騰訊醫(yī)療大數(shù)據(jù)實驗室主任Chenzhig Chen在接受我們的采訪時說，在醫(yī)療行業(yè)應(yīng)用機器學(xué)習(xí)時處理數(shù)據(jù)(并將其數(shù)字化)的重要性：如果您查看該行業(yè)，你會發(fā)現(xiàn)數(shù)據(jù)還不存在，數(shù)字化還沒有準(zhǔn)備好。因此，對于AI來說，要使真正的大數(shù)據(jù)真正騰飛，這個基礎(chǔ)必須要有所準(zhǔn)備。在大數(shù)據(jù)領(lǐng)域，我們通常會說您80%的時間或研究花費在數(shù)據(jù)上，然后20%的時間實際上在模型，算法上。沒有數(shù)據(jù)和數(shù)字化的基礎(chǔ)，這很難，或者幾乎不可能從中獲得真正的模型……如果沒有數(shù)字化，而沒有整個過程在線和數(shù)字化，您將如何實現(xiàn)或?qū)⑷绾螌崿F(xiàn)?人工智能帶回企業(yè)的價值?在此報告中，我們討論了制藥公司如何能夠匯總和清除其大量數(shù)據(jù)，以便它們可以利用它來解決業(yè)務(wù)問題并通過AI改善運營，包括：將數(shù)據(jù)集中到數(shù)據(jù)科學(xué)項目和機器學(xué)習(xí)培訓(xùn)中；預(yù)處理非結(jié)構(gòu)化數(shù)據(jù)，以便機器學(xué)習(xí)模型可以識別和“學(xué)習(xí)”數(shù)據(jù)；在數(shù)據(jù)科學(xué)和預(yù)測分析中利用集中化和重組的數(shù)據(jù)進行營銷；我們從數(shù)據(jù)集中開始我們的報告。

在過去的五年中，我們已經(jīng)與醫(yī)療保健和制藥業(yè)的許多領(lǐng)導(dǎo)者進行了交談，而對于AI而言，醫(yī)療保健和制藥業(yè)領(lǐng)導(dǎo)者報告的最緊迫的挑戰(zhàn)是他們不確定如何簡化和構(gòu)建數(shù)據(jù)結(jié)構(gòu)。一種讓他們建立機器學(xué)習(xí)模型的方式。醫(yī)療保健公司陷入了其潛在的AI計劃的數(shù)據(jù)整合階段，而一個又一個的供應(yīng)商試圖將其出售給該公司可能還沒有準(zhǔn)備就緒的新應(yīng)用程序。

人工智能和機器學(xué)習(xí)項目可能需要幾個月的時間才能啟動。如果有的話，許多制藥公司在發(fā)布AI產(chǎn)品后半年或更長的時間內(nèi)就不會看到投資回報率。因此，對于制藥公司而言，重要的是清理并存儲其數(shù)據(jù)，以使其“可機讀”，并隨時準(zhǔn)備將其輸入到機器學(xué)習(xí)算法中。無論公司內(nèi)部生產(chǎn)還是從AI供應(yīng)商處購買產(chǎn)品，這都可能為他們節(jié)省時間和金錢(甚至數(shù)千美元)。

數(shù)據(jù)集中化

制藥公司的結(jié)構(gòu)化大數(shù)據(jù)可能存儲在某種數(shù)據(jù)倉庫中。制藥公司還可以在許多地方存儲非結(jié)構(gòu)化數(shù)據(jù)，本質(zhì)上是本質(zhì)上不是機器可讀的數(shù)據(jù)，例如匿名電子病歷(EMR)記錄和醫(yī)學(xué)掃描數(shù)據(jù)庫。許多軟件供應(yīng)商提供服務(wù)來幫助制藥公司以一種允許將其饋送到機器學(xué)習(xí)算法的方式來理解其所有傳入數(shù)據(jù)流。通常，進入制藥行業(yè)的公司似乎也提供API或類似的集成，從而允許客戶在云或公司計算機上運行機器學(xué)習(xí)模型。

提供大數(shù)據(jù)集中化解決方案的供應(yīng)商通常也在AI和數(shù)據(jù)分析市場中。他們傾向于提供與數(shù)據(jù)集中化分開的數(shù)據(jù)分析解決方案(例如預(yù)測分析)，但是某些產(chǎn)品可能包括兩者。在制藥行業(yè)中，這些供應(yīng)商最常要求解決的業(yè)務(wù)問題是臨床試驗優(yōu)化和藥物發(fā)現(xiàn)。

