全球流行的新冠疫情,給各國公共衛生體系都出具了一張頗具難度的“試卷”。自2020年初疫情爆發之時,我國就堅定了在以不發生或降低本地傳播水平的前提下全力研發出安全有效的疫苗的抗疫思路,之后獲得的成績也讓世人有目共睹。作為傳染病大流行的“終止鍵”,疫苗的研制至關重要。和所有創新新藥研發一樣,新冠疫苗研發有“兩高一長”,即高投入、高風險、長周期的特點。從立項到上市流通,需要經過研發、注冊審核、上市流通等諸多階段,是名副其實的系統化工程,其中的過程當然也是充滿挑戰的。

疫苗、創新藥研發與臨床決策中的挑戰

所謂“萬事開頭難”,研發新冠疫苗和創新藥一樣,都是一次“從0到1”的艱苦過程,要面對未知的研發挑戰,首先需要的是強大數據技術支撐。 就像Illumina公司的市場負責人所述:”藥物的研發過程就像一個漏斗。當研究人員的工作所需的數據集隨著研究過程不斷接近成果時,數據的研究工作會成為研究的中心。但是,就算研究過程走到了漏斗的終端,也并不意味著研究所需的數據量會減少,相反所需數據量會增加,因為靠近研究尾聲的每一步都需要借助數據進行思考和決策。” 因此,越來越多的制藥學家們的研究工作開始需要借助大量的數據信息才能從現有的知識體系當中發掘有價值的信息。在這個過程當中他們無一例外都需要借助復雜軟件工具來提取關鍵數據及其中的內在聯系。只有這樣才能讓新藥的研發工作所需周期和成本降低。

其次,是合規層面的挑戰。以美國為例,其制藥業一直以美國食品和藥品管理局(FDA)的審批作為安全和療效的“黃金標準”,如果沒有收到廣泛安全性和有效性測試數據,新研制的疫苗便不會通過其審批標準。“雖然近些年來,國內在新藥審核流程、制度和分析路徑上正在與國外慢慢接軌,但代差和不同仍舊存在”,在談到國內外新藥監管不同時,SAS中國生命科學首席顧問顧天倫先生如是說道。

最后,除去先進的科技、藥品合規帶來的挑戰,疫苗和創新藥研發更是“資本的較量”。 根據流行病預防創新聯盟(CEPI)的預計,一款新冠疫苗上市需要花費3.792億美元到6.750億美元。在大數據分析技術尚未成熟之前,藥物研發工作的確是一項復雜且浩大的工程,任何一個制藥公司在將產品推向市場之前,平均需要經受10,000個候選藥物的折磨。此外,相關研究發現,未啟動大數據分析的制藥公司,大約70%的數據項目仍然只涉及簡單的數據管理,包括整合、轉換和清理數據,直接導致了低效率和高成本。

此次疫情已加速放大了健康醫療研發行業發展所面臨的諸多挑戰。面對疫情日趨常態化和未來的后疫情時代,健康醫療行業人該如何在醫藥研發、合規審核、臨床決策應用領域用好大數據分析來更好、更快地應對這些挑戰呢?這些問題的確值得每一個行業人士深思。

數據之力迎接研發挑戰

AI、大數據等數字技術的快速發展,正在幫助提高創新藥物研發的效率和成功率,降低新藥最終上市的時間和成本。在研發、臨床試驗、應對合規審核等眾多場景中,數據分析都能提供相應的數據支持。目前,已經有越來越多的醫藥公司行動起來選擇與技術伙伴進行合作,來提升自身在藥品研發中的核心競爭力。

但是,在“數字技術+藥物研發”模式的發展過程中也并非是一帆風順的。一方面,是缺乏交叉信息科技和醫藥的高端復合型人才;另一方面,因為商業模式的不明確,很多技術創新企業在自己做藥物研發還是采用醫藥外包組織(CRO)模式上存在“選擇困難”,從而錯失了發展良機。當然,傳統的臨床實驗也有很多問題,比如,30%的臨床實驗的患者可能在實驗過程中會有不良反應風險,40%的臨床實驗可能會在實驗過程中超支,80%的多中心臨床實驗的某一個試驗點可能根本招募不到患者。而新型現代化的臨床實驗設計需要更多地考慮如何讓患者更有效地參與到實驗當中,提高患者的參與度,提高研究對象的多樣性,平衡以患者為中心的安全性以及便利性的考量。

所以,對于藥企和CRO數據部門而言,當務之急是需要一套安全、可靠、經驗證,能夠支持去中心化混合型臨床試驗的數字化平臺。鑒于未來數據量的不斷增加,分析的彈性需求會上升到一個重要的IT層面問題,那么如何解決彈性運算,以及適應新型合作伙伴關系下的協同開發模式,并考慮未來集成AI和IOT的解決方案的能力。因此,該平臺需構建在成熟的云分析框架之上,實現可拓展、靈活性和具有彈性伸縮的特點。

