▎药明康德/报道
科学改变生活，创新塑造未来。在药明康德全球论坛上，塔夫茨大学医学院教授、塔夫茨药物开发研究中心主任Kenneth Kaitin教授对话来自Maze Therapeutics、Lux Capital、Aetion、Mayo Clinic Platform、阿斯利康（AstraZeneca）的多位行业领袖，就真实世界证据，医疗大数据，远程数字医疗等这些新兴技术将如何在接下来的十年里快速改变行业的面貌进行了热烈的讨论和交流。
现在哪些前沿技术正在改变药物开发和患者获得治疗的过程？
Kenneth Kaitin教授:科技的发展可以帮助我们开发出让患者负担得起的药物，总体上降低医疗保健成本。请每位嘉宾分享一下，你们的公司内部正在使用的一些前沿技术，将如何既改变产品的开发方式，又改变患者获得所需药物的整个过程？关于未来，你们最兴奋的是什么？
Carolyn Magill女士：Aetion的一个技术平台可以转换真实世界的数据。在受控环境（例如临床试验）之外，所收集的任何临床数据，都可以转化为达到“监管级”，便于我们做决策的证据。通过引入透明度和一定的整合能力，我们有足够的信心来控制混杂变量，了解临床干预对患者会产生怎样的影响。这有助于我们根据治疗的效果和治疗的人群，决定治疗的费用。此外，我们也会对不同亚组的人群有更具体的了解。
我曾经领导过Medicare和Medicaid健康计划，与患有多种慢性病的病患频繁接触。通常情况下，如果你年龄大于65岁，患有糖尿病，并患有充血性心力衰竭或慢阻肺病（COPD），就往往会被排除在临床试验之外。当我在帮助这些患者管理他们的健康计划时，我不会向药剂师和医生确认使用的药物对不对，也不会追究他们是否会因为住院、急诊或医疗质量下降等情况而使用了错误的药物。相反，我们会帮助他们控制症状，做一些远超出健康管理范畴的事。
在这些工作上，我最兴奋的，是我的同事们为促进采用真实世界证据和决策，做出了出色的工作。当患者需要临床治疗时，我们能更准确地为他们提供合适有效的方案。每名患者都有不同的生活目标。有人希望活得更久，有人希望在活着的时候能够做一些事。这都是我们在考虑真实世界证据的时候，应当考量的内容。它们反映了我们如何过自己的生活。
▲Carolyn Magill女士
John Halamka先生：在梅奥诊所，在数十年的医疗服务期间，我们收集了3PB（2的50次方字节）的患者数据。我们有2500万张病理切片，100万个基因组。我们要如何应用过去治疗患者的经验，以确保实现他们未来的目标？我们要如何以符合伦理的方式保护患者的隐私？
我们与Inference的合作能让我们把数据“去身份化”，并储存在安全的双云端平台。医药行业能在前端访问数据，了解关于药物发现的信息，研究临床试验的数据。而这些数据都不会离开安全的储存平台。这是一类全新的创新模式。我们在加速治愈疾病的同时，还可以确保患者对分享自己的数据感觉良好。这是一个非常令人兴奋的想法。
另外，梅奥诊所平台开始关注如何把合适的药物送到患者，甚至是那些急性疾病患者的家中。医药数据的远程传输要怎么做，供应链长什么样子，又需要怎样的人员配备？我们又能怎样通过可穿戴设备、物联网或家用设备监测患者的健康？如果你看到严重的问题，要怎么进行干预？这些是梅奥诊所平台目前正在做的事情。
Jason Coloma博士：我们在新药研发价值链的上游，专注发现和开发药物。我们的目标是回顾过去的痛点：为什么从发现靶点到开发出药物需要花的时间？为什么需要超过20亿美元才能实现这一点？为什么我们的失败率高达85％？
在Third Rock时，我们将“如何提高研发产率”作为一个重要问题。为了解决这个问题，我们也选择了一个特定的角度：如何将人类遗传学信息转化为有趣的药物研发项目。最近，Mark McCarthy博士与其他人联合撰写了一篇有趣的综述文章，叫做“人类疾病遗传学简史”（A brief history of human disease genetics），描述了这些年来的发现。整合不同的基因组测序结果，我们发现4000多种基因与单基因疾病有关，60000多种遗传变异与数千种人类疾病相关。但是，我们如何将这些信息和洞见转化为新药研发项目？这是我们建立Maze Therapeutics时想要回答的根本性问题。
