醫療臨床數據就像一塊掩埋在深山中的寶藏,雖然山中有金礦,但是假如沒有良好的開采設備,大片金礦也只能是草芥不生的戈壁。臨床大數據無論是對于藥企、醫療服務提供者還是醫療支付方以及患者都有巨大的作用。但是現在由于數據密度低,數據處于孤島狀態,并且大量數據沒有與病人長期隨訪相連接,所以并沒有被利用起來。
隨著醫療數據的空前增長,許多公司正在使用分析工具、人工智能和機器學習技術來獲得數據驅動的決策支持,以降低醫療成本,增強醫院收入流,開發個性化的藥物,并對病人護理進行管理。現在隨著更多付費方的進入,以及大數據應用在醫療層面以及推動更好的醫療效果的作用越來越明顯。我們可以看到新一代的掘金者們已經在登峰造極。
數據也佐證了這一點,根據BIS Research一份名為《全球醫療市場大數據分析與預測,2017-2025年》的報告顯示,醫療領域的大數據市場規模在2017年估計為142.5億美元,到2025年底預計將增長逾至687.5億美元。
哪些公司在醫療大數據領域取得了什么突破,在醫療大數據這座金礦上創新企業又是從哪些方向突破化解醫療大數據應用難題的。動脈網進行了盤點。
醫療大數據解決藥企剛需
醫療大數據市場能夠迎來如此大發展的原因,在于它能夠滿足多方面的要求。
對于藥企,來自患者的大量數據可以推動真實世界研究,解決藥企剛需。藥企在藥物上市后必須提交藥物安全性檢測數據,否則將會面臨退市風險。而真實世界研究可以滿足藥企的合規性要求。擴展藥物的可及性和市場容量。例如一種適用于末期癌癥患者的藥物。通過真實世界數據研究,證明藥物的有效性,可以把二線藥物變為一線藥物,一線藥推往更早期廣闊的市場,擴大藥品市場容量。
在新藥研發上,由于精準醫療和個性化醫療的發展。醫療大數據可以在為新藥研發提供方向。通過對真實世界數據的觀察性研究,可了解疾病的發病率、患病率、疾病負擔、并發癥、診治情況等,從而獲知目前亟待解決的重要臨床問題。此外,RWE還可能提供一些發病機制方面的線索,進而發現潛在的治療靶點。
大數據同樣可以解決患者招募問題。FDA通過的臨床試驗概率約為7%。大約有三分之一的III期臨床研究由于患者招募困難而終止。來自IQVIA的數據顯示,37%的臨床試驗站點患者招募不足。制藥企業或者CRO不能夠匹配合適的患者,隨著精準醫療和個性化醫療時代的到來,藥物的適用人群應該越來越少。
以各大藥企都必爭的腫瘤為例,隨著越來越多分子亞型的發現,各組患者人數不斷減少,傳統的RCT尋找合適的受試者入組變得愈發困難,同時隨著大量的抗腫瘤新藥的投入,評價新藥效果的需求越來越大。光是羅氏一家在2017年就有488個腫瘤試驗在進行中。
其次,FDA也在要求增加患者的多樣性,無論是臨床試驗中還是上市之后。經驗證明臨床試驗中匯集的患者越多樣化,產品往往更安全和高效。而在合適的范圍內找到足夠多的臨床試驗患者如果沒有大數據是相當不易的。以往的RCT對照試驗對患者有著嚴格的排除和納入標準,患者同質化嚴重。也讓很多患者無法接觸到臨床試驗。
在藥物上市后,大量的醫療大數據也可以幫助擴大藥物的使用范圍。在新藥研發中,只有不到千分之一的活性化合物能夠進入臨床Ⅰ期試驗,發現已有藥物的新作用可以說是一本萬利。但是以往藥企只能通過昂貴的RCT(臨床隨機對照研究)試驗經過漫長的時間去發現新的適應癥。注冊經費非常高,而且風險較大。在效果上,RCT是一種高度特殊化的場景,而真實世界研究經歷大量受試者和相當大的患者樣本的長期追蹤上,更關注具有臨床意義的結果測量。
值得一提的是近年來關于真實世界研究在中醫藥臨床研究中的應用也引起了人們關注。真實世界研究突破了以往隨機對照組試驗中要求簡單明確的干預措施、成功的對照措施和高度同質的研究人群。真實世界研究以患者為中心,評價指標上注重整體療效。更適合中醫的特點。
