分析藥商善用機器學習，找出病患最佳療法
藥商善用機器學習，找出病患最佳療法
How a Pharma Company Applied Machine Learning to Patient Data
電子病歷提供發掘新見解的大好機會。
真實世界的數據資料愈來愈容易取得，讓健康照護界大為振奮。據估計，健康資料的數量每年增加48%，過去十年內，這種資訊的收集與匯集已蓬勃發展。這些資料裡，最有機會可能產生新穎洞見、破壞目前對病患照護的理解的其中一種資料，就是電子病歷（electronic health records, EHR）。
但是，要分析電子病歷資料，需要能在短時間內處理大量資料的工具。人工智慧，更準確地說是機器學習，已經在破壞一些領域如藥物探索和醫學影像等，但對於健康照護領域的可能性，才剛觸碰到皮毛而已。
來看看與我們合作的一家製藥公司的案例。它運用機器學習來處理電子病歷和其他資料，研究非霍奇金氏淋巴瘤（non-Hodgkin's lymphoma）的病患，想找出什麼樣的特徵或觸發因素，是病患必須轉換至下一線療法的預兆。公司希望更了解這個疾病的臨床進展，以及病人在各階段最適合的療法。這間公司的案例凸顯了三項指導原則，其他藥商也可以運用，以便在自己的組織裡成功使用進階分析法。
讓對的利害關係人參與，才能建立有意義的假設（和贏得組織支持）
雖然你可能有股衝動，想直接從資料著手，開始分析，但初期很重要的一步，就是制定一定要回答的
但是，要分析電子病歷資料，需要能在短時間內處理大量資料的工具。人工智慧，更準確地說是機器學習，已經在破壞一些領域如藥物探索和醫學影像等，但對於健康照護領域的可能性，才剛觸碰到皮毛而已。
來看看與我們合作的一家製藥公司的案例。它運用機器學習來處理電子病歷和其他資料，研究非霍奇金氏淋巴瘤（non-Hodgkin's lymphoma）的病患，想找出什麼樣的特徵或觸發因素，是病患必須轉換至下一線療法的預兆。公司希望更了解這個疾病的臨床進展，以及病人在各階段最適合的療法。這間公司的案例凸顯了三項指導原則，其他藥商也可以運用，以便在自己的組織裡成功使用進階分析法。
讓對的利害關係人參與，才能建立有意義的假設（和贏得組織支持）
雖然你可能有股衝動，想直接從資料著手，開始分析，但初期很重要的一步，就是制定一定要回答的
