Udtalelse: personlig medicin og en europæisk datastyret økonomi

Af Mario Romao, digital sundhedspolitisk leder, Intel; Sarnunas Narbutas, præsident for litauisk kræftpatientkoalition, Richard Torbett, cheføkonom, EFPIA; Ernst Hafen, Institut for Molekylær Systembiologi (IMSB) ETH, Zürich

Ingen kan lide at blive syg. Men når vi bliver syge, er det vigtigt, at vores læger har adgang til den bedste tilgængelige information og diagnostiske teknik. Heldigvis kan nye teknologier såsom analytiske værktøjer til 'Big Data' hjælpe sundhedspersonale med at forbedre diagnoser og omforme den måde, som medicin praktiseres på.

Ved hjælp af disse data til først at forstå årsagen til sygdommen kan lægeudviklingen derefter udvikle nye lægemidler og terapier til at finde kur eller behandlinger samt andre sundhedsinterventioner rettet mod den enkelte. Den personaliserede, individuelle tilgang kræver avancerede teknologier og processer til at indsamle, styre og analysere informationen og endnu vigtigere at kontekstualisere den, integrere den, fortolke den og yde hurtig og præcis beslutningsstøtte i en klinisk og folkesundhedsmæssig sammenhæng.

At få en "datastrategi for personlig medicin" rigtigt i Europa ville give flere fordele. Det ville ikke blot fremskynde udviklingen af ​​mere effektive behandlinger og potentielt hjælpe med forvaltningen af ​​sundhedsressourcer, det ville også fungere som grundlag for investeringer i den private sektor og EU-job i F&U. Den globale udvikling i tilgange til Big Data i sundhedsvæsenet er af stor betydning for fremtiden for flere industrier.

Evnen til at omkostningseffektivt sekvensere et helt genom og den værdi, dette ville bringe for en patients pleje, bringer snart genomiske data til rutinemæssig praksis. Disse oplysninger, der bliver billigere hele tiden, vil også blive integreret i elektroniske sundhedsjournaler. Med dette i tankerne har flere lande allerede indledt regeringssponserede genom-sekventeringsprogrammer.

Der er selvfølgelig problemer omkring Big Data - ikke kun dets indsamling, lagring, formidling og standarder, der skal anvendes. Der er også enorme etiske spørgsmål omkring brugen og ejerskabet.

Det er klart, at der er behov for sikkerhedsforanstaltninger for at sikre, at dataene forbliver anonyme, at de ikke kan deles uden patientens udtrykkelige tilladelse, at de ikke kan sælges, for eksempel til forsikringsselskaber uden den tilladelse, at patienten skal have ejerskab til – og fuld adgang til – sine data, og at alt dette bør nedfældes i etikbaserede love.

Et forslag, der får støtte, er brugen af ​​datakooperativer, hvor hver patient og datadonor kontrollerer, hvornår, hvor og hvordan hans eller hendes data kan bruges. Dette bør overvinde det faktum, at patienter kan være tilbageholdende med at aflevere følsomme personlige oplysninger, som kan være afgørende for forskning.

I betragtning af ovenstående, og fordi personlig medicin i de fleste tilfælde kræver personaliserede data, er det vigtigt at navigere i det komplekse lovgivningsmæssige landskab af databeskyttelse og i mange tilfælde tydeliggøre grænserne for hvad der er og ikke er muligt.

En grundlæggende princip skal være 'frigør dataene, men gør ikke skade'. Dette vil gøre det muligt at opnå de bedst mulige og hurtigste resultater. Forskere skal være i stand til at arbejde med og teste på store datasæt, som i øjeblikket ikke er tilgængelige. Selvfølgelig er der spørgsmål om, hvordan man bedst kan knytte disse resultater til klinisk meningsfuld og handlingsbar information, og hvordan man opretter skræddersyede svar på dem. Disse faktorer repræsenterer yderligere udfordringer.

