在日前的Fast Company Innovation Festival活動上，醫(yī)療行業(yè)的一批專家就精準醫(yī)療這種個性化、有針對性的醫(yī)療保健新模式的發(fā)展?jié)摿σ约按嬖趩栴}進行了深入探討。
生物制藥公司伯格健康首席執(zhí)行官Niven R. Narain與來自西奈山以及哥倫比亞大學的行業(yè)專家進行了交流。事實上，精準醫(yī)療是一個包羅萬象的術語，廣義上是指通過更為個性化、有針對性的方式對患者進行治療，而不再采用以往那種傳統(tǒng)一刀切的方法治療疾病。今年早些時候，美國聯(lián)邦政府宣布投資2.15億美元投資精準醫(yī)療。
Narain指出，“這是一個前所未有的變化。但存在的悖論是，在生物醫(yī)學研究不斷轉型進步的同時，患者所面臨的經濟壓力卻在加劇。”
生物制藥公司伯格健康位于波士頓，其背后金主是硅谷房地產商、億萬富翁卡爾·伯格（Carl Berg）。該公司希望通過融合基因組學技術，降低藥物研發(fā)的資金成本和時間。公司對這一項目的研發(fā)已經進行了十年，耗資超過30億美元，采用基因組學、蛋白質組學以及人工智能方法的結合來尋找新的藥物靶點。伯格健康希望將這些工具結合使用，能夠為患者提供價格合理的新藥。
對于伯格健康來說，潛在的障礙似乎永無止境：在現(xiàn)有的醫(yī)療保健中，將不同類型的數(shù)據匯集在一起非常困難，而監(jiān)管協(xié)議也是一個繞不過去的障礙。大多數(shù)醫(yī)院依舊是按服務而不是按診療效果收費，這意味著醫(yī)院的檢查昂貴繁瑣。
關于精準醫(yī)療的發(fā)展和潛在的障礙，與會專家進行了以下討論：
數(shù)據收集
所有與會專家都認同，通過基因組學所收集到的患者數(shù)據并不完全有用。
西奈山伊坎基因組學和多尺度生物學研究所所長埃里克·夏特(Eric Schadt)認為醫(yī)學研究部門應當找到與患者接觸的更好方法。為了開發(fā)藥效預測模型，他認為研究人員需要從患者電子病歷、實驗室中獲取相關的檢查以及用藥數(shù)據。他們也應當可以通過諸如蘋果HealthKit服務接入用戶設備，獲取其健康數(shù)據。
獲取患者數(shù)據的關鍵在于要為其提供一定的價值，以換取對其健康數(shù)據的訪問。夏特指出，我們大多數(shù)人愿意將個人信息交換給谷歌，以換取搜索引擎以及電子郵件服務。夏特稱，“我們Gmail中的內容要比病歷中的內容更加個性化。因此在醫(yī)學上我們也必須找出一個平衡，為患者提供更為準確的服務價值，以便使他們同意交換個人的醫(yī)療數(shù)據。
獲取患者數(shù)據在政策上的優(yōu)勢在于，目前機構審查委員會以及監(jiān)管機構在同意數(shù)據共享方面的意見更為明確，但這方面還有很多工作要做。西奈山神經科學教授?？怂?/SPAN>·西斯特勒（Eric Nestler）指出，我們還需要更多的實質性法律政策來保護患者免受歧視。譬如數(shù)據共享要避免患者在醫(yī)療保險、長期護理等方面遭到歧視。
我們需要更多的新藥嗎？
與會專家提出的另一個問題關于新藥的研發(fā)：我們是需要用新的治療方法對付疾病，還是應當集中精力利用現(xiàn)有的藥物。
哥倫比亞大學系統(tǒng)生物學系主任安德里亞·加里法諾（Andrea Califano）指出，那些以最佳藥物治療匹配患者腫瘤的新算法正在被研究人員更多地采用。他稱，“我們收集了數(shù)千種各類研究性化合物，并通過這一算法進行匹配。”
加里法諾表示，一些腫瘤患者僅需要單一的藥物治療便可見效。這也是他所認為的精準醫(yī)療的近期發(fā)展方向。他表示，“我們不需要開發(fā)過多的新藥，我們就能夠治療不同的癌癥。”
但是Narain則認為，我們需要對現(xiàn)有的藥物進行重新審視并研發(fā)新藥物。他的公司正在努力通過差異化方法尋求新的療法，他稱之為“生物第一”。其新藥研發(fā)過程首先要從腫瘤樣本以及健康組織樣本中提取生物數(shù)據，然后使用人工智能算法進行藥物實驗。
數(shù)據的可操作性
與會專家認同，將患者數(shù)據收集整理是一個巨大的挑戰(zhàn)。以各種形式存儲在醫(yī)療文件中的數(shù)據并不容易存儲或共享。對于醫(yī)療研究部門的人來說，這是一種噩夢。其存在的部分原因是醫(yī)院等醫(yī)療機構在利益驅動下不想讓患者流動到其他醫(yī)療機構就醫(yī)。
當被問及這一現(xiàn)狀是否能夠在不遠的將來得到解決，或者說從而使健康信息能否標準化時，與會專家沒有表現(xiàn)出應有的樂觀。沙特指出，“看起來相當遙遠。”同時專家還認為，人工智能并不是快速解決問題的首要方法，我們所需要的依舊是利用現(xiàn)有工具整合數(shù)據，然后才是發(fā)揮人工智能的強大作用。
?