从技术的角度上看，CRISPR基因编辑，单细胞基因测序技术让我们感到兴奋。但更重要的是，如何在特定的患者群体里应用这些技术，更好地理解靶点和与靶点有关的生物学进程。这些信息能让我们开发出更好的药物。
Zavain Dar先生：我是Lux Capital的合伙人，我们是一家专注早期深度技术的风险投资公司。从纳米技术到生物技术，从太空飞船到无人驾驶汽车，我们都有关注。我个人是计算机科学出身，过去我也将数据科学和计算技术引入到很多不同的领域。我认为技术将从根本上改变医疗健康行业。
临床前的药物方向让我感到兴奋。我们投资了不少应用机器学习和数据科学的公司。十年以后，科学依旧会是我们谈论的重心，而数据科学则会成为我们进行科学研究的基础和媒介。
▲Zavain Dar先生
王磊先生：我们可能是这场专题讨论中唯一一家医药公司。阿斯利康过去一直专注医药创新，但我们不想只专注于产品销售。我们希望成为一个真正的平台公司，涵盖从筛查、教育、预防、早期诊断、到标准化治疗的各个方面。在中国，医生是一种稀缺资源，每个病人看病只有五分钟，也缺乏治疗后的康复跟进。因此，我们希望专注于整个患者就诊过程，并提供整体解决方案。
在很多国家，诊疗往往有两个极端。在大医院里，存在过度诊断和过度治疗的现象。而在偏远的基层，诊疗却有很大的不足。很多人不会预约年度体检，甚至有很多人不会去做透析而病死在家中。所以在发达地区，有非常西方化的诊疗体系。而在偏远而未充分发展的地区，诊疗体系也没有跟上。
所以我们会协助管理患者诊疗的全过程，提供整体的解决方案，而不是仅仅推销阿斯利康的产品。我们将技术整合其中，只要有效，只要能造福患者，我们都会采用。
目前，我们有14种疾病解决方案，最著名的一个可能是雾化中心。我们在中国有15000个雾化中心，每年都进行迭代升级。如果流感季到来，我们可以为每位流感患者提供独立的喷雾治疗。
我们还建立了糖尿病中心，在一个房间中配备将近10个不同的诊断测试设备。这样，患者就不用去不同的科室看10位医生。我们进行了一项简单的创新，让患者一次接受所有测试。这可以推广到全中国。我认为使患者实用、易用、有用的方法能让为患者带来切身的好处和便利，这是最重要的。
真实世界证据和人工智能的影响
Kenneth Kaitin教授：, Elias Zerhouni博士担任美国国立卫生研究院（National Institutes of Health）主任并启动“临床转化科学奖”（ Clinical and Translational Science Award, CTSA）计划，该奖项现已授予美国约65个医学研究机构。请问Carolyn，John和Leon，如何看待真实世界证据？新药临床交付方面的工作如何帮助Jason和Zavain做出更好的投资决策？
▲Kenneth Kaitin教授
John Halamka先生：CTSA推行时，我正在哈佛大学开发一个名为i2b2的开源工具，该工具能将实验室中的信息集成到临床。想象一下，您正在寻找一个新的靶点，在寻找副作用，药物警戒性，然后发现Vioxx（药明康德内容团队注：该药物已被撤回）居然与中风和心脏病之间存在联系！
i2b2使您能够查询所有哈佛相关医院的数据问题，而无需伦理审查委员会（Institutional Review Board, IRB）和人类受试者的额外批准。因为您要做的只是向数据集提出问题并获取信息。在分发药物后，我们可以对药物进行监控。将有关的问题发送给数据库，更容易让我们实现协作。
Carolyn Magill女士：我会从几个方面来考虑。一是患者如何服用您正在开发的药物。在临床试验中，会有人提醒我们服用药物。一旦药品上市后，就没有人提醒我该怎么做，因为要照顾家人，我会忘记吃药，或者是给药方式太复杂，我无法遵循它，再或者我买不起药物。这些事情开始对药物的功效，以及起初开发这些药物想解决的需求产生了影响。因此，思考我们每天经历的事情，以及这些事情将如何影响药物的安全性、有效性，在我们测试开发药物的过程中是非常关键的。
John Halamka先生：在医疗健康行业，最复杂的是我们个体。我们是复杂的碳水化合物与血液组成的复合体，标准化的方法会很让人期待，比如我们可以让（不同人的）DNA变得可查询。你或许不知道你在查找什么，但至少我们可以将数据本身，以及它的访问或查询标准化。
在基础研究，实验室到临床，临床试验设计方面，尤其1期临床、2期临床、3期临床之间，我们需要形成闭环。其中，我们可以集中研究人类生物学或化学的特定问题，要么根据临床试验对靶点有更好的理解，要么发现一些全新的东西。当然，医药健康生态圈的范围太过广泛。要看到这个闭环，我们还需要很长的时间。
