首页>>登录,我要注册

肿瘤

国内外肿瘤大数据公司盘点:谁能解决药企痛点

作者:MedSci 来源:MedSci 梅斯 日期:2018-09-03
导读

医疗临床数据就像一块掩埋在深山中的宝藏,虽然山中有金矿,但是假如没有良好的开采设备,大片金矿也只能是草芥不生的戈壁。临床大数据无论是对于药企、医疗服务提供者还是医疗支付方以及患者都有巨大的作用。但是现在由于数据密度低,数据处于孤岛状态,并且大量数据没有与病人长期随访相连接,所以并没有被利用起来。

关键字: 肿瘤 | | 大数据 | |

医疗临床数据就像一块掩埋在深山中的宝藏,虽然山中有金矿,但是假如没有良好的开采设备,大片金矿也只能是草芥不生的戈壁。临床大数据无论是对于药企、医疗服务提供者还是医疗支付方以及患者都有巨大的作用。但是现在由于数据密度低,数据处于孤岛状态,并且大量数据没有与病人长期随访相连接,所以并没有被利用起来。

随着医疗数据的空前增长,许多公司正在使用分析工具、人工智能和机器学习技术来获得数据驱动的决策支持,以降低医疗成本,增强医院收入流,开发个性化的药物,并对病人护理进行管理。现在随着更多付费方的进入,以及大数据应用在医疗层面以及推动更好的医疗效果的作用越来越明显。我们可以看到新一代的掘金者们已经在登峰造极。

数据也佐证了这一点,根据BIS Research一份名为《全球医疗市场大数据分析与预测,2017-2025年》的报告显示,医疗领域的大数据市场规模在2017年估计为142.5亿美元,到2025年底预计将增长逾至687.5亿美元。

哪些公司在医疗大数据领域取得了什么突破,在医疗大数据这座金矿上创新企业又是从哪些方向突破化解医疗大数据应用难题的。动脉网进行了盘点。

医疗大数据解决药企刚需

医疗大数据市场能够迎来如此大发展的原因,在于它能够满足多方面的要求。

对于药企,来自患者的大量数据可以推动真实世界研究,解决药企刚需。药企在药物上市后必须提交药物安全性检测数据,否则将会面临退市风险。而真实世界研究可以满足药企的合规性要求。扩展药物的可及性和市场容量。例如一种适用于末期癌症患者的药物。通过真实世界数据研究,证明药物的有效性,可以把二线药物变为一线药物,一线药推往更早期广阔的市场,扩大药品市场容量。

在新药研发上,由于精准医疗和个性化医疗的发展。医疗大数据可以在为新药研发提供方向。通过对真实世界数据的观察性研究,可了解疾病的发病率、患病率、疾病负担、并发症、诊治情况等,从而获知目前亟待解决的重要临床问题。此外,RWE还可能提供一些发病机制方面的线索,进而发现潜在的治疗靶点。

大数据同样可以解决患者招募问题。FDA通过的临床试验概率约为7%。大约有三分之一的III期临床研究由于患者招募困难而终止。来自IQVIA的数据显示,37%的临床试验站点患者招募不足。制药企业或者CRO不能够匹配合适的患者,随着精准医疗和个性化医疗时代的到来,药物的适用人群应该越来越少。

以各大药企都必争的肿瘤为例,随着越来越多分子亚型的发现,各组患者人数不断减少,传统的RCT寻找合适的受试者入组变得愈发困难,同时随着大量的抗肿瘤新药的投入,评价新药效果的需求越来越大。光是罗氏一家在2017年就有488个肿瘤试验在进行中。

其次,FDA也在要求增加患者的多样性,无论是临床试验中还是上市之后。经验证明临床试验中汇集的患者越多样化,产品往往更安全和高效。而在合适的范围内找到足够多的临床试验患者如果没有大数据是相当不易的。以往的RCT对照试验对患者有着严格的排除和纳入标准,患者同质化严重。也让很多患者无法接触到临床试验。

在药物上市后,大量的医疗大数据也可以帮助扩大药物的使用范围。在新药研发中,只有不到千分之一的活性化合物能够进入临床Ⅰ期试验,发现已有药物的新作用可以说是一本万利。但是以往药企只能通过昂贵的RCT(临床随机对照研究)试验经过漫长的时间去发现新的适应症。注册经费非常高,而且风险较大。在效果上,RCT是一种高度特殊化的场景,而真实世界研究经历大量受试者和相当大的患者样本的长期追踪上,更关注具有临床意义的结果测量。