De ovennævnte spørgsmål skal løses hurtigt, da Big Data tydeligvis ikke kan opfindes, og de vil bestemt ikke forsvinde. Men ved at sikre de rigtige lovgivningsmæssige rammer, der dækker disse databeskyttelsesproblemer, ville forskere potentielt være i stand til at få adgang til millioner af genetiske markører. Til gengæld ville dette fremskynde videnskaben mod bedre undervurdering af sygdomme hos specifikke patienter. Disse data vil almindeligvis blive brugt direkte i patientpleje til at styre valget af terapi, forebyggelse og screening programmer, hvilket øger den samlede sundhedseffektivitet og patientresultater.

Den Europæiske Alliance for Personaliseret Medicin (EAPM) mener, at EU inden 2020 bør bestræbe sig på at opnå store fordele for borgerne og patienterne fra personlig sundhedspleje ved i 2015 at definere og derefter udføre en datastrategi for personlig medicin

Et forslag er at lancere et EU-datainitiativ, der overvejer en 360-graders opfattelse af politiske aktivatorer. Dette vil sikre en omfattende analyse af alle indbyrdes forbundne afgørende faktorer for udvikling og vedtagelse af Big Data med hensyn til personlig medicin i Europa. Gennem medlemsstater og samarbejde med flere interessenter vil dette drive politik, lovgivnings-, forsknings- og innovationsaktiviteter til at etablere et europæisk dataøkosystem på denne arena.

Med hensyn til Big Data er fremtiden allerede her. EU har brug for en presserende følelse for at bringe fordelene ved disse data til sengen til fordel for sine 500 millioner borgere. Udfordringen er at integrere de nye data i avancerede kliniske supportsystemer forbundet med elektroniske sundhedsregistreringer med den krævede kliniske træning og bringe denne videnskab i daglige kliniske operationer.

Der er presserende behov for forskning i nye statistiske og andre analytiske teknikker. Og selv med eksisterende teknikker er træning et stort problem. I det sidste årti har næste generations sekventering sammen med informations- og kommunikationsteknologi (IKT) ændret den måde, biologer og genetikere 'gør' videnskab på. Data produceret med disse maskiner kræver sofistikerede beregningsevner, der skal analyseres. Det er vigtigt, at mens bioinformatik nu er en veludviklet disciplin, kræves der nu et nyt sæt færdigheder for at navigere i overflod af genererede data.

Vi taler her om 'Big Data-videnskabsmænd', der bruger datamining, statistik og domæne-viden (i dette tilfælde biomedicinsk viden) til at fortolke data og udlede løsninger fra store datasæt. De store datamængder (volumen), det tempo, hvormed de oprettes, og hvormed opdateringer og nye fund frigives (hastighed), og mangfoldigheden af ​​sådanne data (variation) kan ikke håndteres uden IKT-infrastrukturer og -løsninger. Disse inkluderer højtydende og 'Cloud' computing plus maskinindlæring og analyse.

Derudover kræves mere samarbejde mellem IKT og life science-industrien for at skabe løsninger, som biologer og forskere kan bruge, snarere end at forvente, at de tilpasser sig løsningen. I denne Big Data-æra vil personlig medicin levere sine fordele gennem større involvering af patienter i beslutningsprocesser og sundhedsstyring. Ligeledes kan sundhedspersonale ikke forventes at tilpasse sig nye måder at nærme sig patienter og håndtere nye teknologier på, medmindre de er passende uddannet.

Den europæiske alliance for personlig medicin (EAPM) har udviklet en igangværende kampagne kaldet STEPs (Specialized Treatment for Europas Patients) og arbejder hårdt på at fremme dialog og finde løsninger, samtidig med at man opfordrer til handling på EU-niveau. Big Data, blandt mange andre emner, vil blive diskuteret i sin tid årlig konference den 9-10 september på Solvay-biblioteket i Bruxelles. Dette vil samle alle interessenter, herunder nye MEP'er, og er tidsbestemt inden udnævnelsen af ​​den kommende Europa-Kommissionen. Der er et job, der skal udføres, så lad os begynde at gøre det.

Del denne artikel: