大数据分析鞭策着个体化医疗的发展

简介:

0?wx_fmt=jpeg

早在一月份,美国总统奥巴马在国情咨文中提出了个体化医疗或叫“精准医疗”,进入了拥有个体的大数据分析和基因组测序的快熟增长,并得到了研究和医疗保健机构的支持。随着发现个体化风险对某些状况和疾病的发现变得更便宜、更容易,以及科学家收集庞大的DNA数据库,使研究人员在丰富的资源下做出有关遗传(过程),疾病路径和有效的治疗方法的前所未有的发现。医疗保健正进入一个发现的新时代,成就了大数据分析的必不可少性,而这并不是一个未来的空想。


在美国个体化医疗联盟(PMC)的一份新的报告中显示:2014年,被FDA所批准的新药物中,超过20%和个体化医疗有关。这些疗法锁定目标或参考一个特定的生物标志物用来预测有效性或者疗法或者帮助供应商集中做出有关护理课程。


PMC科学政策副总裁达丽尔普里查德博士说:“我们从2014年开始每年大量批准一个或两个靶向药物。很显然,个体化医疗逐渐成为临床护理工作的一个组成部分,我们期望这一趋势将伴随个体化医疗的付费用户和供应商们更大的认可。”


长久以来学术机构一直致力于收集精准医疗相关的必要数据,早于使"精准医疗"这一概念走向国际舞台,但这总统对这一话题的重视轰动了科学界。


奥巴马总统在他年度报告中表示:“我希望这个国家能够消除小儿麻痹症,并映射人类基因组,引领一个新的医学时代,即在正确的时间提供正确的治疗方法。这种方法已经逆转了曾经被认为不可阻挡的囊性纤维化疾病。今晚,我推出一项新的精准医疗倡议,使我们更接近于治疗疾病,如癌症和糖尿病,——并给我们提供了所有人的个体化信息,我们需要保持我们自己和我们家庭的健康。”


同时白宫预计将很快的提供有关该倡议的更多细节,与这项项目密切相关的一些科学家们在检讨全国范围内的基础设施,以支持个体化医疗的真正第一步是建立大于其他任何目前可用的DNA数据库。CNBC报到,在周五一些制药公司高管已经被邀请到白宫,当倡议的范围预计将会揭晓,揭示着这样一个雄心勃勃的使命多方协作的重要性。

随着这些医药公司寻求利用这个新的平台进一步研究具有针对性的治疗参数,从而开发出新的治疗方法来获取利润,美国食品药品管理局(FDA)也正试图寻找在激励这一行为和加强对其监管之间的恰当平衡。因此,获批的个性化药物的数量可能会增加,但个性化医学仍是一个需进一步仔细探索的未开发地。

在这周召开的世界个性化医疗大会上,FDA局长玛格丽特汉堡对如何发挥FDA在这一领域的监管作用表达了她的顾虑。“就个性化医疗的发展来说,其关键是如何找到正确的标靶,”“在以前,一种病我们只考虑一种治疗方法,但现在,不同的人有不同的治疗方案。如何对这种大量的,针对个体并利用基因测序结果产生的治疗方案进行监管,是一个需要我们认真思考,提前预判的问题。”

“随着全基因组测序的成熟和推广,遗传基因变异体的数量将是巨大的,”汉堡补充。“基因的数目将以百万计。我们不可能要求对每一个可能相关的基因变种进行临床验证,但我们必须有一个科学的方法,使我们能够给医生和患者提供相关的信息,从而使他们能够采取正确的行动。”


FDA将在二月举行一次公开讨论会,以探讨其如何更好地监管并帮助人们在实验室开发那些针对独特患者的个性化医药。这一监管职能一直是业界人们争论的焦点,但汉堡认为必须有人在这一类研发中来保证最后治疗方案的安全性和有效性。