值得一提的是近年来关于真实世界研究在中医药临床研究中的应用也引起了人们关注。真实世界研究突破了以往随机对照组试验中要求简单明确的干预措施、成功的对照措施和高度同质的研究人群。真实世界研究以患者为中心,评价指标上注重整体疗效。更适合中医的特点。

大量真实世界数据不仅可以解决药企的刚需,同时真实世界数据达到证据级别后还可以解决医生的科研需求,帮助医生节省花在论文上的时间代价,还能得到更好的研究效果。对于医院来说,应用场景更加丰富,让医院管理更加高效,服务更加人性。利用大数据可以评估医疗实践过程。例如酒石酸长春瑞滨是一种治疗肺癌和乳腺癌的化疗药物,有口服及静脉注射两种给药途径。通过比较和分析接受不同给药途径的患者,发现口服给药可以大大缩短患者等待时间,提高化疗中心的接诊效率。

虽然医疗大数据是一座金矿,但是开发它也不是如此容易。在政策上,政策的出台,往往是监管和推动并举。2016年美国颁布《21世纪治疗法案》中提出了两个概念:RWD(real world data)和RWE(real world evidence)。对健康大数据达到医学证据级别提出了要求。

健康大数据想要达到医学证据级别,在数据相关性和可靠性达到一定程度。数据可追溯性同样需要得到保证,其中还必须保证没有侵犯隐私安全。

欧盟在2016年推出了最严格的数据保护条例《一般数据保护条例》(General Data Protection Regulation)。规定了个人数据处理的透明性、最少数据收集原则,并赋予数据主体随时撤销同意权、被遗忘权、可携带权等权利。

国外医疗大数据市场逐渐成熟

通过总结可以发现国外许多公司主要为医疗服务提供者提供PaaS服务(平台及服务)。将大量数据变为可用性数据后利用人工智能或机器学习提供辅助决策支持。除了创业公司,该领域同样有很多巨头涉足。

涉及该领域的大公司包括GE Healthcare、Truven Health Analytics、联合健康集团、飞利浦 、 Premier,Inc、SAP、SAS、Siemens Healthineer、Tableau Software,Inc、 施乐、Verisk分析、Allscripts、Sparx IT Solutions、甲骨文等公司。而同国内市场一样,肿瘤市场最为精准医学发展较快的领域,创业公司最多。

肿瘤临床公司近来崛起的原因在于,肿瘤的治疗过程非常复杂。而数据可以改造这一流程,让医护人员好的治疗方案变为可复制的模板而不是仅存于经验范围。

肿瘤大数据蕴含着巨大的价值。肿瘤病种具有多样性,每一种器官都可能发生,EMR、数字化影像系统、组学数据等等都可以产生大量的数据。而肿瘤一向是药企的重中之重。2017年,全球TOP25肿瘤药合计实现销售790亿美元,来自IQVIA的报告预测:“2022年,全球肿瘤治疗药物市场将达到2000亿美元,未来五年平均增长10-13%,到2022年美国市场将达到1000亿美元,平均增长12-15% 。”

癌症药物的支出主要集中在少数几种治疗方法上,前35种药物占总支出的80%,而一半以上的癌症药物的年销售额不到9000万美元。在过去10年里,新抗癌药物的上市价格稳步上涨,2017年新抗癌药物的年成本中值超过15万美元,而2013年新抗癌药物的年成本为7.9万美元。

国外的创业公司主要有两种商业模式,一是向医疗服务提供者和保险服务方收费。因为大数据提供的决策支持能够带来的更好的医疗结果和提高效率节约成本。随着医疗保险未来更多地位价值和基于结果付费,医疗服务提供者和医疗服务支付者都面临着越来越大的控费压力。这类公司的客户群也将越来越大。

第二种则是提供类似谷歌一样的服务,例如Flatiron 、 Tempus。免费或者提供廉价的服务,然后通过后台收集的数据中赚钱。而这些数据最大的付费方就是药企。数据对于制药公司有着巨大的价值,不过无论哪种商业模式,药企都是潜在的巨大付费方。肿瘤癌症护理费用逐年上升,全球癌症药物支出持续增长,治疗和支持性护理支出在2017年达到1330亿美元,而在2013年这一数字还是960亿美元。

