188asia.net

生命科学行业的数据驱动转型:与ZS Associates的Pete Masloski进行问答

由书面玛利亚库兰

业务发展

数字健康创新继续全力推动医疗行业的转型。尤其是对于制药和医疗技术公司,这种持续的转变促使他们找到了为患者创造价值的方法,而不仅仅是药物本身。从数字健康和生命科学公司之间的新伙伴关系到改进商业模式,从数据中收集和提取见解是这些增长机会的核心。但在快速发展的地形上导航并不是简单的任务。

为了帮助这些公司有效地整合和利用数字健康工具,188金宝搏app下载岩石的健康伴侣ZS协会利用超过30年的行业专业知识指导他们通过复杂的数字健康景观。我们和校长彼得·马斯洛斯基聊了谈工作与客户为了帮助识别,发展,并将其核心业务中的数字健康解决方案商业化,从而使患者受益最大。

注:为清晰起见,本次采访进行了少188金宝搏app下载量编辑。

ZS认为数据和分析支持的数字健康工具在未来五年的前景如何?十年,超越?

数据和分析将在未来5到10年的数字健康产业增长中发挥核心作用。初创企业能够捕获更大的以一种大型生命科学公司历史上无法做到的方式提供的新数据集。作为一个结果,消费者将更好地了解他们的健康选择;医生将更清楚地了解在什么情况下哪些治疗方案对谁最有效;卫生计划将更好地了解治疗选择;制药和医疗设备公司将能够从战略上决定要开发哪些产品和服务。

我们看到个性化的药物,在基因组学和靶向治疗的推动下,在未来几年迅速扩张。药物的发现和开发也将转变为更加数字化的技术。将患者与临床试验相匹配并改善患者体验的能力将降低成本,更快的完成,以及更多针对性治疗。实际证据的增加将用于证明不同人群的治疗和设备的疗效,这就保证了支付者和提供者可以在现实世界中复制研究成果。

数字健康如何帮助生命科学公司创新其商业模式?数据和分析在这些新模型中的作用是什么?

制药行业继续面临许多挑战,包括竞争日益激烈的市场,越来越多的生物仿制竞争,以及对定价的全面审查。我们已经看到,将药物与有意义的结果相结合的解决方案以及解决护理提供差距和促进药物依从性的解决方案令人兴奋。

通过新的收入来源和与客户达成协议的方式,解决这些问题为行业创造了新的商业模式机会。例如,基于风险的健康计划合同,雇主,或者,当您能够证明为更多患者带来更好结果的可能性增加时,集成交付网络(IDNs)变得更加可行。我们看到,当制药公司整合全面的数字依从性解决方案,专注于围绕特定药物的患者行为变化时,这一点就实现了,就像在HealthPrize的合作伙伴关系勃林格殷格翰集团。在MeTeCo中,数字健康工具既能区分核心产品,又能创造新的盈利软件或服务业务。将数据收集技术和连接性集成到设备中,并添加支持软件的服务,可以支持从传统设备销售转向按使用付费。这使得客户无需预付一大笔钱就能获得新设备技术,并确保制造商将拥有更可预测的持续收入来源。

也就是说,数据和分析仍然是这些新模型的核心。在某些情况下,比如远程监控,数据本身是解决方案的核心;在其他方面,所收集的数据有助于建立有效性和价值,作为衡量影响的基线。数字动态血压监测仪可以捕捉到一个人全天的完整血压曲线,这提供了一个以前不可用和可靠的“基线”。因为在办公室,只有读数可能会被“白大衣高血压”或压力引起的血压读数所扭曲,更全面地查看这些数据可以加深对用户行为或条件的理解。持续的血压读数有助于诊断与压力相关的血压峰值驱动因素,为例。这些见解成为生命科学公司提供新产品和进入市场策略的催化剂。

如何利用与数字健康公司合作收集的数据集,为患者发掘新的价值,并解决他们未满足的需求?

