数字化技术在药物研发方面的运用。
医疗成本的增加，当中有很大一部分其实是药物研发成本的增加。
20世纪70年代，一种新药的平均研发费用为1.79亿美元，到20世纪80年代，这个数字翻了一番，而今天，一种新药物从体外评估到获批上市，其平均投入成本高达25亿美元。
如何借助数字化技术简化药物研发的流程，并降低研发成本，这是当下很多机构在思考的一个问题。
有三个在当下已被有效运用的手段。
第一个是用计算机来辅助药物发现，以往研发人员要找到一种药物，需要在实验室里花费长达数年时间，经过大量的试错，才有可能找到一个突破口。
可采用机器人来执行需要极高精度的重复性任务。
如今机器人变得越来越智能，它不仅能执行重复性的任务，还可以执行认知和研究任务，这让它们可以在排查候选药物等事项中发挥重要作用。
比如剑桥大学曾开发了两款实验室机器人，叫做“亚当”和“夏娃”，它们能够提出假设、测试假设，并根据试验结果调整假设，由此来快速寻找可能有效的药物成分。
此前它们帮助研究人员发现了多种热带疾病的候选药物，虽然目前研究结果还停留在体外阶段，一旦在临床研究上得到证实，那么这两个机器人的工作便有可能造福数百万人。
数字化技术还能协助临床研究招募患者。
临床研究很容易失败，其中一大困难便是招募患者。
原因不是患者不愿意，而是患者不知道有这样的研究。
据美国国立卫生研究院的一项研究表明，85%的患者不知道他们可以参加临床研究。
此外，75%的受访者表示，他们对参加临床研究持开放态度。
招募患者的关键其实在于，让信息到达它该到达的人群。
有商业机构在试图通过建立一个汇集相关信息的搜索平台来解决这一问题。
患者可以借助这样的平台搜集适合自己的研究项目，招募方也可以借助平台迅速匹配符合实验要求的患者，由此极大提高患者招募的效率。
数字化技术能有助于将患者真实世界数据引入药物研发过程。
真实世界数据，指的是患者日常生活的各个方面产生的健康数据，包括电子病历中的就诊信息、健康可穿戴设备所监测的生命体征和活动数据，甚至是医疗保险公司的账单信息等等。
它涵盖了患者从病前到病后、长期积累而来的数据。
这些数据不如临床研究数据严谨，但它或许能更准确显示真实世界中患者的反应和需求。
人工智能技术的运用允许我们更系统地评估和利用这部分通常会被忽视的数据，从而能为药物研发提供一个更全面和实际的视角。
比如以阿尔茨海默病研究为例，以往人们只能收集确诊患者的数据。
现在，所有的电子病历信息都存储在数据库中，研究人员也可以查阅患者过去的情况。
就可以更好地了解哪些因素会影响疾病的发展，并对此采取相应的对策。
数字医疗也有需要担心和注意的地方，数据安全问题。
健康数据涵盖高度私人和个性化的个人信息，一旦泄露，后果不堪设想。
美国、英国、澳大利亚、新加坡、德国和南非等国家都发生过严重的健康数据泄露事件。
据美国公布的一组数据，在2009年至2018年间，美国共发生了1863起健康数据泄露事件，有1.73亿人受到影响。
而且随着越来越多的医疗设备接入网络，医疗保健公司成为网络攻击的“重灾区”。
在美国，所有成功的网络攻击中，超过一半的受害者是医疗保健公司。
原因简单又令人震惊，目前黑市上一张被盗用的电子病历的价格是一张被盗用的信用卡的10倍。
因为电子病历中包含了个人的社会保障号码、医疗保险号码、住址和信用卡信息，不法分子可以通过提交这些信息来申请多张新信用卡，获得贷款、购物等。
解决这一问题需要两方面的努力：
首先，需要提高医疗保健从业者和患者对数据安全的认识和操作技能，因为有很多数据泄露是因为人为错误造成的。
其次是要充分发挥技术的作用。
数据安全应该从设备和软件的设计阶段就开始纳入考虑，而不是作为事后的补救措施。
监管机构也应该加强对数据安全的规范和监管，确保从硬件到软件，从体系架构到使用观念，数据安全都得到充分的重视。
网友评论