虽然大量的患者数据对于药企销售同样有着付费潜力,但是国外目前这些数据公司尚未把数据价值往销售端变现。目前它们主攻的问题是如何占有客户尤其是在市场已经有众多实力雄厚的巨头进入,例如IBM沃森和GEhealth。

其二是如何在严监管的市场中,满足合规性的要求。将真实世界数据变为真实世界证据,这还需要一定的时间。

毋庸置疑的是药企必须要参与到其中。从以上盘点就可以看出例如罗氏这样的制药巨头通过投资并购等方式已经看中了多个大数据公司。用大数据改造制药流程同样在国外也是FDA推动的政策风向。FDA局长Scott Gottlieb博士就在一次口头报告中提出;“临床试验改革势在必行,高效而现代的临床试验设计能够加速新药上市,如果你所做的是现代、循证、严格的事,就能确保极大的高效,并对FDA金标准带来极大的保障。”目前为了推动临床试验改革,FDA已经出台了多个指南进行指导。包括推荐EDC系统与和EHR系统互通、大部分癌症临床试验中可不实用安慰剂对照。

其次随着真实世界数据的应用。药企依然依照传统的研发传统,将会面临更大的风险。一旦肿瘤学家和其他利益相关者能够精确地追踪癌症患者的治疗过程。如果一种特定的治疗方法实际上不起作用,或者似乎对(可能是分子定义的)一部分患者群体不起作用。药物疗效或者说相对疗效能够快速准确地确定。这可能会立即戳破制药公司的故事,打击它们的信念。

药企吹嘘的灵丹妙药故事可能在真实世界数据面前黯然失色,药企有没有信心呢?来自埃森哲的一份报告就指出:最畅销的top10药物中,在服用了它们的患者中,那些药物只在服药的4%-25%的患者中起到作用。

因此,制药公司有必要在上市前预测真实世界的疗效,因为限制制药公司商业化药物的可能不再是FDA基于临床试验数据的审核,而是它是否能够通过肿瘤临床数据公司基于真实世界的验证。

国内市场未来发力于将数据转化为价值

由于国内数字化健康起步较晚,国内很多企业解决数据采集问题。着力于通过统一的数据标准,将数据结构化。

在国内,政策以及资本市场对医疗大数据的发展都十分看好。国务院办公厅在2016年发布促进和规范健康医疗大数据应用的“47号文”。健康大数据被列为国家重要的基础性战略资源,如同石油、电力般属于国家管控资源。动脉网也曾报道过在2013-2015年之间,各地部门共颁布了58项与健康医疗大数据相关的政策。

在数据标准化方面,国家相继发布了《电子病历基本架构与数据标准》、《电子病历共享文档规范》等指导性文件。此外,不少医院信息系统参与互联互通成熟度测评,为日后的数据应用奠定基础。

值得注意的是政策中明确也提到研究制定政府支持政策,从财税、投资、创新等方面对健康医疗大数据应用发展给予必要支持。

在政策的支持上,国外的FDA花大力气推动数据结构化和标准化。联邦政府在过去十年中花费了超过280亿美元来推行数字化电子健康记录。而国内则尚未出台统一的标准,而国内的政策涉及范围更广,除了推动数据共享和数据标准化问题外,还包括许多医疗大数据人才培养,和鼓励引导国家资本、社会资本参与医疗大数据发展等。

在国内市场上医疗大数据公司虽然起步晚于国外公司,但是在整个产业链已经形成了上下游布局。有分析人士指出近半年来,国内医疗大数据领域融资项目不少,但目前国内应用现状在数据挖掘分析及分析平台搭建上的能力尚有距离。数据分析的平台化能力较弱;更多集中在单一方向,多元化数据分析意图的整合较少;价值呈现与价值流转没有形成生态循环。

而国内市场从专注于数据采集,按照估计行业发展趋势,数据分析才是大数据的价值所在。IQVIA的预测报告显示:在不同的大数据组件和服务中,分析服务占据市场主导地位,2017年的收入为58亿美元,预计2017 - 2025年预测期间的复合年增长率将达到22.3%。

