中文

Reuters Brand Features is a paid for, custom created solution which allows brands to share their story with their target audience on Reuters.com. This content is produced independently of Reuters Editorial News. Content is researched, developed, and designed by Reuters Solutions, in partnership with the Commercial Advertising Department for Reuters.com. Brands may also use their own content within this feature. To create Reuters Brand Features, please email us at http://sales.reuters.com/.

English Deutsch 日本語 中文
DC专题小组就大数据ࠊ分析学和个性化医疗的未来进行了帷论

对于近期一些参加美国国会专题小组讨论的人来说,将患者数据和人口数据转化为实践意义上的治疗方案的想法听起来可能有如科幻小说。但 Oracle 健康科学医疗的创新引领者、退伍军人医学中心内科医生、传染病专家 Summerpal Kahlon 博士表示:“我认为我们早已走到了这一步。”

Kahlon 及其他专题小组成员在“行业交叉:推动精准医疗的发展”主题座谈中指出,许多形式的数据可被用来解锁精准医疗—即针对特定群体甚至特定个人的治疗方案。精准医疗面临的挑战在于如何通过正确的方式汇集所有必要的数据,并在此基础上分析病情,进而制定个性化的治疗来改善患者疗效。

诸如基因组学、EHR、人口健康分析和患者可穿戴设备等新领域和新技术所提供的数据,可开辟新的方法来了解疾病、分析患者个体的生活规律以及生活方式对治疗效果的影响。

然而,在所有关于精准医疗的新科学和创新发现中,“我们在这个过程中缺乏沟通和协调,”Kahlon 说道,“我们已经步入超专门化、高度分散的医疗环境。” 
不同的医疗服务提供者之间沟通不畅,“所以现在得由患者个人来判断如何协调自己接受的医疗服务并促成数据的有效运转。”

在这种环境下,医疗保健行业如何才能在整合零散数据的基础上制定出更好的个性化疗法、如何才能通过创新路径和患者更高的自主性来产生更好的疗效?这些是 Oracle、 Intel 和 Pfizer 组成的专题小组所讨论的中心议题。以下是医学专家、业界领导者、政府官员和政策制定者分享的一些见解和答案:

数据反映整体情况

随着EHR、基因组学患者监测设备等新技术的出现,现在收集的医疗保健数据比以往任何时候都多。“围绕单个患者,把发挥作用的部分组成一个整体, 以人为中心把数据联系在一起。”Kahlon 表示,“数据不仅是一个快照,还反映了一个人长久以来的整体健康状况。”但只有当临床医生可以获取并利用这些数据时,数据才会发挥其作用。

基因组学是个性化医疗的关键推手,因为它提供了个人的 DNA 信息。患者的基因组学信息可以帮助识别疾病的危险因素,并在此基础上分析哪种治疗手段能让患者获益最大。迄今为止,基因组学也是大数据难题中最大、最难处理的部分。 “基因组学的大数据增加了前所未有的复杂性。”Intel 全球健康和劳动力政策主任 Alice Borelli 说道,“仅从几个方面来看看它的规模有多大吧 - 全球每年有 1400 万名患者被诊断出癌症 - 如果我们对这些患者的基因进行测序,将产生 5.6 艾字节的数据。” 这比把全人类说过的每一个字都转化成文本形式所产生的数据量还要大的多。

随着医疗服务方式的不断发展,医疗卫生系统必须研发更好的工具,来识别和利用与疾病相一致且对治疗方案有指导意义的基因标签。重要的是找到将大量基因组数据整合到临床医疗系统中的方法,使个性化医疗能更广泛地应用到临床医生的实践和不同的培训实践中。 不管在哪种医疗护理情况下,这种患者信息的集合都能对单个或特定群组进行精准的、针对性的医疗护理。

Borelli 指出:“为了从根本上推动精准医疗的发展,我们需要通过个性化方案为患者提供护理。”

分享财富(数据)

为了实现精准医疗,患者的临床医生和人口健康信息的分析人员需从众多系统和提供者那里获取数据。医疗保健数据大规模分享的阻碍因素包括信息碎片化,信息孤岛,以及传输、存储和汇集大量数据方面的难题。根据 Intel 首席医疗官约翰·索托斯(John Sotos)的说法,分享医疗数据最大的隐忧就是信任。数据系统必须是值得信任的:病人得相信医生会妥善处理他们的个人资料,医生得相信共享数据时他们所做的工作是被信任的。

根据 Pfizer 临床创新主任 Craig Lipset 的说法,许多患者也渴望分享可穿戴设备和其它监控设备上的数据,这些数据被寄予厚望。 他说:“当患者获得自己的健康数据,并对分享其数据抱有信任感,这将成为医疗发展中最具变革性的工具之一。”

为了创造和维持相互信任的环境,Sotos 设想了联合数据共享模型来取代集中式模型 - 在网络边界的收集点进行数据分析,而不是将数据发送到中心位置。“如果我把数据发送到另一个位置,我就失去了对它的控制权,”Sotos 说,“但如果我把数据保存在这里,我就拥有完全且唯一的控制权。”

Intel 美洲健康与生命科学解决方案总经理 Yentram Huyen 表示,联合分析模型能确保快速访问数据。“因为你可以将数据保存在本地,所以数据无法四处游移,”Huyen 说,“从本质上来说,就是将疑问发送到该数据库,然后进行适当的计算——这样可以保护海量数据的移动问题和信任问题。”

Huenen 认为,联合数据分析模型将加快医疗新发现的速度。“实现这种联合并获得 FDA批准后,你可以让创新方案顺利进入制药公司,从而更快地到达医生手中。”

反映整体情况

Oracle 和 Intel 在医疗保健解决方案方面已经合作了二十年,致力于对海量复杂的医疗保健数据进行高性能分析。Oracle 医疗保健基金会为医疗机构提供数据解决方案,反映了其始终致力于通过优化系统协同来支持复杂的数据分析。“我们正在尝试将数据汇集在一起​​并建立一个生态系统,以此来促进所有类型的医疗保健数据的整合--无论是从可穿戴设备、临床上获取的数据还是通过基因组检测所收集的数据。” Oracle健康科学的业务发展和战略总监 Sean Sigmon 表示,“通过合作,我们可以优化系统的设计方式,从而加快数据收集和分析过程。” 这将带来什么结果?临床医生和护理人员可以利用比以往任何时候都更多的数据。

“以人为本,”Kahlon 说道,“这是反映人们及其整体情况的数据,目的是为所有人提供更好的访问和更好的疗效。”

查看视频亮点和专题小组讨论活动全程,“行业联动:推动精准医疗的发展” 点击此处