在生命科學(xué)領(lǐng)域，只有少數(shù)研究人員能使用尖端技術(shù)，該技術(shù)讓他們能夠即時(shí)解讀自己生成的數(shù)據(jù)，并在所有類似研究的背景下對數(shù)據(jù)進(jìn)行可視化展示。一些臨床醫(yī)生能夠?yàn)榛颊甙才旁\斷測試，不僅能獲取測試結(jié)果，還能基于數(shù)千名其他患者的經(jīng)驗(yàn)數(shù)據(jù)，獲得預(yù)后分析和治療建議。

人工智能 ( AI ) 以及數(shù)據(jù)科學(xué)領(lǐng)域的其他創(chuàng)新正在使這些進(jìn)展成為可能——但目前它們?nèi)詫儆谏贁?shù)例外。我認(rèn)為，我們需要擴(kuò)大對這些技術(shù)的使用范圍，最終使每一位患者都能從中受益。這一目標(biāo)，我稱之為“醫(yī)療健康的超大規(guī)模擴(kuò)展”。

超大規(guī)模擴(kuò)展有三個(gè)關(guān)鍵要素。第一是速度：即能比過去更快地收集和解讀數(shù)據(jù)的能力。第二是擴(kuò)大獲取必要巨大計(jì)算能力的途徑，以便快速、準(zhǔn)確地收集和解讀數(shù)據(jù)。第三是提高醫(yī)療行業(yè)專業(yè)人士從數(shù)據(jù)中生成新穎見解的能力，以便為患者帶來突破性的進(jìn)展。

醫(yī)療行業(yè)中有望從超大規(guī)模擴(kuò)展獲益的參與者包括生物制藥和診斷開發(fā)及制造商。然而，他們需要克服一些挑戰(zhàn)。例如，設(shè)備制造商已經(jīng)開發(fā)出復(fù)雜精密的儀器，能讓研究人員比以往的實(shí)驗(yàn)室技術(shù)更深入地探究生物學(xué)或病理學(xué)問題。問題在于，一些系統(tǒng)過于復(fù)雜，以致只有少數(shù)經(jīng)過專門培訓(xùn)的人員才能高效使用；同時(shí)，這些新系統(tǒng)生成的數(shù)據(jù)量龐大，往往令人難以消化。

研發(fā)人員和科研設(shè)備制造商正攜手制定有效的解決方案。要理解這些努力的重要性——并認(rèn)識到超大規(guī)模擴(kuò)展能夠帶來的深刻變革——有必要審視數(shù)據(jù)科學(xué)在醫(yī)療創(chuàng)新各階段（從研究到患者護(hù)理）演變的歷程。

超大規(guī)模擴(kuò)展在研發(fā)和制造領(lǐng)域的應(yīng)用

AI 正在推動(dòng)“主動(dòng)式工作流”，這種工作流能夠即時(shí)適應(yīng)新信息或不斷變化的情況。主動(dòng)式工作流通過為研究人員提供一種迅速解讀所生成數(shù)值和圖像的方式，從而改進(jìn)研發(fā)。在顯微鏡技術(shù)方面，比如已內(nèi)置的 AI 正被用于細(xì)胞分割，讓研究人員能夠?qū)崟r(shí)測量細(xì)胞內(nèi)的熒光。數(shù)據(jù)在圖像拍攝過程中就被分析，這促進(jìn)了諸如自動(dòng)檢測稀有事件和對發(fā)生這些事件的細(xì)胞進(jìn)行選擇性成像等先進(jìn)流程。

AI 還使顯微鏡具備了解讀圖像數(shù)據(jù)并基于數(shù)據(jù)進(jìn)行預(yù)測的能力。機(jī)器學(xué)習(xí)模型能夠挖掘公開圖像庫，讓研究人員能在更廣闊的背景下分析數(shù)據(jù)，而不局限于舊技術(shù)所能提供的視野。

此外，AI 正在通過軟件解決方案徹底改變質(zhì)譜分析，幫助研究人員優(yōu)化方法和工作流程效率。新軟件解決方案能夠?qū)馁|(zhì)譜儀獲得的數(shù)據(jù)集迅速轉(zhuǎn)化為可操作的見解，并通過自動(dòng)化簡化定量流程。這些能力有望隨著時(shí)間的推移不斷提升。

