如今，数字化正在层层渗入到医疗各个领域，数字转型是医药企业通向未来成功路上必不可少的环节。当大数据、人工智能(AI)等已经成为现实应用于医疗领域，未来还将更加频繁和广泛地应用在真实世界中，我们应如何思考它们将对医药行业产生的影响，一些前行医疗企业已经在开展怎样的探索和实践？

       在丁香园Forward 平台发起的 Elite Club 线下交流会上，罗氏诊断 IT 负责人徐兵(Peter Xu)谈了他的看法并和在场 300+ 行业专业人士分享其团队利用数字化及数据助力业务和临床的实践。

       Digital Chaos

       数字医疗众说纷纭，是挑战，更是机遇

       在徐兵看来，在发展数字化的道路上存在着很多尚待探究确定的问题。对于医疗各相关方来说，数字化往前走，能走多远，什么事情可以做并且可以发展的很快，政策至关重要；而站在医疗最前线的医生对数字化的接受程度也是行业发展数字化的重要挑战因素。

       对于制药企业来说，首先，每个医疗公司对数据的定义都不同，甚至同一个部门对于数据的定义也有差别，所以驱动数字化这个概念仍然需要行业的整体配合。第二是未确定性，企业投资数字化，会得到怎样的收益，产生怎样的业务影响尚不能定论。第三，数字化年代需要速度和敏捷性，传统的企业需要不断提高适应能力。与此同时，在与Google、IBM 这样的技术性问题公司做比较，制药企业应该怎样定位自身数字化发展。

       这些问题和挑战也意味着机遇，各种场景下都隐藏着机会。徐兵引用了来自高德纳(Gartner)公司对数字化的定义阐述他对数字的理解：「数字化是利用数字技术改变商业模式，并提供新的收入和创造价值的机会。数字化是指数字化业务转型的过程。」

       “Digitalization is the use of digital technologies to change a business model and provide new revenue and value-producing opportunities; it is the process of moving to adigital business.” -- Gartner

       如何利用数字化创造新的业务模式，产生新的利润方式，是徐兵及团队一直思考的问题。徐兵说到：「即便现在数字化进程中仍存在很多问题，罗氏诊断最关注的是要让大数据帮助医生诊断，最终解决患者旅程中的问题」。

       Digital Application

       人工智能的发展最需要的是高质量的、真实世界的数据

       据统计，目前临床病人的诊断误诊率平均为30%，在某些领域如肿瘤甚至更高。而数据驱动的医生智能助手，通过一些临床辅助诊断手段帮助医生去减低或者提高临床诊断的安全性，这其中最重要的就是真实世界的数据储备。

       徐兵也说：「在国内外都有不同的公司或机构分析和处理这些数据。总体来讲，中国对真实世界数据重视和研究成熟度跟国外还有一定的距离。但是现在中国出台了大约 20-30 个不同的法律法规在规范，可能还不够，但趋势在向好的方向发展。」

       如何得到高质量的真实数据呢？可穿戴设备可能是一个有效的数据来源，它搜集患者在院外的健康数据；其次，电子病例、基因数据，流行病学的数据都是真实世界的数据来源。

       这些数据将对药品研发、精准医疗等方面产生具大价值。为此，罗氏诊断也展开了战略投资。徐兵介绍了罗氏诊断战略投资的两家创业公司：

       Flatiron Health，是一家肿瘤大数据创业公司，主要聚焦在肿瘤临床数据，目前有近一百万患者临床数据，大约覆盖了 15% 美国新发肿瘤患者；罗氏诊断将会用 Flatiron Health 的数据以更快的速度研发新药上市，通过创新获得新的市场优势。

       Foundation Medicine，致力于开发肿瘤的基因检测技术，而众所周知，如果医生能够在癌症早期就检测出肿瘤发生，那么对及早治疗肿瘤有着难以估量的作用，罗氏诊断希望借助其先进的测序技术助力公司未来开发肿瘤个性化治疗。

       未来的大数据应用还是要回到医学价值上

       在大数据的应用上，徐兵及团队已经在肿瘤领域开展了实践。众所周知，在肿瘤治疗当中，肿瘤标志物是诊疗及监测的关键因素。罗氏诊断开发了一套人工智能识别乳腺癌系统，该系统通过四万多例肿瘤病人及肿瘤标志物的学习，形成对肿瘤标志物的筛查能力。

       在阶段性成果的测试中，该系统与10 个病理医生进行诊断比赛，结果系统以1:9 胜出；而唯一获胜的医生则是个人经验十分丰富，在速度和准确率比人工智能要高。徐兵表示，这场比赛的意义不是在于医生和人工智能的输赢，更重要的是，当场的病理专家一致认为人工智能可以帮助医生省掉非常重复的劳动，来进行更有效的诊断。某种程度上，这样的人工智能辅助诊疗的模式得到了最前线的医生用户的认可。

       徐兵认为，这些探索和实践，让我们了解医生对数据、新技术的反馈，让企业知道下一步怎么去走，而如果真的要把医疗大数据和人工智能应用好的话，应该回归到最基础的临床病人诊疗路径和医学价值上。

       大数据应用于医疗领域，不是凭一己之力能成就的。徐兵在最后说到：「一家公司的力量是单一的，我们希望联合各大机构和医院，在开放的合作伙伴体系中，把大数据和人工智能推向临床，真正受益于病人。」