临床大数据的产品应用与变现（二）：药企

药物不良反应数据库是一个多数据源的数据库，也就是说其并不只来源于临床中产生的数据，还包括蛋白、靶点等药物数据。当前的不良反应数据大多数以不良反应上报为主，在未来的发展中，可以借助人工智能等技术手段构建疑似不良反应数据库。该数据库直接来自于临床过程产生的数据，将一些临床症状与用药情况叠加进行判定，主动挖掘一些不良反应事件。

药物不良反应算法方面研究也同样非常深入。主要分为三个大类：比例失衡分析算法(DPA)、逻辑回归算法(LRM)、关联规则挖掘算法(ARM)。

在AI与机器学习发展的今天，决策树、聚类、神经网络等算法都会用作药物不良反应的挖掘工作。具体的算法内容本文不进行细节展开。

探索药物不良的试验方法有四种：差异法、协同法、共变法、类比法。这四种方法也可以作为临床数据研究的理论依据。

差异法就是从相同中寻找不同的因素，这种不同的因素就有可能是引起医学事件的原因。

例如有一人群患有心律失常，当应用传统的抗心律失常药物无效时，停药后又改用胺碘酮，结果有部分患者不仅原有的心律失常未得到控制，却又发生了扭转性室速。同属一组人群，在使用胺碘酮前和后可找出的不同因素正是胺碘酮，因此，可以假设胺碘酮会引起扭转性室速。据此，便可再作进一步的分析性研究。

协同法适用于在不同的时间、不同的空间或不同人口统计学的人群中的某些人出现了同一种医学事件，就可以采用这一方法提出假设。例如调查食物中毒就可以使用这种方法。

共变法适用于某种医学事件的发生频率，随着某种客观因素的数量变动成正比地相应变动，这种数量变动的客观因素就可能是引起医学事件的原因。

轰动全世界的“反应停事件”就是通过这一方法提出假设的，研究者们巧妙地将相关年代反应停的市场销售信息与医学事件联系起来，绘出一个销售总量与病例数的时间分布曲线图。

类比法是把原因不明的医学事件和另一个十分清楚的客观因素进行比较，如有相似之处，说明这种客观因素可能就是引起医学事件的原因。例如瑞氏综合征（Reye’s syndrome）的研究中，有人发现水杨酸中毒的临床和组织学改变很类似该综合征，于是通过逻辑推理提出了假设。

药企可以借助临床数据对药物不良反应进行主动性研究。首先确定使用本公司某种药物的相关人群。对于人群中发生的任何相关的临床现象进行聚类，按照诊疗的事件数据进行分。药物不良反应的研究成果，一般以平台或系统形式呈现。该平台可以进行不良事件检索、不良事件相关药物检索以及相关的不良事件组合检索。

2.药物情报知识图谱

药物营销之前依靠医药代表，现在各个医院对医药代表管理严格，各大药企的药物推广更多的变更为专家型营销方式，通过对医生、患者的教育，使他们了解自己公司的产品，以知识的方式传递营销思路。

现在的医药代表往往会手持一个pad，里面有药物的所有资料以及相关的临床证据，甚至是一些医药有关的问答系统。这样一个医药知识的检索平台或者说问答系统就可以利用知识图谱技术进行构建。

针对药企而言，在营销方面医疗知识图谱可以说是一个最直接的应用，针对药物临床、临床前的学术检索，也是知识图谱的一大应用场景。

医学知识图谱构建技术归纳为五部分，即医学知识的表示、抽取、融合、推理以及质量评估。通过从大量的结构化或非结构化的医学数据中提取出实体、关系、属性等知识图谱的组成元素，选择合理高效的方式存入知识库。医学知识融合对医学知识库内容进行消歧和链接，增强知识库内部的逻辑性和表达能力，并通过人工或自动的方式为医学知识图谱更新旧知识或补充新知识。

知识图谱的数据来源非常多样，临床数据只是知识图谱数据来源的一个方面，下图就表现了知识图谱数据来源的多样性。

从变现方面来讲，知识图谱更多的是以知识库的形式提供服务，当然可以扩展为问答机器人等业务应用。知识图谱在企业内部可以提高药企的营销水平，协助营销人员更好的推介产品。知识图谱对外是一套知识库体系，可以通过售卖账号获取年费进行变现。

#专栏作家#

白白，人人都是产品经理专栏作家。公众号：白白说话（xiaob-talk）。医药行业资深产品专家，负责人工智能行业类产品综合架构与技术开发。在行业云产品架构，药物设计AI辅助、医疗知识图谱等领域有深入研究。

本文素材来自互联网

（编辑：辽源站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!