Становище: Персонализирани медицина и европейска икономика данни задвижване

От Марио Ромао, мениджър на цифровите здравни политики, Intel; Сарнунас Нарбутас, президент на литовската коалиция за пациенти с рак, Ричард Торбет, главен икономист, EFPIA; Ернст Хафен, Институт по молекулярна системна биология (IMSB) ETH, Цюрих

Никой не обича да се разболява. Но когато се разболееме, жизненоважно е нашите лекари да имат достъп до най-добрата налична информация и диагностични техники. За щастие, нововъзникващите технологии, като инструменти за анализи за „Големите данни“, могат да помогнат на здравните специалисти да подобрят диагнозите и да прекроят начина, по който се практикува лекарството.

Използвайки тези данни, за да разбере първо причината за заболяването, медицинската професия може след това да разработи нови лекарства и терапии, за да намери лечения или лечения, както и други здравни интервенции, насочени към индивида. Персонализираният индивидуален подход изисква усъвършенствани технологии и процеси за събиране, управление и анализ на информацията и, което е още по-важно, да я контекстуализираме, интегрираме, интерпретираме и да осигурим бърза и прецизна подкрепа за вземане на решения в клиничен и обществен здравен контекст.

Получаването на „Стратегия за данни за персонализирана медицина“ точно в Европа би довело до множество ползи. Това не само би ускорило разработването на по-ефективни лечения и би могло да помогне за управлението на здравни ресурси, но също така ще действа като основа за инвестиции от частния сектор и работни места в ЕС в научноизследователската и развойна дейност. Глобалното развитие на подходите към големите данни в здравеопазването е от голямо значение за бъдещето на няколко индустрии.

Възможността за рентабилна последователност на целия геном и стойността, която това би довело до грижата за пациента, скоро ще внесат геномни данни в рутинна практика. Тази информация, която става все по-евтина през цялото време, също ще бъде интегрирана в електронни здравни записи. Имайки това предвид, няколко държави вече са предприели спонсорирани от правителството програми за секвениране на геноми.

Разбира се, има проблеми около Big Data - не само за неговото събиране, съхранение, разпространение и стандарти, които трябва да се прилагат. Съществуват и огромни етични въпроси, свързани с използването и собствеността му.

Очевидно има нужда от предпазни мерки, които да гарантират, че данните остават анонимни, че не могат да бъдат споделяни без изричното разрешение на пациента, че не могат да бъдат продавани, например на застрахователни компании без това разрешение, че пациентът трябва да притежава - и пълен достъп до неговите или нейните данни и че всичко това трябва да бъде включено в закони, основани на етиката.

реклама

Едно предложение, което печели подкрепа, е използването на кооперативи за данни, в които всеки пациент и донор на данни контролира кога, къде и как могат да се използват неговите данни. Това трябва да преодолее факта, че пациентите може да не са склонни да предават чувствителна лична информация, която би могла да бъде жизненоважна за изследванията.

Предвид гореизложеното и тъй като персонализираната медицина изисква в повечето случаи персонализирани данни, важно е да се ориентирате в сложния регулаторен пейзаж на защитата на данните и в много случаи да се изяснят границите на това, което е и не е възможно.

Основен принцип трябва да бъде „освободете данните, но не причинявайте вреда“. Това би позволило да се постигнат най-добрите и бързи възможни резултати. Учените трябва да могат да работят и тестват на големи масиви от данни, които в момента не са налични. Разбира се, след това има въпроси за това как най-добре да свържете тези резултати с клинично значима и приложима информация и как да създадете съобразени с тях отговори. Тези фактори представляват допълнителни предизвикателства.

Горепосочените проблеми трябва да бъдат решени бързо, тъй като Big Data очевидно не може да бъде измислена и със сигурност няма да изчезне. Въпреки това, осигурявайки правилните регулаторни рамки, които обхващат тези проблеми на защитата на данните, изследователите потенциално биха имали достъп до милиони генетични маркери. От своя страна това би ускорило науката към по-добро разбиране на заболяванията при конкретни пациенти. Тези данни обикновено се използват директно в грижите за пациентите, за да се ръководи изборът на терапевтични, профилактични и скринингови програми, повишавайки общата ефективност на здравеопазването и резултатите от пациента.

Европейският алианс за персонализирана медицина (EAPM) счита, че чрез 2020 ЕС трябва да се стреми да постигне широки ползи за гражданите и пациентите от персонализирано здравеопазване, като определи в 2015 и впоследствие изпълни Стратегия за данни за персонализирана медицина

Едно предложение е да се стартира инициатива на ЕС за данни, която разглежда 360-градусов изглед на политиците. Това би осигурило цялостен анализ на всички взаимосвързани решаващи фактори за разработването и приемането на големи данни по отношение на персонализираната медицина в Европа. Чрез държавите-членки и сътрудничеството между много заинтересовани страни това ще стимулира политически, регулаторни, изследователски и иновационни дейности за създаване на общоевропейска екосистема за данни на тази сцена.

По отношение на Big Data бъдещето вече е тук. ЕС се нуждае от чувство за неотложност, за да извлече предимствата на тези данни до леглото в полза на своите 500 милиони граждани. Предизвикателството е да се интегрират новите данни в съвременни системи за клинична подкрепа, свързани с електронни здравни досиета, с необходимото клинично обучение и привеждане на тази наука в ежедневни клинични операции.

Спешно са необходими изследвания за нови статистически и други аналитични техники. И дори със съществуващите техники обучението е голям проблем. През последното десетилетие последователността на следващото поколение наред с информационните и комуникационните технологии (ИКТ) промени начина, по който биолозите и генетиците правят науката. Данните, произведени с тези машини, изискват да се анализират сложни изчислителни умения. Важното е, че докато биоинформатиката вече е добре развита дисциплина, сега е необходим нов набор от умения, за да се ориентирате в множеството от генерирани данни.

Тук говорим за „учени с големи данни“, които използват извличане на данни, статистика и знания за домейни (в случая биомедицински знания), за да интерпретират данни и да извличат решения от големи набори от данни. Огромните количества данни (обем), темпът, с който се създават и с които се публикуват актуализации и нови констатации (скорост), както и разнообразието от такива данни (разнообразие) не могат да бъдат разгледани без ИКТ инфраструктура и решения. Те включват високоефективни и „облачни“ изчисления, плюс машинно обучение и анализи.

Освен това е необходимо по-голямо сътрудничество между индустриите за ИКТ и науката за живота, за да създадат решения, които биолозите и учените могат да използват, вместо да очакват те да се адаптират към решението. В тази ера с големи данни персонализираното лекарство ще донесе своите ползи чрез по-голямо участие на пациентите в процеса на вземане на решения за лечение и управление на здравето. Също така не може да се очаква, че здравните специалисти ще се адаптират към новите начини за подход към пациентите и да се справят с новите технологии, освен ако не са подходящо обучени.

Европейският алианс за персонализирана медицина (EAPM) разработи текуща кампания, наречена STEPs (Специализирано лечение за пациентите в Европа) и работи усилено за насърчаване на диалога и намирането на решения, като същевременно призовава за действия на равнище ЕС. Големите данни, наред с много други теми, ще бъдат обсъдени в него годишна конференция на 9-10 септември в библиотеката в Солвай в Брюксел, Това ще обедини всички заинтересовани страни, включително новите членове на ЕП, и ще предхожда назначаването на входящата Европейска комисия. Трябва да се свърши работа, така че нека започнем да я вършим.

Споделете тази статия: