巅峰对话·健康管理丨数据如何驱动新药研发？
作者：天府健谈组委会，图片来自“亿欧网”
2020年10月9日-11日，“天府健谈·CHS 2020第五届中国大健康产业升级峰会”正式召开，本次峰会由中国卫生信息与健康医疗大数据学会和四川省卫生健康委指导，成都市卫生健康委支持，中国卫生信息与健康医疗大数据学会全科医学与健康管理工作委员会与亿欧大健康联合主办。
中国大健康产业升级峰会已成功举办了4届，本届峰会以“分布式创新·重构健康生态”为主题，采取1场主会场+4场分论坛+若干配套活动的形式，聚焦创新药、智慧医疗、非公医疗、健康管理、健康大数据应用等五个主题，聚集政、产、学、研、投各界上百位医疗行业大咖，共话大健康产业创新之道。
在“创新药产业论坛”的圆桌对话上，至本医疗科技高级副总裁赵平，中科院计算所·图灵-达尔文实验室副主任、哲源科技联合创始人兼首席运营官赵宇、凯利泰(300326,股吧)资本合伙人张志玲和亿欧大健康主编刘聪围绕着“数据如何驱动新药研发”展开探讨。
圆桌对话的主要观点如下：
赵平：从新药整体的趋势来看，对伴随诊断的产品和技术还是比较积极的态度。现在政策会比较明确地建议一些企业做新药的伴随诊断。在未来的新药研发中，我们可以通过伴随诊断，让药的疗效体现得更好，人群可以更精确。
赵宇：当一个学科能够用数学表达的时候，才是它真正完善的开始。但当我们把这句话放到医学方面来看，就会发现现在很多医学科学家还没有这个能力，并且欠缺了对于高速发展的信息科技的掌握，而计算所早已通过“计算医学”迈出了践行这一理念的第一步。
张志玲：未来我们会投资具有潜在价值的企业，它们要么在红海中找蓝海，要么就是在创造蓝海，或者是处于蓝海中但有一定的竞争壁垒。我们更多的是希望学科当中的交叉和跨多学科之间的理解。
以下为现场讨论速记（有删减）：
刘聪：《颠覆医疗》这本书的开篇就引申了250年前托尔泰抛出的问题——医生开着自己不太熟悉的药，诊治着自己不太了解的病情，评判着自己一无所知的人体。250年过去后的今天，医疗到底进步了多少？现在还存在哪些问题？在新药研发、精准用药/诊疗方面，数据到底能发挥什么样的价值？还存在什么痛点？
赵平：我相信现在还是存在一部分这样的情况，但是现在显然是一个新时代了。整个治疗领域更有颠覆性了，以中国新药的研究和临床为例，新药研发取得了很大进展，临床诊断的手段也得到了较大发展。在中国尤其是肿瘤领域，从靶向治疗到免疫治疗快速发展。近几年，因为新药的发展也推动了基因检测技术的发展。基因检测技术在新药研发和临床诊疗上的使用，也会推动整个医疗领域的革新。
赵宇：250年来经验医学延续到循证医学，而现在在治疗过程和新药的生产中，依靠概率用药，经验用药依然普遍，另外一个问题是有多少新药研发还是仍然简单依靠统计学，行业重视数据积累但是忽视数据解读，如果数据类比是原油，社会需要的是石化产品，中间差个石油化工企业，计算医学就是医疗大数据的“石油化工技术”
当一个学科能够用数学表达的时候，才是它真正完善的开始。当我们把这句话用在医学方面，就会发现现在很多医学科学家还没有这个能力，并且欠缺了对于高速发展的信息科技的掌握，而计算所早已通过“计算医学”迈出了践行这一理念的第一步。从最早的巫术到经验医学到现在，技术的确在不断的发展，是否能够完全用数学来表达，这是一条漫长的道路和未来的方向，而计算医学已经初步建立起这一表达，并已经可以向社会和药企提供服务。
张志玲：从投资的角度，在推动新药的研发上，不管是前端的研发、中台的管理、后期的销售，还是数据的分析都有很多的改变。但是医生依然对一些药的基底，包括对患者确诊的实际用药的情况还不是特别的了解。因为现在的基因变化，新药的速度能否跟上、数字分析能否全面实现，这些都还是问题。
刘聪：至本医疗今年4月有一个很大的突破，和拜耳合作开发一款伴随诊断-体外诊断试剂产品，这也是中国首个伴随药物研发一起上市的伴随诊断产品。至本是如何实现这一突破的？
赵平：至本医疗和拜耳从2018年开始洽谈，到了2019年合作才真正落地。现中国的新药研发走得比较快，对于好的产品怎样去利用基因检测数据，让药在临床研究中走得更快更准，找到合适的人群，同样也是为未来的商业化差异埋下一些“伏笔”。
至本医疗一直专注于肿瘤药物的精准基因检测，也是因为布局了较大的真实世界的数据库，这应该是国内唯一一个有丰富的肿瘤数据和诊疗数据的数据库，在这个数据库的基础上，跟其他公司有了更好的合作。这次和拜耳的合作是国内首个伴随诊断技术和产品，未来如果获批也将是首项该领域的技术。另外，药物的研发也在同步进行注册。
刘聪：经验医学已经被循证医学所替代，现在计算医学成了一个新的名词，该怎么理解这个概念？