從長遠的角度來看,這個平臺首先可以給藥物研發企業帶來成本的降低和提高研發的效率,從而推動它的去中心化以及混合型臨床實驗現代化的進程。其次,從整個制藥產業鏈來看,數據科學和分析技術的進步,,能力與需求的擴大交相作用下,會共同推進藥物研發向一個變革性方向的轉變。此外,監管層面試圖通過引入更多的技術以加快研發效率的趨勢也愈加明顯。

當然整個數據分析在醫藥產業鏈當中承擔了很多關鍵性的任務,比如,數據的采集匯集、合并、數據標準化,到進行三期臨床試驗,再到后期真實世界的研究等等,數據分析都承擔了非常關鍵性的作用。所以數據分析是向變革性藥物研發方向轉化的一個關鍵,而且我們未來會面對更多的數據形式、更大的數據量,藥物研發企業需要擁有提前布局的能力。

雖然看似挑戰重重,但這卻絲毫不影響藥物研發企業尋找到可靠的解決方案。比如,在海量原生數據為支撐的情況下,SAS的生命科學數據分析平臺可以幫助簡化臨床試驗數據的安全性評審,縮短昂貴而繁瑣的藥物開發過程,為制藥公司的臨床研究提供分析基礎,嵌入式分析工具,支持數據標準以及可選的集成分析應用程序。

在與法國第二大藥物集團Sanofi-Synthelabo 公司的合作過程中,SAS就體現了這樣的優勢。在SAS的幫助下,該公司得以對在臨床研究過程中搜集到所有關鍵數據,并對他們進行有效分析,從而減少了研發階段所需時間,為新產品投入市場和增加市場銷售時間提供了可能。

同樣,位處美國新澤西州的Daiichi Sankyo Pharma Development公司也采用了SAS的藥品開發解決方案。借助SAS 9智能平臺的先進功能,該公司消除了組織之間共享數據和應用的障礙,減少了數據管理人員解決數據差異浪費的時間,使他們有更多的時間與統計人員和醫生協作,加快評估和決策時的數據訪問速度。

除了以上優勢外,SAS還能有效地轉換、分析和報告臨床試驗數據,讓醫護人員通過強大的藥物分析,更快地開發新療法。在面對世界三大癌癥之一結腸癌的手術時,需要醫務人員首先對癌癥的性質和切除面積做出準確判斷,一旦切除面積過大就為患者帶來生命危險。傳統的方式是通過CT和化學藥物的治療,先判斷腫瘤性質和縮小腫瘤體,在這一過程將花費醫生大量的時間去標注這些成疊的CT片。而在荷蘭阿姆斯特丹大學與SAS的合作中,前者通過使用集成了AI的SAS Viya,把這些CT片從2D變成3D,并通過API接口調出相關函數,就可以測出腫瘤的體積。從開始掃描到得出最終數據,整個過程僅需要20分鐘,大大提升了手術的準確率和效率。

數據之力夯實合規基礎

如果說數據技術是創新藥物研發的動力,那么合規就是創新藥物研發的基礎。以本次新冠疫苗研發為例,就有業內人士透露,我國新冠核酸疫苗(mRNA)研發進度慢于國外的主要因素,并非研發實力不足,而是由于mRNA疫苗此前在國內沒有獲批的先例。

在以前,國內藥基本以仿制為主,創新原研藥占比非常低。根據2018年的數據顯示,我國醫藥市場規模排名世界第二,但創新藥數目只占全球6%,由此可見,我國的創新藥市場擁有著巨大的發展潛力。近年來,隨著我國生物醫藥科研技術的發展和藥品審批制度的改革,創新醫藥迎來了黃金發展期。根據中國國家藥品監督管理局的《2020年藥品審評報告》中的數據顯示,2020年藥審中心全年受理新藥(NDA)上市申請54件(38個品種),較2019年增長100%。

藥品創新能力增強,藥品審評的能力與政策也要持續優化,才能推動我國藥品創新環境整體發展。在十四五規劃和健康中國2030規劃中,我國就明確了在加強專利藥等的創新建設能力之外,還要在未來五年內,持續深化推動創新藥上市優先審評,提升醫療醫藥向更高質量更具價值的方向發展。

在美國,新藥申請許可的過程同樣十分嚴苛。在進行新藥申請或生物制品許可申請時,制藥公司會將一系列藥理實驗數據提交給美國食品藥品監督管理局(FDA),以證明其新產品的安全有效性。然后,后者將會審核提交的實驗數據和藥品生產質量管理規范(GMP)等相關數據,為符合標準的產品給予同意意見。作為從事藥品管理的最高執法機關,FDA要面臨海量的數據處理需求,要提高判斷的準確率和效率,當然也少不了要借助數據之力。40年前FDA在權衡眾多數據分析軟件后,SAS正式作為FDA的標準數據統計軟件推薦給新藥研發的醫療機構和藥企使用。作為官方“蓋章認定”的數據軟件,SAS幾乎支持所有生物統計實驗的算法,能夠實現新藥實驗設計中特定指標的精準計算,在以嚴格著稱的FDA新藥審批程序中,SAS是其承認的唯一一款軟件。根據FDA規定,新藥試驗結果的統計分析、相應的模型分析及數據導出必須在SAS進行,一概不接受其他軟件的計算結果,哪怕只是簡單的均數和標準差。正是由于SAS的分析理念和在數據多年的積累,2021年1月份FDA決定與SAS在高級分析以及AI領域牽手合作,作為一個一攬子的采購計劃,這個項目旨在推進FDA的CDER部門去實現這種藥物監管項目現代化的進程。同時也推進以分析為導向的藥物生產設施的監控(通過 SAS可接入傳感器上的數據,然后進行設備端的監測和分析)的舉措來讓FDA更好地去履行它的使命。