大量真實世界數據不僅可以解決藥企的剛需,同時真實世界數據達到證據級別后還可以解決醫生的科研需求,幫助醫生節省花在論文上的時間代價,還能得到更好的研究效果。對于醫院來說,應用場景更加豐富,讓醫院管理更加高效,服務更加人性。利用大數據可以評估醫療實踐過程。例如酒石酸長春瑞濱是一種治療肺癌和乳腺癌的化療藥物,有口服及靜脈注射兩種給藥途徑。通過比較和分析接受不同給藥途徑的患者,發現口服給藥可以大大縮短患者等待時間,提高化療中心的接診效率。
雖然醫療大數據是一座金礦,但是開發它也不是如此容易。在政策上,政策的出臺,往往是監管和推動并舉。2016年美國頒布《21世紀治療法案》中提出了兩個概念:RWD(real world data)和RWE(real world evidence)。對健康大數據達到醫學證據級別提出了要求。
健康大數據想要達到醫學證據級別,在數據相關性和可靠性達到一定程度。數據可追溯性同樣需要得到保證,其中還必須保證沒有侵犯隱私安全。
歐盟在2016年推出了最嚴格的數據保護條例《一般數據保護條例》(General Data Protection Regulation)。規定了個人數據處理的透明性、最少數據收集原則,并賦予數據主體隨時撤銷同意權、被遺忘權、可攜帶權等權利。
國外醫療大數據市場逐漸成熟
數據來源crunchbase 、cbinsight 動脈網制圖
通過總結可以發現國外許多公司主要為醫療服務提供者提供PaaS服務(平臺及服務)。將大量數據變為可用性數據后利用人工智能或機器學習提供輔助決策支持。除了創業公司,該領域同樣有很多巨頭涉足。
涉及該領域的大公司包括GE Healthcare、Truven Health Analytics、聯合健康集團、飛利浦 、 Premier,Inc、SAP、SAS、Siemens Healthineer、Tableau Software,Inc、 施樂、Verisk分析、Allscripts、Sparx IT Solutions、甲骨文等公司。而同國內市場一樣,腫瘤市場最為精準醫學發展較快的領域,創業公司最多。
腫瘤臨床公司近來崛起的原因在于,腫瘤的治療過程非常復雜。而數據可以改造這一流程,讓醫護人員好的治療方案變為可復制的模板而不是僅存于經驗范圍。
腫瘤大數據蘊含著巨大的價值。腫瘤病種具有多樣性,每一種器官都可能發生,EMR、數字化影像系統、組學數據等等都可以產生大量的數據。而腫瘤一向是藥企的重中之重。2017年,全球TOP25腫瘤藥合計實現銷售790億美元,來自IQVIA的報告預測:“2022年,全球腫瘤治療藥物市場將達到2000億美元,未來五年平均增長10-13%,到2022年美國市場將達到1000億美元,平均增長12-15% ?!?/p>
癌癥藥物的支出主要集中在少數幾種治療方法上,前35種藥物占總支出的80%,而一半以上的癌癥藥物的年銷售額不到9000萬美元。在過去10年里,新抗癌藥物的上市價格穩步上漲,2017年新抗癌藥物的年成本中值超過15萬美元,而2013年新抗癌藥物的年成本為7.9萬美元。
國外的創業公司主要有兩種商業模式,一是向醫療服務提供者和保險服務方收費。因為大數據提供的決策支持能夠帶來的更好的醫療結果和提高效率節約成本。隨著醫療保險未來更多地位價值和基于結果付費,醫療服務提供者和醫療服務支付者都面臨著越來越大的控費壓力。這類公司的客戶群也將越來越大。
第二種則是提供類似谷歌一樣的服務,例如Flatiron 、 Tempus。免費或者提供廉價的服務,然后通過后臺收集的數據中賺錢。而這些數據最大的付費方就是藥企。數據對于制藥公司有著巨大的價值,不過無論哪種商業模式,藥企都是潛在的巨大付費方。腫瘤癌癥護理費用逐年上升,全球癌癥藥物支出持續增長,治療和支持性護理支出在2017年達到1330億美元,而在2013年這一數字還是960億美元。
雖然大量的患者數據對于藥企銷售同樣有著付費潛力,但是國外目前這些數據公司尚未把數據價值往銷售端變現。目前它們主攻的問題是如何占有客戶尤其是在市場已經有眾多實力雄厚的巨頭進入,例如IBM沃森和GEhealth。
其二是如何在嚴監管的市場中,滿足合規性的要求。將真實世界數據變為真實世界證據,這還需要一定的時間。