在实现数据价值化后,未来还将利用计算工具来帮助智能决策,实现能够跟踪患者信息并快速提供反馈的工具。而医疗大数据的主要付费方主要分为六个:消费者、企业、保险公司、政府、医院以及药企。

短期来看,保险公司和药企的付费意愿医院最强。都有代表企业开始尝试大数据的应用。例如恒瑞医药、华领医药、天坛生物在内的中国医药和生物公司都已经与甲骨文在医疗大数据上展开合作。创业公司中,例如思派网络已和9家一线外资医药企业在市场定位、分析药物经济学评价,远程医疗,分级诊疗,智慧医疗等领域开展合作,并已形成规模收入。

我们认为,医院、政府与企业对医疗大数据尤其是肿瘤大数据的需求还是明显的,但现阶段还比较保守。而国内的人工智能、深度学习、自然语言处理等技术也在持续发展中,国内各家医疗大数据公司也开始专注于不同的领域,渐渐拉开差距。在政策推动,资本看好形势下,市场也将走向成熟。

附:国外医疗数据公司简介

Health Catalyst

Health Catalyst是一家美国的医疗数据管理分析服务公司,它的业务包括帮助不同的医疗卫生机构分析、管理临床、财务与运营数据,进而提高工作效率、减少卫生资源浪费以及促进医疗流程标准化。

HealthCatalyst还开发出了一系列新型分析应用程序,帮助不同的团队识别最佳的实践模式,对临床、财务与运营进行必要的介入,筛选出具体、个性化的解决问题方案,优化临床、财务与运营结果。

在以往,health catalyst 只负责收集数据,建立自己的大数据库,但是后来health catalyst转变为将结构化、标准化数据,让它可以满足不同使用者的需求。

在今年7月,其收购了medcity,扩展其在医疗大数据领域的领导地位。Health Catalyst增加了100多家个客户资源基础,在之前其客户包括21个州和地区的雇主、健康计划、75个卫生系统,包括1000多家医院和超过18.5万名医师组和扩展医疗设施的提供者,支持超过7500万患者。合并后的公司将致力于解决大型医疗配送网络中许多最紧迫的问题,因为它们正寻求提高质量,降低社区患者护理成本。

Flatiron health

Flatiron Health是一家医疗保健技术公司,它开发的软件将社区肿瘤学家、学者、医院、生命科学研究人员和监管机构连接在一个共享的技术平台上。

旗下主要产品Flatiron平台,一个基于网络的业务和临床信息数据平台,整合和结构不同的患者人群的信息系统生成患者视图,提供了商业智能分析,资源利用率、营销、治疗模式,网络管理,和研究和临床试验,并允许癌症护理提供者和生命科学公司跟踪指标相关的癌症治疗,在合规的情况下管理癌症患者的依从性。并对他们的数据提出定制问题。

Flatiron Health还提供OncoCloud,一套软件和服务,OncoEMR,为癌症护理提供者提供癌症护理模型工具。也就说能够为医护人员智能生成护理推荐的癌症护理模型供医护人员选择。

OncoBilling,一个集成了OncoEMR集成,OncoAnalytics的实践管理系统。包含表面可操作的仪表板设计数据洞察力。OncoTrials,为社区肿瘤试验管理肿瘤临床试验项目的工具平台。此外,该公司还为生命科学的肿瘤学研究提供了一个现实真实世界的证据平台,为学术医疗中心和医院提供了一个电子健康记录(EHR)数据平台。

Flatiron Health为美国的医院、医生和病人提供服务。它与美国国家癌症研究所(National Cancer Institute)进行了战略合作,以探索如何将从在护理点采集的失认患者数据中提取的真实证据用于临床试验设计和前瞻性研究。此前,它曾获得Googl、罗氏等投资,在2018年2月,它被目前被罗氏以21亿美元的总价收购。

REDOX 健康领域现代的API接口

Redox通过一个全方位服务的集成平台加速了医疗软件解决方案的开发和发布,以安全和高效地交换数据。建立医疗IT人员和医疗系统之间无缝互操作性的行业标准平台。

通常,跨系统共享患者数据是一个复杂、手动和耗时的过程。Redox由前Epic Systems 的玩工程师于2014年创建,Redox通过连接到现有的健康系统基础设施,与所有主要的EHR系统集成,通过消除对系统差异的考虑和配置需求,显着减少了实现时间。该API平台还允许应用程序将患者数据推入和拉出EHR,创建一个扩展的、综合的患者健康记录。因此,Redox客户体验到较少的干扰,看到了患者护理效益的连续性,并实现了更快的投资回报。

