新冠疫情不僅凸顯了速度對(duì)醫(yī)學(xué)發(fā)現(xiàn)的重要性，而且還凸顯了數(shù)據(jù)科學(xué)和人工智能為這種加速提供幫助的重要性。例如，機(jī)器學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域的應(yīng)用近年來(lái)取得了重大進(jìn)展，通過(guò)人工智能發(fā)現(xiàn)的藥物分子已經(jīng)用于人體試驗(yàn)。盡管如此，英國(guó)艾倫圖靈研究所最近發(fā)布的一份調(diào)查報(bào)告表明，數(shù)據(jù)收集、使用、存儲(chǔ)、處理和與不同系統(tǒng)集成的困難(即缺乏強(qiáng)大的數(shù)據(jù)架構(gòu))，阻礙了采用人工智能工具以應(yīng)對(duì)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(jī)構(gòu)和制藥廠商。

數(shù)據(jù)日益重要

盡管很多醫(yī)療機(jī)構(gòu)和制藥廠商在藥物和醫(yī)學(xué)發(fā)現(xiàn)等方面付出了巨大努力，特別是針對(duì)新冠病毒進(jìn)行開(kāi)發(fā)，但它是一個(gè)漫長(zhǎng)、復(fù)雜且成本高昂的過(guò)程。更不用說(shuō)其成功率很低——根據(jù)調(diào)查，藥物開(kāi)發(fā)的整體失敗率高達(dá)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(kāi)發(fā)的潛力，以降低失敗率。

如果沒(méi)有人類基因組數(shù)據(jù)，就無(wú)法全面捕捉導(dǎo)致疾病的所有元素，從而無(wú)法獲得更廣泛、更深入的了解。這就需要進(jìn)行大規(guī)?；蚪M測(cè)序，以便能夠發(fā)現(xiàn)和驗(yàn)證關(guān)鍵的遺傳變異。收集到的更多信息和見(jiàn)解可以讓企業(yè)可以采取更明智的措施，降低藥物開(kāi)發(fā)失敗率。利用這些數(shù)據(jù)創(chuàng)建機(jī)器學(xué)習(xí)算法也可以實(shí)現(xiàn)藥物開(kāi)發(fā)管道的自動(dòng)化，加速藥物發(fā)現(xiàn)。

另一個(gè)例子是，QSAR(定量結(jié)構(gòu)-活性關(guān)系)模型能夠通過(guò)減少合成的藥物化合物數(shù)量來(lái)提高對(duì)新化學(xué)結(jié)構(gòu)的預(yù)測(cè)準(zhǔn)確性，并降低成本和時(shí)間。通過(guò)轉(zhuǎn)移知識(shí)和結(jié)合從豐富的歷史數(shù)據(jù)中學(xué)習(xí)，預(yù)測(cè)分析也可以用于藥物開(kāi)發(fā)和生產(chǎn)。然后可以使用這些數(shù)據(jù)來(lái)發(fā)現(xiàn)新藥物，并加快開(kāi)展實(shí)驗(yàn)。

人工智能已經(jīng)在藥物開(kāi)發(fā)、發(fā)現(xiàn)和臨床試驗(yàn)過(guò)程中發(fā)揮重要作用，使研究機(jī)構(gòu)有機(jī)會(huì)通過(guò)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(jìn)步，但分析這些數(shù)據(jù)都帶來(lái)了自身的挑戰(zhàn)?，F(xiàn)在有如此多的生物和醫(yī)學(xué)數(shù)據(jù)可用，要快速獲取所需的見(jiàn)解比以往任何時(shí)候都要困難。如果不能正確利用這些數(shù)據(jù)，就毫無(wú)意義。此外，基因組數(shù)據(jù)尤其需要大量存儲(chǔ)、專門的軟件來(lái)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(wèn)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(jī)構(gòu)和廠商面臨的問(wèn)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(duì)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(fèi)數(shù)周的時(shí)間。

生物技術(shù)開(kāi)發(fā)商Regeneron公司當(dāng)時(shí)就面臨著這些問(wèn)題，因此致力于解決處理性能和可擴(kuò)展性問(wèn)題。該公司面臨的問(wèn)題是，其數(shù)據(jù)團(tuán)隊(duì)沒(méi)有分析可用的PB級(jí)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(jī)構(gòu)簡(jiǎn)化其基礎(chǔ)設(shè)施和運(yùn)營(yíng)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(gè)統(tǒng)一且易于訪問(wèn)的數(shù)據(jù)分析平臺(tái)中(例如Lakehouse)，數(shù)據(jù)才能充分發(fā)揮其潛力。簡(jiǎn)化的Lakehouse基礎(chǔ)設(shè)施可實(shí)現(xiàn)更大的可擴(kuò)展性、自動(dòng)化和大規(guī)模機(jī)器學(xué)習(xí)，以加速藥物開(kāi)發(fā)。統(tǒng)一平臺(tái)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(jiàn)解可以在團(tuán)隊(duì)之間輕松共享，同時(shí)確保可靠性和維護(hù)安全性以保護(hù)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(diǎn)識(shí)別速度，開(kāi)發(fā)團(tuán)隊(duì)可以同時(shí)在多個(gè)疾病領(lǐng)域開(kāi)展工作。

另一方面，處理傳統(tǒng)架構(gòu)和復(fù)雜的基礎(chǔ)設(shè)施很費(fèi)時(shí)間，尤其是設(shè)置正確的基礎(chǔ)設(shè)施并進(jìn)行維護(hù)以支持必要的分析。這使開(kāi)發(fā)團(tuán)隊(duì)難以專注于分析。通過(guò)提高自動(dòng)化程度，例如在出現(xiàn)任何系統(tǒng)故障時(shí)自動(dòng)切換集群管理之類的操作，團(tuán)隊(duì)可以在DevOps上花費(fèi)更少的時(shí)間，并專注于更高價(jià)值的任務(wù)，即藥物開(kāi)發(fā)和發(fā)現(xiàn)新的治療方法。當(dāng)Regeneron公司采用提供更強(qiáng)大數(shù)據(jù)架構(gòu)的新平臺(tái)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(jìn)藥物發(fā)現(xiàn)的問(wèn)題的關(guān)鍵。

除了實(shí)現(xiàn)臨床可預(yù)測(cè)性和對(duì)數(shù)據(jù)沿襲的訪問(wèn)之外，Lakehouse平臺(tái)還允許研究人員利用可重復(fù)的、基于機(jī)器學(xué)習(xí)的系統(tǒng)來(lái)生成和驗(yàn)證假設(shè)，從而使他們能夠?qū)ψ约旱臅r(shí)間和研究做出更有針對(duì)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(xué)發(fā)現(xiàn)方面，但企業(yè)現(xiàn)在必須進(jìn)一步推動(dòng)這一點(diǎn)，以充分利用數(shù)據(jù)的潛力。如果沒(méi)有強(qiáng)大的數(shù)據(jù)架構(gòu)，藥物發(fā)現(xiàn)之類的高失敗率不會(huì)很快降低，通過(guò)集中的、可擴(kuò)展的平臺(tái)來(lái)簡(jiǎn)化操作，企業(yè)可以獲得他們需要的見(jiàn)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)。