毋庸置疑的是藥企必須要參與到其中。從以上盤點就可以看出例如羅氏這樣的制藥巨頭通過投資并購等方式已經看中了多個大數據公司。用大數據改造制藥流程同樣在國外也是FDA推動的政策風向。FDA局長Scott Gottlieb博士就在一次口頭報告中提出;“臨床試驗改革勢在必行,高效而現代的臨床試驗設計能夠加速新藥上市,如果你所做的是現代、循證、嚴格的事,就能確保極大的高效,并對FDA金標準帶來極大的保障。”目前為了推動臨床試驗改革,FDA已經出臺了多個指南進行指導。包括推薦EDC系統與和EHR系統互通、大部分癌癥臨床試驗中可不實用安慰劑對照。
其次隨著真實世界數據的應用。藥企依然依照傳統的研發傳統,將會面臨更大的風險。一旦腫瘤學家和其他利益相關者能夠精確地追蹤癌癥患者的治療過程。如果一種特定的治療方法實際上不起作用,或者似乎對(可能是分子定義的)一部分患者群體不起作用。藥物療效或者說相對療效能夠快速準確地確定。這可能會立即戳破制藥公司的故事,打擊它們的信念。
藥企吹噓的靈丹妙藥故事可能在真實世界數據面前黯然失色,藥企有沒有信心呢?來自埃森哲的一份報告就指出:最暢銷的top10藥物中,在服用了它們的患者中,那些藥物只在服藥的4%-25%的患者中起到作用。
因此,制藥公司有必要在上市前預測真實世界的療效,因為限制制藥公司商業化藥物的可能不再是FDA基于臨床試驗數據的審核,而是它是否能夠通過腫瘤臨床數據公司基于真實世界的驗證。
國內市場未來發力于將數據轉化為價值
數據來源:企查查 動脈網制圖
由于國內數字化健康起步較晚,國內很多企業解決數據采集問題。著力于通過統一的數據標準,將數據結構化。
在國內,政策以及資本市場對醫療大數據的發展都十分看好。國務院辦公廳在2016年發布促進和規范健康醫療大數據應用的“47號文”。健康大數據被列為國家重要的基礎性戰略資源,如同石油、電力般屬于國家管控資源。動脈網也曾報道過在2013-2015年之間,各地部門共頒布了58項與健康醫療大數據相關的政策。
在數據標準化方面,國家相繼發布了《電子病歷基本架構與數據標準》、《電子病歷共享文檔規范》等指導性文件。此外,不少醫院信息系統參與互聯互通成熟度測評,為日后的數據應用奠定基礎。
值得注意的是政策中明確也提到研究制定政府支持政策,從財稅、投資、創新等方面對健康醫療大數據應用發展給予必要支持。
在政策的支持上,國外的FDA花大力氣推動數據結構化和標準化。聯邦政府在過去十年中花費了超過280億美元來推行數字化電子健康記錄。而國內則尚未出臺統一的標準,而國內的政策涉及范圍更廣,除了推動數據共享和數據標準化問題外,還包括許多醫療大數據人才培養,和鼓勵引導國家資本、社會資本參與醫療大數據發展等。
在國內市場上醫療大數據公司雖然起步晚于國外公司,但是在整個產業鏈已經形成了上下游布局。有分析人士指出近半年來,國內醫療大數據領域融資項目不少,但目前國內應用現狀在數據挖掘分析及分析平臺搭建上的能力尚有距離。數據分析的平臺化能力較弱;更多集中在單一方向,多元化數據分析意圖的整合較少;價值呈現與價值流轉沒有形成生態循環。
而國內市場從專注于數據采集,按照估計行業發展趨勢,數據分析才是大數據的價值所在。IQVIA的預測報告顯示:在不同的大數據組件和服務中,分析服務占據市場主導地位,2017年的收入為58億美元,預計2017 - 2025年預測期間的復合年增長率將達到22.3%。
在實現數據價值化后,未來還將利用計算工具來幫助智能決策,實現能夠跟蹤患者信息并快速提供反饋的工具。而醫療大數據的主要付費方主要分為六個:消費者、企業、保險公司、政府、醫院以及藥企。
短期來看,保險公司和藥企的付費意愿醫院最強。都有代表企業開始嘗試大數據的應用。例如恒瑞醫藥、華領醫藥、天壇生物在內的中國醫藥和生物公司都已經與甲骨文在醫療大數據上展開合作。創業公司中,例如思派網絡已和9家一線外資醫藥企業在市場定位、分析藥物經濟學評價,遠程醫療,分級診療,智慧醫療等領域開展合作,并已形成規模收入。