向藥品公司提供數(shù)據(jù)集中化解決方案的一家供應(yīng)商是GrayMatter。他們還提供了一個平臺，用戶可以在該平臺上可視化商業(yè)智能分析。GrayMatter沒有提供任何案例研究來顯示制藥公司通過其軟件獲得的成功， 但該公司將輝瑞和Strides Arcolab列為過去的客戶。我們選擇在此報告中討論GrayMatter，因為他們的團隊似乎很有可能具有AI和機器學(xué)習(xí)方面的經(jīng)驗，這對于希望使用GrayMatter解決方案來集中其數(shù)據(jù)以供機器學(xué)習(xí)使用的制藥公司來說是個好兆頭。例如，在GrayMatter平臺上集中和結(jié)構(gòu)化數(shù)據(jù)可能有助于制藥公司更有效地分析匿名的EMR記錄，從而縮小可能的患者范圍，以進行臨床試驗。諸如此類的數(shù)據(jù)集成咨詢和服務(wù)適用于需要集中其數(shù)據(jù)以便為他們可能要使用的任何類型的AI解決方案做好準(zhǔn)備的公司。在下一部分中，我們將討論制藥公司大數(shù)據(jù)的預(yù)處理以及如何為特定的機器學(xué)習(xí)用例準(zhǔn)備數(shù)據(jù)。

數(shù)據(jù)預(yù)處理

在將所有必要數(shù)據(jù)集中之后，制藥公司可能需要準(zhǔn)備某些數(shù)據(jù)集以用于AI和機器學(xué)習(xí)計劃。制藥公司的非結(jié)構(gòu)化數(shù)據(jù)可能包括藥物分子成像或EMR數(shù)據(jù)。例如，此類數(shù)據(jù)需要先進行標(biāo)記，然后再輸入到深度學(xué)習(xí)算法中，以尋求“學(xué)習(xí)”以對未標(biāo)記圖像進行分類或填寫空白EMR表單。

對于來自MRI或高級顯微鏡的成像數(shù)據(jù)，必須根據(jù)機器學(xué)習(xí)模型要檢測的對象和實體對每個圖像進行電子標(biāo)記。例如，將需要訓(xùn)練顯微血液成像軟件以辨別不同類型的血細(xì)胞以及每個圖像中存在多少個血細(xì)胞。還可以訓(xùn)練用于血液成像的機器學(xué)習(xí)模型，以檢測血液中某些藥物或治療的不良反應(yīng)和不良反應(yīng)。EMR數(shù)據(jù)通常由醫(yī)師書寫或指示。記錄包括有關(guān)患者及其患病經(jīng)歷的詳細(xì)信息，以及這些疾病的過去用藥和治療方法以及患者對這些疾病的反應(yīng)方式。定位與臨床試驗資格相關(guān)的患者信息的自然語言處理應(yīng)用程序是目前制藥業(yè)AI的重要解決方案之一。

如果公司想要構(gòu)建或購買自然語言處理應(yīng)用程序以篩選IDC-10代碼的匿名EMR記錄，以查找可能適合臨床試驗的患者，則EMR記錄需要標(biāo)記為包含特定IDC-例如10個代碼或其他代碼。BioSymetrics是一家提供數(shù)據(jù)組織和標(biāo)簽，清潔以及來自不同來源的生物醫(yī)學(xué)和醫(yī)療數(shù)據(jù)分析的供應(yīng)商。他們的Augusta應(yīng)用程序使用機器學(xué)習(xí)來加快在諸如藥物發(fā)現(xiàn)，臨床試驗優(yōu)化和精密醫(yī)學(xué)等業(yè)務(wù)領(lǐng)域中部署AI應(yīng)用程序的過程。

據(jù)稱，BioSymetrics的SymetryML機器學(xué)習(xí)引擎可以評估原始數(shù)據(jù)的必要處理方法，以便在進一步的機器學(xué)習(xí)開發(fā)和AI應(yīng)用中使用?？梢詫⒃紨?shù)據(jù)格式化為圖像，基因組統(tǒng)計數(shù)據(jù)，流數(shù)據(jù)和觀察到的化合物。SymetryML可以處理來自MRI和fMRI的醫(yī)學(xué)成像數(shù)據(jù)。它還可以處理來自EKG的數(shù)字?jǐn)?shù)據(jù)，遺傳學(xué)，蛋白質(zhì)組學(xué)和來自FitBit或智能手表等可穿戴設(shè)備的IoT數(shù)據(jù)。機器學(xué)習(xí)模型還能夠處理EMR格式的信息，從而使其能夠組合來自各種非結(jié)構(gòu)化來源的數(shù)據(jù)以開發(fā)更好的產(chǎn)品和處理方法。將化合物數(shù)字化表示為數(shù)據(jù)時，將用字母數(shù)字字符串表示該文本，可以將其保存以備將來識別并用于機器學(xué)習(xí)模型訓(xùn)練。這些文本鏈?zhǔn)峭ㄟ^數(shù)學(xué)公式找到的，該數(shù)學(xué)公式可以拍攝分子的圖像和圖形表示并將其轉(zhuǎn)變?yōu)槲ㄒ坏拇a行。這些代碼被稱為IUPAC化學(xué)標(biāo)識符(IChIs)。