赵宇：中科院计算所的团队是高性能中心，我们有世界级的超算团队，依托二十年来近国家级课题，平台逐渐成型。计算医学是用密集数据驱动的科研范式，用人工智能的方法，以超算为支撑，始终全局性的、系统性的看待生命。简单地说，我们将人类医学专业知识图谱构建了一系列的模型，以生物医学大数据作为输入条件，用人工智能包括深度学习、神经网络作为训练迭代的方法，最后输出了高度逼真于人体结构和性能的输出体，然后再看它在疾病机理方面的作用，类似于数字生命的概念。
人类知识产生的整个过程也改变了，没有依靠经验。以这样的方式输出的有可能是一个洞见，这时我们再与临床合作验证，最终形成新的知识。举例来说，基于已有的数字模型和生命信息引擎平台，临床医生只是给了我们20个案例，我们就一个肝癌联合用药方案，能把区分出响应人群和不响应人群的复杂曲面画了出来。而这个区分条件就是收敛成为伴随诊断产品。
我经常问医生——肺癌就一定是肺癌吗？当我们现在对疾病的认知达到了分子层面，而命名疾病还在器官层面，分子之上间隔了细胞、组织、才到器官。分子层面建模发现，底层通路事件的一致性可能导致上游事件（病种或新亚型）不确定，但如果该药的对底层事件的作用是确定的，那么这就展示出药物的新适应症。这具有极大的意义，这也是国际上开展“篮子计划”和“伞计划”的出发点。
刘聪：有数据显示，传统医疗在复杂疾病治疗上的用药效果不佳，肿瘤、老年痴呆疾病的药物无效率分别为75%和70%，这个数据准确吗？
赵宇：伴随诊断一定是个大趋势，但是基于简单标志物的伴随诊断红利已经消失，我们正在进入深海区，需要新技术发现复杂的伴随诊断条件，人体的复杂性，决定复杂疾病绝对不是简单几个、几十个基因决定的，计算医学来看，复杂疾病背后甚至是数千个基因变异、增生、缺失，结合临床表征数据的复杂判断模型。这就要求我们要为传统医疗找对人群，为药“装上眼睛”，具体来看，百年神药也大行其道，不断在发现其新适应症，所以，关键是你能否通过伴随诊断找到其适应人群，或是既然具备成药性，它的新适应症能否找到。
刘聪：有一些靶向药是针对某个特定人群有效，那么这类药物需要配合伴随诊断的产品。美国在1998年的时候，上市了第一个伴随诊断的产品，但是截止到2018年底，有30多种产品上市。在宏观政策方面和未来的走向上，肿瘤的伴随诊断技术和产品将是什么样的发展趋势？
赵平：未来，肿瘤的伴随诊断是一个大趋势。其实在今年，FDA已经批准了40多个伴随诊断的产品。中国的CMDE最近出台了一些关于伴随诊断的指导原则和指南，整个中国的新药审批和研发路程往前迈出了一大步。
从新药整体的趋势来看，对伴随诊断的产品和技术还是比较积极的态度。现在政策会比较明确地建议一些企业做新药的伴随诊断。有一些患者可能吃的药未必是对的，比如一个患者可能得了肺癌，但医疗机构或医生未必有明确靶点检测的手段，可能导致一些患者在未检测的情况下还吃靶向药物，这是一直存在的现象。
在未来的新药研发中，我们可以通过伴随诊断，让药的疗效体现得更好，人群可以更精确。我们会发展伴随诊断相关的技术平台，使得检测平台能让更多的患者和医院可及。
刘聪：作为投资人，怎么看待新技术和传统产业的结合？
张志玲：伴随诊断也好，药物筛选也好，或者跨多学科的合作也好，都是我们重点投资的方向。我们最近看了很多跨行业的技术，未来我们会投资具有潜在价值的企业，它们要么在红海中找蓝海，要么就是在创造蓝海，或者是处于蓝海中但有一定的竞争壁垒。我们更多的是希望学科当中的交叉和跨多学科之间的理解。
刘聪：现在看起来，我们距离理想状态好像还比较远，有哪些需要解决的问题？如果展望一下，最理想的状态是怎样的？
张志玲：如果在人才、技术、尤其是法规能够有突破的话，未来当人生了病，走进一扇大门可能就能扫描出来。在药的匹配度上，通过细胞的提取也能瞬间知道药物是否适用，以及还有什么药可以去开发。
赵宇：在我们数据应用和解读角度看来，一是目前90%的临床医疗大数据是不可用的，缺乏立体性和结构性；二是缺乏掌控海量数据(603138,股吧)的新技术体系，更多简单依靠概率和统计；三是行业壁垒森严，医学行业和信息行业互相不理解对方话语体系，更遑论融合。
对于未来，依托国家级数个课题，我们目前通过计算医学对于人体机制已经建立了类似10M像素的照片，不够理想但是已经可用。随着我们在数字化描绘人体的道路上越走越远，医学科学家在座谈探讨问题的时候，人工智能或许同步已经将模拟的情况都反馈给座谈者了，这将极大推进医学的进步。
赵平：中国的精准医疗已经取得非常大的进展，十几年前新药研发也好，治疗手段也好，是很难和欧美媲美的。现在是新药研发和精准治疗非常好的时代，未来中国很有可能将引导全球的新药研发。
