首页 > 资讯 > 多位专家质疑数字医疗开发商：怎样在常被炒作的领域里证明价值

出自识林

2018-04-07

数字医疗的发展是一个循序渐进的过程，我们在正视其价值的同时也不应过分夸大其价值，应在反复独立验证的基础上得出可靠的数据和能够经得起FDA严格要求的可重现结果。

从可穿戴设备到电子病历、能够跟踪患者在家中活动情况的记录盒，这些新型数字工具为大家带来了重塑医疗保健的希望，关键是要甄别所生成的大量数据，确保这些干预措施能够确实改善健康产出结果。

上周五在麻省理工学院举行的数字医疗和人工智能如何影响转化医学会议上，与会的监管和药物研发专家发出这样的信息。

“这个领域的创造正在改善人们的健康产出结果，”前FDA局长，现就职于杜克大学和Verily生命科学公司的Robert Califf博士表示。“但请勿言过其实，”他补充道，在这一点上，要把推销自己的想法的必要性和夸大人工智能的作用区分开。

Califf承认大数据和生物学相融合的潜力，强调了Verily的项目基准，该项目旨在研究从参与者的基因组、社交互动，再到就医的所有事情。但他表示，作为FDA前任官员，他需要“给当前的火热泼一盆冷水”，指出目前可用的许多健康数据杂乱无章。

Califf表示，尝试应用“电子产品和传感器”来改善健康的企业家们所面临一个挑战是得出能够经得起FDA严格要求的可重现结果。

现任FDA数字医疗副主任Bakul Patel强调了价值核实的重要性和挑战，表示对可信任的事物做出验证非常重要。

Patel表示，FDA需要有更多的数字医疗和人工智能专家来评估新产品。与正常的药物研发过程相比，FDA尚未适应数字医疗创新的发展速度，但FDA计划“重新构建”针对这一领域的监管架构。数字医疗公司需要对FDA保持透明，并承诺采集真实世界数据以获得与FDA的合作。

来自机器学习、临床试验和计算机科学领域的专家参加了这次会议，与会者探讨了如何利用数据采集和分析方面的进展，推动治疗方法研发更加高效，拓展可评估的潜在的治疗方式。与会者还深入探讨了这一领域目前的短板，以及阻碍软件工程师、计算机科学家、人工智能专家和传统上主导治疗方法研发的生物医学研究人员之间潜在协作的障碍。

但是与会的研究人员阐述了如何使用新软件和机器学习来更好地匹配患者与临床试验、预测患者疾病进程、衡量试验成功的可能性，但只是强调了新数据源引导转化医学如何实现的一些方面。

其他专家告诫，将人工智能应用于药物的前景容易被过分炒作，产生武田首席医疗和科学官Andrew Plump斥为“垃圾”的结果。这些专业人士表示，结果需要独立验证，就像候选药物获准上市之前要进行有效的研究一样。

尽管如此，本次会议还是包括了为什么对数码工具实现的可能性感到鼓舞的例子。

其中一个是麻省理工学院电气工程和计算机科学教授Dina Katabi介绍的一种可以跟踪人们在户内活动的类似于无线路由器盒的装置。例如，如果一家公司正在尝试检测改善帕金森氏症患者的活动能力的方式，那么在所有时间跟踪患者可能会生成与患者真实生活更为相关的数据。这种方法并不只是在诊室检测患者的步态，而是在患者身边没有临床医生的99.9％时间内评估干预的影响。

当然，还需要进一步完善这些工具，但已经奠定可实际产品的基础。

Katabi表示，患者所做的每一个动作实际上都会影响周围的电磁波。即便非常微小，这样的变化都会影响可以测量到的无线信号。在这个盒子里有高级的人工智能和机器学习装置。

诺华生物医学研究院院长Jay Bradner阐述了诺华如何利用庞大的分子库作为潜在药物进行研究。人工智能是否能帮助诺华的科学家们大海捞针一样地找到与特定靶点结合的分子？人工智能可以帮助研究人员合成分子库中缺乏的新分子吗？

“我们不希望我们的化学家们考虑如何合成这种分子，” Bradner表示。“而是希望他们考虑合成什么样的分子。”

编译：识林-Kapok 识林-雪杉
识林®www.shilinx.com版权所有，未经许可不得转载。如需使用请联系 admin@shilinx.com