫藥知識的檢索平臺或者說問答系統就可以利用知識圖譜科技進行構建。

針對藥企而言,在行銷方面醫療知識圖譜可以說是一個最直接的應用,針對藥物臨床、臨床前的學術檢索,也是知識圖譜的一大應用場景。

醫學知識圖譜構建科技歸納為五部分,即醫學知識的表示、抽取、融合、推理以及質量評估。赢咖2通過從大量的結構化或非結構化的醫學數據中選取出實體、關係、内容等知識圖譜的組成元素,選擇合理高效的管道存入知識庫。醫學知識融合對醫學知識庫內容進行消歧和連結,增强知識庫內部的邏輯性和表達能力,並通過人工或自動的管道為醫學知識圖譜更新舊知識或補充新知識。

知識圖譜的數據來源非常多樣,臨床數據只是知識圖譜數據來源的一個方面,下圖就表現了知識圖譜數據來源的多樣性。

赢咖2在实现方面,知识地图以知识库的形式提供了更多的服务,当然也可以扩展到问答机器人等商业应用。知识图谱可以提高企业内部医药企业的营销水平,帮助营销人员更好的推广产品。知识地图是一套知识库系统,通过出售账户获取年费来实现。

发表评论

电子邮件地址不会被公开。 必填项已用*标注