▲John Halamka先生
王磊先生：从投资的角度来说，我认为AI的应用可以催生许多非常有创新能力的公司。例如，最近我们向中国的偏远地区派出装在卡车上的可移动CT扫描仪，然而当地没有足够好的医生来阅读机器产生的病理学图像。即便将这些图像传到城市里好医生那里，他们也没有精力在连续工作数小时之后保持高度的辨识能力，因此我们需要能够分析这些图像的人工智能系统。
另一个例子是内窥镜筛查的改进。中国是胃癌高发国家，很多早期胃癌可以通过手术治疗。然而通过内窥镜筛查患者的能力在中国的县乡级医生中非常缺乏。我们理解到一家内窥镜公司，它们的产品可以通过AI来识别30多种不同的胃病，这一技术有望应用于胃癌的早期筛查。
第三，中国有很多基层医生缺乏良好的培训。AI可以通过不断的学习和积累，获得治疗专科疾病的只是，然后这些AI系统可以用来培训基层医生，提高他们对专科疾病的诊疗能力，让更多患者在基层水平就能够得到诊治，而不是堵在去往专科医生的路上。
▲王磊先生
可以用到AI的地方还很多，比如很多像哮喘，COPD，心脏病等疾病，患者的声音可能是标志疾病进展的线索，将大量的声音数据存在数据库中并且对它们进行分析，可能帮助预防未来的疾病发作。在老龄化的社会里，如果机器人可以照顾老人和慢性病患者，并且能够回答至少90%的问题，这将节省护士和医生的很多时间。
另外，还有很多疾病可以通过声音识别，例如哮喘、慢阻肺、心脏病，如果您可以将这些声音录入到大型数据库中，在临床试验中，我们或许可以预测心梗发作和心脏病复发，最终起到预防作用。而且，中国社会的老龄化现象越来越严重，如果机器人可以真正照顾老年人和慢性病患者，并且能够回答至少90％的问题，这将节省护士和医生的时间，让他们能做一些更有价值的事情。
前沿科技如何降低新药开发成本
Kenneth Kaitin教授: 根据我们的研究，新药开发成本之所以不断上升，最主要的原因是药物开发的成功率从前的大约22.5%下降到了11.8%左右。这是导致医疗健康成本上升最主要的原因。那么，现在出现的新兴科技（包括AI，真实世界数据分析等）能否改善药物开发和临床试验的成功率？或者我们需要做些什么才能提高这种成功率？
Jason Coloma博士: 多项研究表明，如果药物开发的靶点得到了人类遗传学研究的认证，那么靶向这些靶点的药物获批的成功率会提高两倍。对于我来说，这意味着很多临床试验失败的原因，是因为我们没有真正了解靶点。
那么，我们能够使用不同的技术和科技来改变这个情况么？我认为虽然现在还处于初级阶段，但是很多深挖人类基因组的研究已经开始获得成果。
CRISPR筛选技术可以通过大规模地敲除基因来确定基因之间的相互作用和疾病之间的联系。单细胞测序技术可以在细胞层面分析细胞之间的相互作用，以及这些互动和疾病之间的关系。
用一个棒球的比喻，我们还处在比赛的第一局。当我们能够大规模地使用这些技术，积累大量不同的数据库，然后应用不同数据科学工具对这些数据库进行分析的时候，我们才能够对药物研发的效率产生显著的影响。
▲Jason Coloma博士
Carolyn Magill女士: 我想接着这个聊一聊。今天，很多改善药物研发的科技工具已经触手可及，例如，当我们考虑开发罕见病药物时，可以使用真实世界数据来构建对照组。
又比如，通过以一致的方式收集的医保数据和电子病例数据，我们可以分析找出哪些患者真正需要参加到特定的临床试验。
实际上，FDA在一项名为"Duplicate"的三年研究中正在使用我们的平台，试图了解我们可以使用真实世界数据补充甚至替代临床试验的程度，尤其是对于药物安全性和上市后的研究，我们拥有大量可用的数据，并且分析数据的方法已经进步了很多。
John Halamka先生: 我想要补充一点。数据不但包括临床期数据，还包括临床前的科学研究数据。每天都有20000篇文章发表，人类的认知能力已经无法赶上新的科学研究发布的速度。Inference公司的平台每天都会挖掘已发表的文献，当你有一个药物靶点时，它可以给出所有表明它是个好靶点还是个坏靶点的科学论文，并将其与不断更新的患者数据结合起来。通过这个平台，可以避免浪费大量的临床试验时间和费用。
Kenneth Kaitin教授: 太好了，感谢大家的精彩讨论。
