大數據時代的SFE小角色
SFE作為製藥企業中的一個部門，看待大數據、信息化總是從醫藥公司的角度出發。其實，製藥企業只是整個醫療行業中很小的一部分。
在整個醫療行業中，大數據日益重要。現在的大數據分析技術也能處理相比20年前更大量、多樣、實時（Volume、Variety、Velocity）的數據。
大數據時代
在麥肯錫的《醫療行業的大數據革命》報告中指出，大數據將節省12~17%的醫療成本。以美國目前的2.6萬億美元醫療開支計算，相當於節省3000~4500億美元。
在目前醫療服務業5大領域（臨床業務、付款/定價、醫藥研發、新的商業模式、公眾健康）中，大數據的分析和應用都將發揮巨大的作用，提高醫療效率和醫療效果。
臨床業務上的應用：
比較效果研究、臨床決策支持系統、醫療數據透明度、遠程病人監控、對病人檔案的先進分析
付款、定價：
自動化系統、基於衛生經濟學和療效研究的定價計劃
醫藥研發：
預測建模、提高臨床試驗設計的統計工具和演算法、臨床實驗數據的分析、個性化治療、疾病模式的分析
新的商業模式：
匯總患者的臨床記錄和醫療保險數據集、網路平台和社區
公眾健康：
公共衛生部門可以通過覆蓋全國的患者電子病歷資料庫，快速檢測傳染病，進行全面的疫情監測，並通過集成疾病監測 和響應程序，快速進行響應。
羅伯特·瓦赫特在《數字醫療》一書中將目前可預知的醫療衛生信息化過程分為4個發展階段。
第一階段：實現整個醫療衛生服務體系的數字化；
第二階段：不同的醫療信息系統間實現互聯；
第三階段：充分發揮醫療大數據的價值；
第四階段：創造技術工具、完善醫療制度、建設醫療機構、改進醫院文化，在前三個階段的基礎上，提升大眾健康和改善醫療質量。
如果將這四個階段高度概括的話，可總結為「建庫、互聯、AI和落地」。
大數據再配以機器學習，就構成了AI醫療的基礎。
谷歌旗下人工智慧子公司-「深度思維」（DeepMind），其最知名的人工智慧就是「阿法狗」。在戰勝圍棋世界冠軍柯潔後，該公司就宣布此後這一程序不再參加到人機大戰的競技中去。
最新參與的醫療行業應用是從視網膜圖像，輔以各種因素如年齡、性別、吸煙史、血壓等數據中，可以預測心血管疾病的風險，他們構建的系統使用了130,000個視網膜圖像進行訓練，成功率7成左右。
國內醫療數據現狀
近年來我國老齡化程度日益加重，且慢性疾病人群龐大，所以對醫療資源的需求逐年增加。醫療資源的配置合理性也有待大幅提高。同時，現行醫療保險支付壓力大，且商保不能有效補充，對醫療的支付控費需求強烈。
所以，加大醫療行業數據的應用，以進一步推進人工智慧和AI醫療，提高醫療效率，是必然的趨勢。
2017 年7月20 日，國務院正式印發《新一代人工智慧發展規劃》，將人工智慧上升為我國國家戰略。
《規劃》重點提出應加快人工智慧創新應用，為公眾提供個性化、多元化、高品質服務，包括：
推廣應用人工智慧治療新模式新手段，建立快速精準的智能醫療體系；
探索智慧醫院建設，開發人機協同的手術機器人、智能診療助手，研發柔性可穿戴、生物兼容的生理監測系統，研發人機協同臨床智能診療方案，實現智能影像識別、病理分型和智能多學科會診；
基於人工智慧開展大規模基因組識別、蛋白組學、代謝組學等研究和新葯研發，推進醫藥監管智能化；
加強流行病智能監測和防控。
國家毫無疑問在推進醫療行業的數據信息化，通過國有資本相關的市場企業實現。市場企業通過幫助醫療數據信息化，尋求商業變現。大方嚮應該是這樣的。所以，樂觀的話，三到五年整個醫療行業數據或者信息化會有明顯的進步。
當然，目前國內醫療行業的大數據地域、行業分割嚴重，仍需要進一步的融合、格式化及標準化。
一方面，各地醫療機構的信息系統由多個信息化廠商提供，缺乏統一的建設標準指導；
另一方面，醫院部門間、醫院間數據不開放，共享難。醫療服務機構數據（如電子病歷、影像、放射、基因等）、藥店數據、醫藥研發數據、商業保險數據等系統介面未打通，不能形成數據閉環。
通過智能可穿戴設備收集的個人健康數據，也未能形成共享和連通。
從量變到質變，時間的積累以及創新是解決問題的關鍵。??
?
?
????
SFE為什麼要「關心」大數據？
確實，就目前製藥行業的數據應用情況，在SFE日常工作範圍內，3~5年內暫時不會有很大的變化。
在醫藥公司里，SFE很多時候扮演的是IT和業務之間的橋樑。
對於IT部門來說，SFE就是業務的代表，大部分跟業務相關的系統或者技術運用，都是通過跟SFE合作而實現。而對於真正代表業務的銷售、市場部門來說，SFE就是他們眼中的「Geek」。銷售、市場提出業務上的需求和應用場景，而SFE會把這些內容付諸以各種系統和工具去支持業務的需求。
大數據時代，製藥企業需要跟上時代的變革，企業內部也需求懂得業務和大數據應用的人員。而SFE懂業務、懂數據結構，天然是未來企業內部Data Scientist的搖籃。
那麼從SFE到Data Scientist需要什麼樣的思維方式和技能呢？
從思維方式和技能來說，未必需要SFE會寫SQL或者其他IT編程語言，畢竟SFE不是專業的IT人士，而且IT相關的技能日新月異。但是SFE需要具備「編程思維」。
編程思維，最重要的就是抽象分析能力和邏輯思考能力。
因為在編寫程序是，首先需要把一件事情抽象出來，再用邏輯化的方法表達出來，所以編程的過程，就是鍛煉抽象思維和邏輯表達能力的過程。
再具體點說，通過分解、模式識別、抽象和演算法四個步驟，一個棘手的複雜問題先被拆解成一些列容易解決的小問題；每個小問題被單獨檢視、思考，設計解決方案；然後聚焦幾個重要節點，形成解決思路；最後，設計步驟，執行，進而問題得到解決。
SFE的人員在日常工作中，把對業務、管理的理解和解讀進行抽象化、數據格式化以及系統邏輯化，是非常必要的。
未來鋪面而來，你準備好了嗎？
圖片@網路，版權歸原作者所有
TAG:PharmaSFE |