“数据采集方式的变化，将会给在药品审评中运用真实世界数据（real world data, RWD）带来革命性变化。”

“需要以证据服人，如果循规蹈矩，就会得到回报。”——Woodcock医生。

“如果希望从医疗保健获得更好的回报，社会就需要考虑对患者的隐私权做出权衡。” —— Califf医生。

“数据采集方式的变化，将会给在药品审评中运用真实世界数据（real word data, RWD）带来革命性变化。传统的药物开发计划……通常会告诉一种产品是有效、安全的，但不会告诉对谁是安全的。有没有办法捕捉和利用所采集的数据，使临床试验企业更加有效和高效？” 这是FDA药品审评与研究中心（CDER）主任Janet Woodcock医生，日前在华盛顿出席一项由Datavant公司主办的未来医疗数据活动时，所做的表示。Datavant公司是一家从事患者识别（patient identification）、医疗数据保护、匹配和分享解决方案提供商。

“我们有了标准化数据集”

Woodcock医生表示，电子病历的广泛使用，大大改善了医疗数据的可用性。使用纸质图表的时候，个别医生“就像考古一样，从纸堆里刨出过去发生的事情。对于FDA来说，也是如此——审评药品时，我们过去经常要面对多得需要用卡车挂车运来的大堆纸质文件......但现在，我们有了标准化数据集。”另一个重要因素是“数字革命——人们都有了可穿戴设备，许多人拥有iPhone，远程医疗快速发展。所有这些东西聚在一起，提供了丰富的数据源，我们可以将其转化为证据。我们的任务，是让所有数据都物尽其用，转化为可操作的内容。”

长期愿景，不会动摇

Woodcock医生表示，FDA已经根据真实世界证据（RWE），批准了一些补充申请和药品。“这些运用通常见于罕见的疾病，例如男性乳腺癌，这种疾病并不常见，但对健康的危害，并不亚于其它癌症。我们能够借助实际使用中生成的证据，扩展药品标签说明中的适应症。”使用这种类型的证据，着眼于长期愿景。美国国家科学、工程和医学研究院（the National Academies of Science，Engineering，Medicine)，提出了学习型医疗体系（learning healthcare system）。借助学习型医疗体系，能够采集所有可操作信息，吸取从患者治疗中获得的经验，将其迅速转变为最佳实践……“我们距离这一目标还非常非常遥远，但这样的长期愿景，不会动摇。”

图片来源：参考资料[2]，[3]

“在短期内，我们将会看到药物开发、干预空间和提供医疗保健的最佳实践，我们已经产生了很多如何做这些事情的最佳方式的洞见……这将继续增长。”此外，从可穿戴设备和采用其它新技术采集的数据，将成为医疗服务的一部分。

然而，Woodcock医生指出，正如行业和监管机构所了解的，“目前的数据，不一定适合这个用途。以癌症患者的病历为例，对于癌症，表格中有什么内容？有正确的癌症记录吗？有时，答案是否定的。里边有生物标志物的相关内容吗？录入正确吗？对于患者来说，这些相关内容很重要……这些事情，第一次就应该做对。”

图片来源：参考资料[4]

对标准化的抗拒

大家尝试使数据更具可操作性遇到的一个问题是，“标准化往往会遇到抗拒，”Woodcock医生表示。“特别是医生，有时会习惯于以自己的方式做事。”她提到了纽约市纪念斯隆-凯特琳癌症中心（Memorial Sloan Kettering Cancer Center，MSKCC）健康政策和结局中心主任Peter Bach医生讲过的一件事。Bach医生希望将淋巴瘤的治疗和护理标准化，以便研究者可以比较来自于不同疗法的结局。然而，一些医生记录病例的方式，与其他医生不同。当被问及原因时，其中的一位医生回答，“我不同意淋巴瘤阶段的共识定义。对于相关阶段，我有自己的定义。”

Woodcock医生认为，“需要以证据服人，如果循规蹈矩，就会得到回报。” 但是，“这不会轻而易举做到。在医疗领域，对于电子记录正在对临床医生和医患关系的影响，有很多讨论。那些医生没必要非得要固执己见。这是可以纠正的，我们必须予以关注。”

与RWD一起出现的问题是，很难从中筛选出、过滤掉混淆因素。“但是，我们正在探索的是，在实践中做到随机化，同时采集真实世界结局数据......如果没有一个非常精密的临床试验运作方式，大家能得到一个有效的结果吗？这是可操作的吗？”Woodcock医生问道。