在生物制藥制造領(lǐng)域，數(shù)據(jù)科學(xué)正推動(dòng)一種轉(zhuǎn)變，即逐步摒棄在活細(xì)胞中生產(chǎn)抗體這一資源密集型工藝，該工藝需要嚴(yán)格執(zhí)行純化協(xié)議。在 AI 的幫助下，研究人員可以對制造生物藥物所需的細(xì)胞過程進(jìn)行建模，并開發(fā)、優(yōu)化在無活細(xì)胞條件下合成這些藥物的方法。

借助數(shù)據(jù)改善患者護(hù)理

我們這些生命科學(xué)工作者的共同目標(biāo)是改善患者生活，數(shù)據(jù)科學(xué)的進(jìn)步正為改進(jìn)患者護(hù)理開辟諸多新機(jī)遇，其中包括開發(fā)更優(yōu)的伴隨和互補(bǔ)診斷技術(shù)。

舉個(gè)例子，對一位剛剛被診斷出乳腺癌的患者來說，如今的診斷技術(shù)已經(jīng)能夠根據(jù)患者及其腫瘤的基因特征來確定最佳治療方案。而當(dāng)我們引入 AI 后，就能使腫瘤學(xué)家以全新的方式解讀數(shù)據(jù)，從而可能改變患者病情的發(fā)展軌跡。AI 能夠通過引入來自其他同類型患者的數(shù)據(jù)來對信息進(jìn)行語境化處理，這樣便能明確指出最有可能奏效的治療方案。這是另一個(gè)處于快速開發(fā)階段的領(lǐng)域，未來將會(huì)涌現(xiàn)出令人振奮的新型診斷工具。

借助數(shù)據(jù)科學(xué)實(shí)現(xiàn)醫(yī)療健康超大規(guī)模擴(kuò)展的核心，將在于讓所有為患者服務(wù)的人員都能輕松獲取這一新技術(shù)。我們將不再依賴那唯一經(jīng)過專門培訓(xùn)的實(shí)驗(yàn)室技術(shù)員，因?yàn)?AI 工具將變得直觀易用，任何人都能利用它們來解讀大量生成的數(shù)據(jù)。大語言模型正在促進(jìn)操作人員與儀器之間更為直觀的交互界面。

此次根本性變革在于整合。為了讓 AI 在改善生物制藥的發(fā)現(xiàn)與制造以及改變患者病程方面發(fā)揮最大效能，我們必須匯聚來自各個(gè)渠道的數(shù)據(jù)，并加快這些數(shù)據(jù)的可用性。這個(gè)過程不會(huì)一蹴而就，而是需要不斷的微調(diào)和逐步推進(jìn)。但這一切都是值得的，因?yàn)樗鼘⒓铀俨⑸罨@一注定拯救生命的患者護(hù)理變革。

關(guān)于作者

Jose-Carlos ( JC ) Gutierrez-Ramos 擔(dān)任 Danaher 高級副總裁兼首席科學(xué)官。在此職位上，JC 負(fù)責(zé)制定 Danaher 的科學(xué)與技術(shù)戰(zhàn)略，支持并購與開放式創(chuàng)新，同時(shí)為 Danaher 的運(yùn)營公司提供創(chuàng)新機(jī)遇方面的咨詢。他領(lǐng)導(dǎo) Danaher 創(chuàng)新中心和 Danaher 科學(xué)咨詢委員會(huì)，并與全公司內(nèi)的技術(shù)領(lǐng)袖合作，推動(dòng)最佳創(chuàng)新實(shí)踐的分享和企業(yè)文化建設(shè)。他擁有馬德里自治大學(xué)的免疫學(xué)博士學(xué)位，并曾在西班牙、德國和瑞士接受免疫學(xué)培訓(xùn)。他的學(xué)術(shù)生涯始于哈佛醫(yī)學(xué)院遺傳學(xué)助理教授職位，發(fā)表了 150 余篇經(jīng)同行評審的論文。