随着数字医疗公司达到一定规模,他们丰富的数据集变得更有价值,因为可以利用这些见解来改进结果和业务决策。像23 andme公司,例如,都集中在利用他们的数据进行研究188asia.net目标治疗。Flatiron Health是一家初创企业的另一个很好例子,它创建了一个基础平台(EMR),其临床数据来自不同的来源(例如,实验室,188asia.net研究仓库,以及支付网络)在癌症治疗发展中变得如此重要,以至于罗氏公司在今年早些时候收购了它。接近2B.

想一想可以从中收集到的各种数字健康解决方案和可操作的见解是令人兴奋的。合作伙伴关系对行业很重要的一个原因是,很少有收集数据的创新者有能力和资源充分利用其自身的使用。制药公司和初创企业必须共同努力,大规模实现这一切。今年早些时候,Fitbit宣布与谷歌建立了新的合作伙伴关系,使从其设备中收集的数据可供医生使用。谷歌的API可以直接将心率和健身活动与EMR联系起来,允许医生轻松地查看和分析大量数据。188金宝搏app下载这种可见性的提高使医生能够更深入地了解患者在两次就诊之间的表现,因此也有助于决策途径。

今年早些时候宣布的另一个例子是收回健康潮汐池,谁是进行一项新的研究188asia.net,叫T1D睡眠飞行员,研究1型糖尿病患者的真实数据。有了Evidation的数据平台和Tidepool的设备无关的消费者软件,其目的是通过研究葡萄糖监测器的数据来更好地了解睡眠和糖尿病的动态,胰岛素泵,以及睡眠和活动追踪器。尤其是从睡眠和活动跟踪系统中收集的数据,使我们能够更好地了解特定慢性疾病之间可能的相关性。如糖尿病,睡眠的影响在过去是很难监测的。这些额外的见解提供了对患者病情的更全面的理解,并可能导致治疗决定的改变——最终,更好的结果。

您如何评估数字健康公司生成的数据的质量和可靠性?你用什么标准来衡量他们?

数据质量管理(DQM)是领导企业评估数据源质量和可靠性的方法。ISO 9000对质量的定义是“一组固有特性满足要求的程度”。我们有一个非常健壮的DQM方法,我们的定义超越了基础,包括数据的准确性和价值。如准确性和无误差等因素,并实现规范(业务规则、的设计,等)是基础,但根据我们的经验,最重要的是还要包括价值评估,完备性,缺乏偏见,因为这些因素往往会导致对数据的分析产生误导或不准确的见解。

然而,评估新数据源的价值并不容易,这带来了一组完全不同的挑战。一个非常重要的是解释正在收集的数据。你怎么知道当有人在摇晃手机或Fitbit来充气的时候,或者你如何解释这个设备被取下了它没有跟踪活动?你如何解释这一点并超越数据去理解真正发生的事情?随着我们在物联网设备和算法方面获得更多的经验,我们变得更聪明,我们将更好地解释这些设备正在收集什么,并对底层数据质量更加宽容。

什么是伦理含义或问题(例如数据所有权、隐私,偏袒)你到目前为止遇到的,还是预期在不久的将来会遇到?

个人健康数据的道德管理和保护对于数字健康行业的长期可持续性和数据本身同样重要。关键问题是,行业如何在不越界的情况下从这些数据中实现全部价值?在一个日益数字化的世界中保护个人数据,我们对无处不在的“条款和条件”协议基本上变得漠不关心,这是不可谈判的。数字健康和生命科学公司如何收集,管理,保护用户信息仍将是一个大问题。

关于捕获的数据的用途也存在道德问题。公司需要仔细确定如何在不越界的情况下适当地利用数据。例如,将未识别的数据用于研究目的,以改善产品或服务,这与为患者创188asia.net造更好的体验是一致的,而不是将数据用于目标营销目的。

公司也面临着潜在的偏见问题,当把人工智能和机器学习引入到围绕治疗或获得护理的决策过程中时,这些偏见可能会出现。统计模型的好坏只取决于用来训练它们的数据。引入这些模型的公司需要测试数据集和它们的人工智能模型输出,以确保从培训数据中消除差距,算法不会引入偏见,随着模型的不断学习和发展,他们建立了一个评估偏见的过程。

我们很荣幸能与支持医疗保健领域有意义创新的zs associates等组织合作。了解更多关于成为摇滚健康伙伴的信息188金宝搏app下载.

×