到目前为止,超过120个应用程序使用Redox的集成平台,包括护理协调、远程健康、药物坚持、患者参与、慢性护理和疾病管理解决方案。在过去的一年里,氧化还原网络显着增长,每天处理超过60万条临床信息。

该公司CEO说到,虽然现在有一些临床数据标准化的政策和规范在推行,但是我认为利用我们的系统,我们的客户可以不用再等待那么长时间。

Syapse

Syapse与卫生系统合作,在医院和护理机构中实施精确的医学计划,使肿瘤医师和护士能够向每一个需要它的病人提供个性化的治疗。

Syapse公司开发了一个精确医疗软件平台,使学术和社区医疗保健提供者能够实施和扩展精确医疗项目。Syapse Precision医学平台,能够抓取临床数据、基因组和其他分子数据、生物医学知识以及集成这些数据间的关系,并整合复杂的基因组和临床数据,为临床医生提供决策支持,可以实现诊断、治疗和患者随访。

Syapse肿瘤学应用,它为肿瘤医生提供基于患者临床病史的分子轮廓数据的治疗方案建议。Syapse PGx则是一种应用能够让临床医生通过EMR订购药物时,使医疗机构能够将药物基因组学知识纳入常规临床工作流程。

Syapse相当于是精准医疗下的解决方案平台,以往癌症治疗患者需要进行各种检查,浪费大量时间,延误治疗时机,而Syapse则是使用生物学标记物和遗传学来为患者定制解决方案。Syapse的团队设计的是一种协作生态,可以让医护人员在掌握完备的患者信息的基础上进行治疗决策。

Syapse最近与制药公司Roche合作,为医疗保健提供商开发新的软件和分析解决方案,以便他们可以大规模地实施精准医疗。

Oncology

肿瘤学分析公司(Oncology)为健康计划提供基于证据的、技术驱动的使用管理方法。专注于肿瘤学。

被医生用来支持超过250万健康计划成员在美国和波多黎各, Oncology 的e-Prior授权平台每天更新准确反映超过6000抗癌治疗肿瘤治疗方案在所有癌症类型和阶段,包括化疗、放疗、精密药、靶向治疗和支持性护理。

肿瘤分析公司提供肿瘤病人管理解决方案。其肿瘤管理服务包括事先授权服务;临床决策支持、医师教育和专家同行评审服务;肿瘤网络评估与优化咨询;以及性能报告和分析服务。该公司提供MATIS,这是一款临床决策支持软件,适用于美国和波多黎各的医疗计划和供应商,增强了基于证据的肿瘤学分析方法,用于评估癌症治疗和福利管理。

GNS health

GNS health专注于推进和应用工业规模的数据分析,以授权关键的卫生保健利益相关者解决复杂的护理、治疗和成本挑战。GNS health的团队包括物理学家、精算师、遗传学家、工程师、商业人士和计算机科学家组成的多学科团体,热衷于提取医疗保健领域的工作原理和服务对象的证据。GNS health开发了机器学习和数据分析技术,旨在通过计算机建模改善医疗保健治疗和实践。

该公司负责人表示:制药企业相信GNS技术可能有助于提高药物研发效率。因为来自GNS health的分析方法可以分析无穷趋近的病人相关数据以及他们的疾病状况,包括基因测序信息和健康记录,生物信息和。现有疗法的成功和失败之处,以及药物测试的相关数据。

GNS health提供的基于机器学习和人工智能的分析工具,可以让制药公司更快、更准确地测试一种特定药物的多个版本,比如用于多发性硬化的版本,从而找到最适合单个患者的药物。

该公司CEO说:“我们现在可以在一个新病人身上模拟多发性硬化药物3号和5号和8号对这个病人的临床结果的影响,甚至是对这个病人的治疗总成本的影响。”目前GNS health和罗氏展开合作。

分享:

相关文章

    评论

    我要跟帖
    发表
    回复 小鸭梨
    发表
    //站内统计//百度统计//谷歌统计//站长统计
    *我要反馈: 姓 名: 邮 箱:
    Baidu
    map