我們認為,醫院、政府與企業對醫療大數據尤其是腫瘤大數據的需求還是明顯的,但現階段還比較保守。而國內的人工智能、深度學習、自然語言處理等技術也在持續發展中,國內各家醫療大數據公司也開始專注于不同的領域,漸漸拉開差距。在政策推動,資本看好形勢下,市場也將走向成熟。
附:國外醫療數據公司簡介
Health Catalyst
Health Catalyst是一家美國的醫療數據管理分析服務公司,它的業務包括幫助不同的醫療衛生機構分析、管理臨床、財務與運營數據,進而提高工作效率、減少衛生資源浪費以及促進醫療流程標準化。
HealthCatalyst還開發出了一系列新型分析應用程序,幫助不同的團隊識別最佳的實踐模式,對臨床、財務與運營進行必要的介入,篩選出具體、個性化的解決問題方案,優化臨床、財務與運營結果。
在以往,health catalyst 只負責收集數據,建立自己的大數據庫,但是后來health catalyst轉變為將結構化、標準化數據,讓它可以滿足不同使用者的需求。
在今年7月,其收購了medcity,擴展其在醫療大數據領域的領導地位。Health Catalyst增加了100多家個客戶資源基礎,在之前其客戶包括21個州和地區的雇主、健康計劃、75個衛生系統,包括1000多家醫院和超過18.5萬名醫師組和擴展醫療設施的提供者,支持超過7500萬患者。合并后的公司將致力于解決大型醫療配送網絡中許多最緊迫的問題,因為它們正尋求提高質量,降低社區患者護理成本。
Flatiron health
Flatiron Health是一家醫療保健技術公司,它開發的軟件將社區腫瘤學家、學者、醫院、生命科學研究人員和監管機構連接在一個共享的技術平臺上。
旗下主要產品Flatiron平臺,一個基于網絡的業務和臨床信息數據平臺,整合和結構不同的患者人群的信息系統生成患者視圖,提供了商業智能分析,資源利用率、營銷、治療模式,網絡管理,和研究和臨床試驗,并允許癌癥護理提供者和生命科學公司跟蹤指標相關的癌癥治療,在合規的情況下管理癌癥患者的依從性。并對他們的數據提出定制問題。
Flatiron Health還提供OncoCloud,一套軟件和服務,OncoEMR,為癌癥護理提供者提供癌癥護理模型工具。也就說能夠為醫護人員智能生成護理推薦的癌癥護理模型供醫護人員選擇。
OncoBilling,一個集成了OncoEMR集成,OncoAnalytics的實踐管理系統。包含表面可操作的儀表板設計數據洞察力。OncoTrials,為社區腫瘤試驗管理腫瘤臨床試驗項目的工具平臺。此外,該公司還為生命科學的腫瘤學研究提供了一個現實真實世界的證據平臺,為學術醫療中心和醫院提供了一個電子健康記錄(EHR)數據平臺。
Flatiron Health為美國的醫院、醫生和病人提供服務。它與美國國家癌癥研究所(National Cancer Institute)進行了戰略合作,以探索如何將從在護理點采集的失認患者數據中提取的真實證據用于臨床試驗設計和前瞻性研究。此前,它曾獲得Googl、羅氏等投資,在2018年2月,它被目前被羅氏以21億美元的總價收購。
Redox通過一個全方位服務的集成平臺加速了醫療軟件解決方案的開發和發布,以安全和高效地交換數據。建立醫療IT人員和醫療系統之間無縫互操作性的行業標準平臺。
通常,跨系統共享患者數據是一個復雜、手動和耗時的過程。Redox由前Epic Systems 的玩工程師于2014年創建,Redox通過連接到現有的健康系統基礎設施,與所有主要的EHR系統集成,通過消除對系統差異的考慮和配置需求,顯著減少了實現時間。該API平臺還允許應用程序將患者數據推入和拉出EHR,創建一個擴展的、綜合的患者健康記錄。因此,Redox客戶體驗到較少的干擾,看到了患者護理效益的連續性,并實現了更快的投資回報。
到目前為止,超過120個應用程序使用Redox的集成平臺,包括護理協調、遠程健康、藥物堅持、患者參與、慢性護理和疾病管理解決方案。在過去的一年里,氧化還原網絡顯著增長,每天處理超過60萬條臨床信息。