图片来源：参考资料[6]

“我们正在与许多小组合作，试图解决这一问题，各个小组正在努力改善“观测”证据的可靠性......在正在进行随机临床试验的领域，我们正在做伴随观察研究，将看到结果究竟如何。我们希望，在明年年底之前，完成20项回顾性研究，在未来7年开展预期性研究。当然，真实世界研究的进展，将比随机化临床试验更快。但是看两者之间如何比较，究竟得出什么样的答案，将会很有趣。”

图片来源：Pixabay

前FDA局长Califf医生：对隐私权做出权衡

曾经担任FDA局长的Robert Califf医生，在出席同一活动时表示，采集数据时，涉及到的对隐私权做出权衡也很重要。如果希望从医疗保健获得更好的回报，社会就需要考虑对患者的隐私权做出权衡。“在什么情况下，我们应该为了获得更好的医疗保健去权衡隐私权？当医疗系统到处广告，宣传穿着白大褂的良医治愈患者疾病时，我们在哪里呢？每当我们进行前瞻性研究时，大约有一半时候，我们都会发现错了，但不知道我们错的究竟是哪一半。例如，以最近的红肉争议为例。“究竟是否可以吃红肉？由于没有开展很好的研究，数据有矛盾。”

▲Robert Califf医生（图片来源：杜克大学官网）

Califf医生很快将辞去杜克大学（Duke University）心脏病学教授的教职，到Alphabet公司旗下的Verily Life Sciences工作。他还举了阿司匹林预防心脏病发作的相关例子。他表示，尽管已显示阿司匹林对二级预防有效，但自己一直不知道阿司匹林的正确剂量，一直备受困扰。“现在，在小片阿司匹林（baby aspirin）与全规格阿司匹林的随机试验中，我们已经招募了17,000多受试者，我们很快就会知道答案。但这距离阿司匹林上市已有140年……与我们对是否接受不确定性的做法的了解相比，很可能会有更为深入的了解。”

“大家必须了解，如果合作并分享信息，疾病将得到更好的医治。以超越于同意（consented）的方式，共享您的数据，有切实的公益价值（real public benefit）。我们需要讨论这个问题，为美国公众找到最佳的着力平衡点（sweet spot）。”

图片来源：Pixabay

与大多数人的电子病历数据相比，来自谷歌搜索和信用卡使用之类的社交数据（social data），更能预测大多数人的健康状况。谷歌规定禁止外部人员将这些数据配置到医疗保健中。“这是一件好事。但是，作为心脏病专家，如果我建议您远离红肉，但汉堡王连锁餐厅的付费系统却显示，您每天都在那里用信用卡消费。如果缺乏有用的信息，我们只能是浪费时间。”Califf医生还指出，由于有必要帮助大家改善上网得到的健康信息，谷歌最近改变了算法，以便让大家远离反疫苗网站。“任何临床医生都会告诉您，有很多事情需要匡正。”

免责声明：本文仅作信息交流之目的，文中观点不代表药明康德立场，亦不代表药明康德支持或反对文中观点。

[1] Joyce Frieden. Real-World Data Playing a Bigger Role in Drug Development. Oct 11, 2019. Retrieved Oct 12, 2019 from https://www.medpagetoday.com/publichealthpolicy/fdageneral/82711

[2] Robert M Califf. False Precision and Estimating the Reliability of Effects with the Traditional Evidence Generating Process. Sept 20, 2017. Retrieved Oct 12, 2019 from http://www.nationalacademies.org/hmd/~/media/Files/Activity%20Files/Research/DrugForum/RWE_2017_PDFs/Califf.pdf

[3] Greene, S. M., R. J. Reid, and E. B. Larson. 2012. Implementing the learning health system: From concept to action. Annals of Internal Medicine 157(3):207-210.

[4] John Doyle. Real World Insights. Retrieved Oct 12，2019 from http://nationalacademies.org/hmd/~/media/Files/Activity%20Files/Research/DrugForum/RWE_2017_PDFs/Doyle.pdf

[5] Sarah Owermohle. Califf: DATA SHARING FOR PUBLIC HEALTH. Oct 11, 2019. Retrieved Oct 12, 2019 from https://www.politico.com/preionpulse/

[6] IOM. Best Care at Lower Cost: The Path to Continuously Learning Health Care in America. Washington, DC: The National Academies Press. 2013. https://doi.org/10.17226/13444.