新冠疫情不僅凸顯了速度對醫(yī)學發(fā)現(xiàn)的重要性，而且還凸顯了數(shù)據(jù)科學和人工智能為這種加速提供幫助的重要性。例如，機器學習在醫(yī)學領(lǐng)域的應用近年來取得了重大進展，通過人工智能發(fā)現(xiàn)的藥物分子已經(jīng)用于人體試驗。盡管如此，英國艾倫圖靈研究所最近發(fā)布的一份調(diào)查報告表明，數(shù)據(jù)收集、使用、存儲、處理和與不同系統(tǒng)集成的困難(即缺乏強大的數(shù)據(jù)架構(gòu))，阻礙了采用人工智能工具以應對新冠疫情的努力。

為了充分挖掘人工智能的潛力，企業(yè)需要整理好他們的數(shù)據(jù)，尤其是醫(yī)療機構(gòu)和制藥廠商。

數(shù)據(jù)日益重要

盡管很多醫(yī)療機構(gòu)和制藥廠商在藥物和醫(yī)學發(fā)現(xiàn)等方面付出了巨大努力，特別是針對新冠病毒進行開發(fā)，但它是一個漫長、復雜且成本高昂的過程。更不用說其成功率很低——根據(jù)調(diào)查，藥物開發(fā)的整體失敗率高達96%。這就是數(shù)據(jù)可以發(fā)揮重要作用的地方，需要更新方法，提高藥物開發(fā)的潛力，以降低失敗率。

如果沒有人類基因組數(shù)據(jù)，就無法全面捕捉導致疾病的所有元素，從而無法獲得更廣泛、更深入的了解。這就需要進行大規(guī)模基因組測序，以便能夠發(fā)現(xiàn)和驗證關(guān)鍵的遺傳變異。收集到的更多信息和見解可以讓企業(yè)可以采取更明智的措施，降低藥物開發(fā)失敗率。利用這些數(shù)據(jù)創(chuàng)建機器學習算法也可以實現(xiàn)藥物開發(fā)管道的自動化，加速藥物發(fā)現(xiàn)。

另一個例子是，QSAR(定量結(jié)構(gòu)-活性關(guān)系)模型能夠通過減少合成的藥物化合物數(shù)量來提高對新化學結(jié)構(gòu)的預測準確性，并降低成本和時間。通過轉(zhuǎn)移知識和結(jié)合從豐富的歷史數(shù)據(jù)中學習，預測分析也可以用于藥物開發(fā)和生產(chǎn)。然后可以使用這些數(shù)據(jù)來發(fā)現(xiàn)新藥物，并加快開展實驗。

人工智能已經(jīng)在藥物開發(fā)、發(fā)現(xiàn)和臨床試驗過程中發(fā)揮重要作用，使研究機構(gòu)有機會通過現(xiàn)代數(shù)據(jù)和分析方法加速臨床研究。

數(shù)據(jù)的挑戰(zhàn)

盡管取得了這些進步，但分析這些數(shù)據(jù)都帶來了自身的挑戰(zhàn)。現(xiàn)在有如此多的生物和醫(yī)學數(shù)據(jù)可用，要快速獲取所需的見解比以往任何時候都要困難。如果不能正確利用這些數(shù)據(jù)，就毫無意義。此外，基因組數(shù)據(jù)尤其需要大量存儲、專門的軟件來分析它并引發(fā)許多數(shù)據(jù)管理、數(shù)據(jù)共享以及隱私和安全問題——重要的是要記住這些通常是高度敏感的私人信息。

研究機構(gòu)和廠商面臨的問題是，這些數(shù)據(jù)通常是高度分散的，使用傳統(tǒng)架構(gòu)難以支持對這么多不同數(shù)據(jù)的分析。僅是找到用于分析所需的正確數(shù)據(jù)就可能需要花費數(shù)周的時間。

生物技術(shù)開發(fā)商Regeneron公司當時就面臨著這些問題，因此致力于解決處理性能和可擴展性問題。該公司面臨的問題是，其數(shù)據(jù)團隊沒有分析可用的PB級基因組和臨床數(shù)據(jù)所需的資源;不能充分利用自己收集的數(shù)據(jù)。雖然現(xiàn)在能夠收集比以往更多的數(shù)據(jù)，但還要努力處理這些海量數(shù)據(jù)集。

數(shù)據(jù)架構(gòu)的作用

這就是Data lakehouses可以發(fā)揮重要作用的地方。醫(yī)療機構(gòu)簡化其基礎(chǔ)設(shè)施和運營以提高生產(chǎn)力和成功概率至關(guān)重要。只有將數(shù)據(jù)全部集中在一個統(tǒng)一且易于訪問的數(shù)據(jù)分析平臺中(例如Lakehouse)，數(shù)據(jù)才能充分發(fā)揮其潛力。簡化的Lakehouse基礎(chǔ)設(shè)施可實現(xiàn)更大的可擴展性、自動化和大規(guī)模機器學習，以加速藥物開發(fā)。統(tǒng)一平臺還可以創(chuàng)建交互式工作空間，以提高藥物生命周期各階段的透明度和協(xié)作。數(shù)據(jù)和見解可以在團隊之間輕松共享，同時確保可靠性和維護安全性以保護敏感數(shù)據(jù)。因此，為了更快地發(fā)現(xiàn)藥物和治療方法，需要加快整體藥物靶點識別速度，開發(fā)團隊可以同時在多個疾病領(lǐng)域開展工作。

另一方面，處理傳統(tǒng)架構(gòu)和復雜的基礎(chǔ)設(shè)施很費時間，尤其是設(shè)置正確的基礎(chǔ)設(shè)施并進行維護以支持必要的分析。這使開發(fā)團隊難以專注于分析。通過提高自動化程度，例如在出現(xiàn)任何系統(tǒng)故障時自動切換集群管理之類的操作，團隊可以在DevOps上花費更少的時間，并專注于更高價值的任務，即藥物開發(fā)和發(fā)現(xiàn)新的治療方法。當Regeneron公司采用提供更強大數(shù)據(jù)架構(gòu)的新平臺之后，找到用于分析的正確數(shù)據(jù)從三周縮短到兩天，可以幫助支持更廣泛的研究。因此，數(shù)據(jù)架構(gòu)是使數(shù)據(jù)可用并能夠回答改進藥物發(fā)現(xiàn)的問題的關(guān)鍵。

除了實現(xiàn)臨床可預測性和對數(shù)據(jù)沿襲的訪問之外，Lakehouse平臺還允許研究人員利用可重復的、基于機器學習的系統(tǒng)來生成和驗證假設(shè)，從而使他們能夠?qū)ψ约旱臅r間和研究做出更有針對性的決定。

真正發(fā)揮數(shù)據(jù)的潛力

數(shù)據(jù)在醫(yī)療保健行業(yè)中具有至關(guān)重要的作用，特別是在藥物和醫(yī)學發(fā)現(xiàn)方面，但企業(yè)現(xiàn)在必須進一步推動這一點，以充分利用數(shù)據(jù)的潛力。如果沒有強大的數(shù)據(jù)架構(gòu)，藥物發(fā)現(xiàn)之類的高失敗率不會很快降低，通過集中的、可擴展的平臺來簡化操作，企業(yè)可以獲得他們需要的見解，并加速藥物發(fā)現(xiàn)。整理數(shù)據(jù)只是第一步，下一步是建立必要的數(shù)據(jù)架構(gòu)。