該公司CEO說到,雖然現在有一些臨床數據標準化的政策和規范在推行,但是我認為利用我們的系統,我們的客戶可以不用再等待那么長時間。
Syapse
Syapse與衛生系統合作,在醫院和護理機構中實施精確的醫學計劃,使腫瘤醫師和護士能夠向每一個需要它的病人提供個性化的治療。
Syapse公司開發了一個精確醫療軟件平臺,使學術和社區醫療保健提供者能夠實施和擴展精確醫療項目。Syapse Precision醫學平臺,能夠抓取臨床數據、基因組和其他分子數據、生物醫學知識以及集成這些數據間的關系,并整合復雜的基因組和臨床數據,為臨床醫生提供決策支持,可以實現診斷、治療和患者隨訪。
Syapse腫瘤學應用,它為腫瘤醫生提供基于患者臨床病史的分子輪廓數據的治療方案建議。Syapse PGx則是一種應用能夠讓臨床醫生通過EMR訂購藥物時,使醫療機構能夠將藥物基因組學知識納入常規臨床工作流程。
Syapse相當于是精準醫療下的解決方案平臺,以往癌癥治療患者需要進行各種檢查,浪費大量時間,延誤治療時機,而Syapse則是使用生物學標記物和遺傳學來為患者定制解決方案。Syapse的團隊設計的是一種協作生態,可以讓醫護人員在掌握完備的患者信息的基礎上進行治療決策。
Syapse最近與制藥公司Roche合作,為醫療保健提供商開發新的軟件和分析解決方案,以便他們可以大規模地實施精準醫療。
Oncology
腫瘤學分析公司(Oncology)為健康計劃提供基于證據的、技術驅動的使用管理方法。專注于腫瘤學。
被醫生用來支持超過250萬健康計劃成員在美國和波多黎各, Oncology 的e-Prior授權平臺每天更新準確反映超過6000抗癌治療腫瘤治療方案在所有癌癥類型和階段,包括化療、放療、精密藥、靶向治療和支持性護理。
腫瘤分析公司提供腫瘤病人管理解決方案。其腫瘤管理服務包括事先授權服務;臨床決策支持、醫師教育和專家同行評審服務;腫瘤網絡評估與優化咨詢;以及性能報告和分析服務。該公司提供MATIS,這是一款臨床決策支持軟件,適用于美國和波多黎各的醫療計劃和供應商,增強了基于證據的腫瘤學分析方法,用于評估癌癥治療和福利管理。
GNS health
GNS health專注于推進和應用工業規模的數據分析,以授權關鍵的衛生保健利益相關者解決復雜的護理、治療和成本挑戰。GNS health的團隊包括物理學家、精算師、遺傳學家、工程師、商業人士和計算機科學家組成的多學科團體,熱衷于提取醫療保健領域的工作原理和服務對象的證據。GNS health開發了機器學習和數據分析技術,旨在通過計算機建模改善醫療保健治療和實踐。
該公司負責人表示:制藥企業相信GNS技術可能有助于提高藥物研發效率。因為來自GNS health的分析方法可以分析無窮趨近的病人相關數據以及他們的疾病狀況,包括基因測序信息和健康記錄,生物信息和?,F有療法的成功和失敗之處,以及藥物測試的相關數據。
GNS health提供的基于機器學習和人工智能的分析工具,可以讓制藥公司更快、更準確地測試一種特定藥物的多個版本,比如用于多發性硬化的版本,從而找到最適合單個患者的藥物。
該公司CEO說:“我們現在可以在一個新病人身上模擬多發性硬化藥物3號和5號和8號對這個病人的臨床結果的影響,甚至是對這個病人的治療總成本的影響。”目前GNS health和羅氏展開合作。
-
醫療
+關注
關注
8文章
1822瀏覽量
58739 -
機器學習
+關注
關注
66文章
8408瀏覽量
132568 -
大數據
+關注
關注
64文章
8882瀏覽量
137403
原文標題:國內外腫瘤大數據公司盤點:誰能解決藥企痛點?
文章出處:【微信號:tyutcsplab,微信公眾號:智能感知與物聯網技術研究所】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論