新藥研發受累于不斷下滑的成功率和停滯的產品線，大數據或將成為突破這一瓶頸的關鍵因素。
革命性地顛覆了營銷等行業之后，大數據又將其觸角延伸到新藥研發領域。
在近日召開的2015中國（北京）跨國技術轉移大會“大數據藥物創新專題論壇”上，有專家指出，新藥研發受累于不斷下滑的成功率和停滯的產品線，大數據或將成為突破這一瓶頸的關鍵因素。
藥物研發是一個高投入、高風險、長周期的產業，動輒數十億美元的研發費用，長達10~15年的研發周期，而成功率卻是微乎其微。
美國塔夫茨藥物開發研究中心的一組數據顯示，一款新藥從研發到獲得美國食品藥物監督管理局的批準，平均成本高達25億美元。這其中，較高的研發失敗率是研發成本居高不下的首要因素。
“新藥研發一直處于投入大而成功率低以及產品線停滯的狀況。”藥渡經緯信息科技（北京）有限公司執行總裁丁紅霞指出，目前，新藥研發的整體狀態是“各自為戰，單打獨斗”，眾多重復性工作使得企業在獲得研發信息、配置研發資源上效率低下，這種狀況甚至會對新藥研發項目造成致命打擊。
新藥研發是一項復雜的系統工程，包括臨床前的靶點鑒定、藥物活性篩選、非臨床動物模型研究、臨床研究等。
除此之外，做藥物創新還必須要進行文獻調研，搜尋與消化海量的數據，從而掌握相關信息。這一點就讓藥渡經緯董事長李靖十分頭疼：“新藥研發需要研讀化學、生物學、毒理學、制劑學、臨床學等眾多學科資料。比如，每年有25~30個糖尿病治療新藥上市，每個新藥的文獻資料約兩萬多頁，而要開發一種糖尿病治療新藥，就需要把所有已上市新藥的相關信息都閱讀一遍，但這約有近100萬頁的閱讀量。”
李靖坦言，數據的積累對于新藥研發各個環節有著不可或缺的作用。當前，藥物研發工作對于數據服務的要求已經越來越緊迫。
如今，在大數據時代的信息支撐下，一個新的機會出現了：如果制藥公司能夠在開發早期獲得足夠多的數據，就可以創建一個更為有效的藥物開發流程，針對最有效的療法優先分配資源，從而以更快的速度開發出更有效的藥物，提高成功率。
那么，大數據具體是如何幫助研發人員提高新藥研發效率的？
丁紅霞表示，由于藥物的生物過程和藥物模型越來越復雜，通過使用大數據技術，研究人員就可以從基因組學、蛋白質組學、代謝組學及協同臨床數據進行挖掘，預測建模來幫助識別那些具有較高成功幾率又安全有效的潛力備選新分子，并找出更有效的靶位、標記物、活性物質等，從而縮短整個藥物研發的時間。
研究表明，與生物反應有關的數據量越大，發現新藥的可能性就越大。相對于原來難以探索且僵化的數據孤島，大數據的應用使得信息可以順暢流動。
“大數據讓全世界的競爭者都站在同一起跑線上。”在李靖看來，對于研發人員來說，精簡龐大的數據，不僅可以快速了解歷史，還能迅速應對將來的研發工作。
與此同時，大數據還能夠幫助企業在全球范圍內尋找到符合自身需要的產品信息。來自中康醫藥資訊有限公司的楊大洲表示，以往，傳統的引進渠道是通過國外熟人或中介推薦，或者通過公司研發或市場部人員從各大網站調研，這種解決方案既費時又費力。而通過大數據的應用，市場評估指標、產品基本屬性、學術地位等信息可以高效地檢索和確認，從而幫助企業篩選出優質的國際合作項目。
谷歌和美國斯坦福大學的學者近日也指出，大型醫藥公司都各自擁有大量實驗數據，醫藥公司之間如果能夠加大數據分享力度，那么所有的參與公司都將獲益。另外，在大數據時代下，制藥公司若與外部合作伙伴——醫生和CRO共享關鍵數據，那么將大幅擴展他們的知識和數據網絡，以便更好地開發出市場需要的藥物。
“在藥物研發整個板塊的各個環節提供大數據支撐，建立研發資源有效配置的平臺，對于整個醫藥產業將產生難以估量的影響。”丁紅霞說。
雖然大數據可以有效地幫助研發人員提升新藥研發效率，但制藥公司要想在研發部門中成功實現大數據的轉變，仍然面臨諸多挑戰。
這其中，技術方面就有許多地方需要改進。牛津大學統計學教授彼得·多納利指出，大數據技術目前面臨的問題有三：第一，信息采集不足；第二，如何從海量信息中得出有用的結論；第三，技術層面還存在網絡容量有限的問題。
在湯森路透生命科學事業部中國區總經理胡大龍看來，面對大量數據的所有權，大數據應用于新藥創新最大的挑戰并非數據規模，而是對數據的整合、分析與解讀能力。
胡大龍表示，藥物研發的關鍵信息有許多，包括藥物合成路徑，蛋白、基因序列，生物藥/化藥的基本信息，全球專利信息，財經信息，競爭情報，市場調研等，而通過信息整合技術可以讓這些信息產生高附加值的應用，如靶標的確定及認證、先導化合物的確認及優化、藥物研發途徑的選擇、高效的臨床研究、知識產權保護、跟蹤競爭者的活動等。
不僅如此，在整合的基礎上，還需要進行4種類型的數據分析解讀——規范性分析、描述性分析、預測性分析和診斷性分析。
“由于大數據的介入，藥品研發的產業格局必將發生改變，有效地辨識其中的機遇與風險，將成為新藥研發成敗的關鍵。”胡大龍說。