BioSymetrics在其網(wǎng)站上沒有任何演示或案例研究，但提供了有關(guān)其軟件如何幫助制藥和生命科學(xué)公司的示例。這些例子之一突出了奧古斯塔(Augusta)如何在12分鐘內(nèi)分析155名患者中與某種疾病相關(guān)的120萬患者變異。然后，該公司能夠比較其遺傳變異的醫(yī)學(xué)圖像屬性。 圖2突出顯示了大腦的不同區(qū)域，這些區(qū)域受個體是否具有遺傳變異的影響更大。該示例指出，在分析中發(fā)現(xiàn)其中一種遺傳變異與自閉癥有顯著關(guān)聯(lián)。然后，該公司據(jù)稱可以根據(jù)大腦各個區(qū)域內(nèi)的偏差，確定與給定疾病相關(guān)的不同病癥之間的差異，以及誰擁有和沒有該變異。

藥品營銷大數(shù)據(jù)

大數(shù)據(jù)在制藥行業(yè)中發(fā)揮特別重要作用的領(lǐng)域是向醫(yī)療保健網(wǎng)絡(luò)，零售商和客戶銷售其產(chǎn)品和治療方法。開展新的營銷活動，跟蹤ROI和銷售統(tǒng)計數(shù)據(jù)以及管理銷售團隊，都是可以利用利用大數(shù)據(jù)的AI解決方案解決的所有業(yè)務(wù)問題。

與藥品營銷中的數(shù)據(jù)科學(xué)計劃最相關(guān)的數(shù)據(jù)源如下：

近期和歷史市場情況，例如某一區(qū)域?qū)σ环N產(chǎn)品的需求增加而對其他產(chǎn)品的需求下降。過去營銷活動，項目和實驗的數(shù)據(jù)，以及這些活動所產(chǎn)生的投資回報率。銷售團隊績效數(shù)據(jù)按員工個人及其相關(guān)經(jīng)驗逐項列出基于客戶的數(shù)據(jù)分為人口統(tǒng)計數(shù)據(jù)，并按每個客戶的期望持續(xù)價值進行細(xì)分。

這些不同類型的數(shù)據(jù)可能需要使用大型數(shù)據(jù)存儲設(shè)備以及可能的機器學(xué)習(xí)解決方案(例如GrayMatter的解決方案)進行集中化。另外，可能需要對來自過去營銷活動的書面信息和歷史市場狀況信息進行預(yù)處理，以便機器學(xué)習(xí)模型能夠識別它。尚不清楚以前提到的BioSymetrics解決方案是否能夠處理這些特定類型的營銷數(shù)據(jù)。

Complexica是一家澳大利亞軟件供應(yīng)商，提供稱為Larry the Digital Analyst的預(yù)測分析解決方案。據(jù)稱該軟件能夠為銷售率，市場投資和市場狀況(例如季節(jié)性需求的上升和下降)創(chuàng)建預(yù)測模型。還要進行廣告宣傳，以根據(jù)區(qū)域的大小，將哪些銷售代表分配給哪個區(qū)域以及每個區(qū)域的地理位置來優(yōu)化銷售區(qū)域映射。

盡管該公司沒有任何案例研究，但他們與輝瑞公司合作以幫助他們對銷售，營銷投資和營銷條件進行建模，在AI領(lǐng)域引起了極大關(guān)注。輝瑞選擇了Complexica的假設(shè)仿真器和優(yōu)化器作為他們的分析解決方案，這使他們能夠利用其營銷和銷售數(shù)據(jù)來告知他們的業(yè)務(wù)決策。顯然，制藥公司擁有的大數(shù)據(jù)存儲可用于開發(fā)有用的機器學(xué)習(xí)模型，以改善制藥業(yè)務(wù)運營。盡管營銷是利用企業(yè)數(shù)據(jù)的最清晰的業(yè)務(wù)領(lǐng)域，但制藥公司也可以將其精細(xì)的醫(yī)學(xué)數(shù)據(jù)用于臨床試驗和藥物發(fā)現(xiàn)。

數(shù)字分析師Larry充當(dāng)Complexica的AI平臺，因為它是他們每個商業(yè)智能解決方案的AI部分。左圖詳細(xì)說明了Complexica軟件解決方案中的哪些軟件利用了數(shù)字分析師Larry背后的機器學(xué)習(xí)模型。尚不清楚Complexica的電子商務(wù)推薦引擎產(chǎn)品是否也利用了實際的AI推薦引擎，該引擎需要與數(shù)字分析師Larry的預(yù)測分析能力分開存在。