“我们希望患者能够得到准确的诊断,并得到他们所需要的治疗,”她说。“我们当然不希望有一个不准确的诊断,从而导致不正确的,或不完全的治疗方案。


无论是在联邦一级或是学术机构和私营机构,侧重于个性化基因组研究的大数据分析都是一个针对老问题的新方法。这一问题就是:如何找到最有效的药品。随着数据交换的进一步普遍,和数据分析能力的更加强大,医疗系统将面临着无数新的机会,从而为一些顽疾患者提供源于其独特基因的更有效和准确的治疗。


原文发布时间为:2015-07-04

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
29天前
|
SQL 分布式计算 数据可视化
Tableau与大数据:可视化工具在大数据分析中的应用
【4月更文挑战第8天】Tableau是一款领先的数据可视化工具,擅长于大数据分析,提供广泛的数据连接器,支持多源整合。它与Hadoop、Spark等深度集成,实现高效大数据处理。Tableau的拖拽式界面和交互式分析功能使得非技术人员也能轻松探索数据。在实战中,Tableau用于业务监控、数据storytelling和自助式分析,推动数据民主化,提升决策效率。未来,Tableau将持续创新,扩展生态系统,并保障数据安全与合规性,助力企业最大化数据价值。
40 0
|
2天前
|
数据可视化 大数据 Python
python大数据分析处理
python大数据分析处理
7 0
|
3天前
|
机器学习/深度学习 人工智能 大数据
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
|
8天前
|
存储 机器学习/深度学习 数据采集
大数据处理与分析实战:技术深度剖析与案例分享
【5月更文挑战第2天】本文探讨了大数据处理与分析的关键环节,包括数据采集、预处理、存储、分析和可视化,并介绍了Hadoop、Spark和机器学习等核心技术。通过电商推荐系统和智慧城市交通管理的实战案例,展示了大数据在提高用户体验和解决实际问题上的效能。随着技术进步,大数据处理与分析将在更多领域发挥作用,推动社会进步。
|
11天前
|
存储 运维 监控
|
11天前
|
存储 数据可视化 大数据
大数据分析与处理:探索数据的深层价值
大数据分析与处理:探索数据的深层价值
38 2
|
22天前
|
存储 分布式计算 大数据
使用 Java 进行大数据处理和分析
【4月更文挑战第19天】本文探讨了Java在大数据处理中的关键作用,涉及Hadoop框架、HDFS数据存储、MapReduce编程模型及Spark等数据分析工具。还包括数据预处理、可视化、性能优化、安全与隐私保护以及完整处理流程。Java在金融、医疗、电商等领域有广泛应用,为大数据洞察和决策提供支持,但同时也需要开发者具备深厚的技术背景和实践经验。
|
22天前
|
缓存 大数据 Python
python利用代理IP分析大数据
python利用代理IP分析大数据
|
29天前
|
人工智能 分布式计算 安全
Azure Databricks实战:在云上轻松进行大数据分析与AI开发
【4月更文挑战第9天】探索Microsoft Azure的Databricks服务,体验其在大数据分析和AI开发中的高效性能。此平台简化流程,提升效率,适用场景包括数据湖分析、实时流处理和AI开发。核心优势在于一体化平台设计、云原生的弹性伸缩和企业级安全保障。Databricks提升研发效能,无缝集成Azure生态,且持续创新,是应对大数据挑战和加速AI创新的理想工具。
34 1
|
29天前
|
数据采集 数据可视化 算法
Python在大数据分析中的力量:Pandas、NumPy与SciPy
【4月更文挑战第8天】Pandas、NumPy和SciPy是Python数据分析的核心,构成其在大数据领域的重要地位。Pandas提供高效的数据操作,包括DataFrame和Series结构,以及数据清洗和预处理工具。NumPy专注于数组计算,提供高性能的ndarray和数学函数。SciPy则包含专业算法,适用于科学与工程计算。这三者协同工作,覆盖数据分析的全过程,形成强大的Python生态系统。随着社区的不断创新和新库的涌现,如Dask和CuDF,Python在大数据分析领域的潜力将持续增长。
38 0

热门文章

最新文章