此外,相較于其他開源平臺,SAS作為自帶3Q認證的工具對于在生命科學行業中所有應用的計算機軟件都需要經過3Q(安裝、運行、性能)認證的前提下, 方便用戶針對不同應用場景完成開發。

正是基于以上原因,在新藥研發和臨床研究領域,SAS一直被視為“國際標準”的軟件系統。在FDA之后,國家藥品監督管理局(NMPA)也將“建議采用SAS數據傳輸格式”寫進了《藥物臨床試驗數據遞交指導原則(試行)》中。

當然SAS的分析技術以及分析產品在設計的時候不僅僅考慮了監管方面的要求,它更多地會去傾聽客戶在實際操作層面遇到的挑戰。目前SAS全球的生命科學的客戶正在通過SAS尋找標準化的操作的程序及IT的解決方案來應對全球化的多中心臨床實驗的需求:

· 比如說在臨近臨床實驗提交數據的時候,海外的一些醫藥研發企業可能會反饋數據的相關問題。但是這個時候跟CRO公司的合同已經結束了,這個時候的數據怎么去確認?

· 醫藥研發企業和CRO公司,如果使用不同的SAS分析環境進行分析,如何進行數據的傳遞?這時候就會應對不同SAS環境進行切換的時候,多國語言、多環境,然后單機和服務器版本需要頻繁地進行這種編碼字符集的轉換。

· 還有像一些曠日持久的還在進行的臨床實驗項目,它們的這些統計分析程序對應的數據以及所用的版本之間的關聯關系如何精準確認?

· 對于企業內人員流動頻繁,有沒有一套去管理它的分析資產的監控和管理確保一個項目的穩定輸出?

數字之力應對更多醫療健康困難

突如其來的疫情,帶來的不僅僅是對新藥研發和合規的考驗,在臨床決策應用方面也同樣帶來了一些挑戰。比如,在流行病大規模傳播時,要如何提升醫療資源的有效利用率和有效分配倉儲,才能最大化激發醫療資源效能,提高治病救人的效率?又該如何利用數據證實現有藥物,特別是中藥新用在面對新疾病時的有效性?要揭開這些問題的謎底,我們不妨繼續借助來自數據的力量。

疫情期間,美國克利夫蘭醫學中心在SAS的協助下合作創建了創新性分析模型,它能夠幫助醫院預測患者人數、所需床位和呼吸機數量等關鍵信息,根據這些預測的實時變化,醫院和衛生部門可以及時調整醫療資源分配,為新冠及其他患者提供更好的醫療服務。

除了用于預測關鍵醫療信息,數據分析還能用于臨床工作中證明藥物有效性。來自中國醫學科學院阜外醫院的李靜教授團隊就借助SAS的算法軟件,從近萬例病例中高效抓取到了患者的臨床特征、治療過程和治療效果等相關數據進行研究,最終得出了“清肺排毒湯”可顯著降低新冠肺炎死亡危險的結論,通過科學的數據研究為臨床療效提供了重要依據。

其實,不僅僅是在醫藥研發和臨床應用領域,數據分析的力量在醫療健康領域還有很多重要應用。例如,SAS能夠憑借大數據在患者安全、整體關懷、提高護理質量和改善患者治療效果和體驗。借助SAS功能強大的AI技術,還能夠完成醫療保健成本分析、勞動力規劃和績效管理,讓機構可以最大限度利用有限資源,降低成本。此外,SAS還能憑借帶有嵌入式AI功能的高級分析從各個角度優化檢測、管理和支付完整性問題,預防醫療保險中欺詐、浪費和濫用情況發生。

全球爆發的新冠疫情,讓世界再次看到了創新醫療醫藥發展的重要性,也讓人們重新審視大數據分析等全新技術在醫療領域扮演的角色。 相信在后疫情時代, “無處不在Everywhere ”、“ 為所有人for Everyone”、“ 協作即佳 Better together”為中心的數據分析應用場景需求會越來越多且多元化。這一發展趨勢讓更多的藥物學、臨床學、統計學、生物統計學,乃至計算機科學、軟件工程人才都有機會不斷地參與到醫療醫藥的創新中來。就如SAS中國生命科學首席顧問顧天倫先生在描述未來生命科學和醫療大數據的發展方向時所述:“我們需要去滿足一個“這樣的公式“——即基于現有醫療端產生的大量高質量的數據,結合和運用好現代化的分析、統計、機器學習或者其他跨領域的技術和學科實力,才能更好地去開發未來的應用場景來滿足未來多變的臨床需求。“