冠狀病毒疫情強(qiáng)調(diào)了醫(yī)療機(jī)構(gòu)與癌癥作斗爭的重要教訓(xùn)：如果先進(jìn)的工具不能在臨床環(huán)境中廣泛應(yīng)用，那么對于研究來說無濟(jì)于事。

這場疫情凸顯了醫(yī)療保健行業(yè)一些效率低下的方面。例如，在冠狀病毒爆發(fā)之初，引起了人們對呼吸機(jī)和個(gè)人防護(hù)設(shè)備緊缺的關(guān)注。然后，人們看到美國的低收入群體和弱勢群體更容易受到疫情的影響，最后，疫情還凸顯了美國各州疫苗接種分布不均的問題。

[[392553]]

為了應(yīng)對這些危機(jī)，一些醫(yī)療機(jī)構(gòu)已經(jīng)采用與大數(shù)據(jù)相關(guān)的技術(shù)，例如人工智能技術(shù)、自然語言處理、數(shù)據(jù)管理等。一些醫(yī)學(xué)研究人員和醫(yī)生已經(jīng)部署了這些工具，以針對那些最有可能感染病毒的人員進(jìn)行測試，重新分配資源給最脆弱的患者;并加快開發(fā)和生產(chǎn)疫苗的速度。

盡管對于全球一流的實(shí)驗(yàn)室和醫(yī)療機(jī)構(gòu)來說已經(jīng)采用一些先進(jìn)技術(shù)，但對于美國大多數(shù)醫(yī)院和癌癥治療中心采用的醫(yī)療工具來說，它們不是標(biāo)準(zhǔn)的功能，這些用于治療冠狀病毒患者或包括癌癥在內(nèi)的主要威脅生命的重大疾病。

在癌癥治療中心采用的數(shù)字醫(yī)療技術(shù)正在廣泛使用。雖然這項(xiàng)技術(shù)可以使醫(yī)療系統(tǒng)更有彈性和有效性，但這可能會(huì)影響到已經(jīng)過度緊張的臨床環(huán)境。當(dāng)人們希望在疫情消退之后恢復(fù)對美國醫(yī)療衛(wèi)生系統(tǒng)的信心時(shí)，需要采用更好的先進(jìn)技術(shù)，但前提是臨床醫(yī)生能夠使用它。摒棄花哨的功能而采用實(shí)用性技術(shù)應(yīng)該成為指導(dǎo)方針。

用于癌癥的研究試驗(yàn)

由于發(fā)生疫情，使癌癥的研究工作也受到嚴(yán)重的影響。癌癥試驗(yàn)通常是癌癥患者的最大也是最后的希望，但在醫(yī)院的試驗(yàn)資源有限時(shí)，如何識(shí)別和招募志愿者卻面臨著挑戰(zhàn)。

甚至在發(fā)生疫情之前，由于難以找到足夠的患者，這種研究和試驗(yàn)也常常失敗。在去年4月，醫(yī)療數(shù)據(jù)服務(wù)提供商Medidata公司開展的1,500項(xiàng)試驗(yàn)的試驗(yàn)者注冊率下降了70%。這個(gè)數(shù)字在去年6月開始回升，但隨著美國冠狀病毒病例的激增，注冊率再次下降。

現(xiàn)在，數(shù)以萬計(jì)的癌癥患者對于腫瘤專家和研究人員有著更多的期待。與對抗冠狀病毒一樣，利用現(xiàn)有技術(shù)來支持和加快科學(xué)家和醫(yī)生的研究工作也有巨大的機(jī)會(huì)。

盡管推出了許多人工智能解決方案，但是使用機(jī)器學(xué)習(xí)或自然語言處理的挑戰(zhàn)是，人們不能確保獲得計(jì)算能力或完美的算法。隨著云計(jì)算和軟件的飛速發(fā)展，做到這些會(huì)更容易。腫瘤研究人員的重點(diǎn)應(yīng)放在與臨床環(huán)境無縫匹配的解決方案上，也就是醫(yī)生及其員工將使用的工具。這就是生成患者數(shù)據(jù)的關(guān)鍵，而患者數(shù)據(jù)是推動(dòng)醫(yī)療保健系統(tǒng)技術(shù)發(fā)展的引擎。

更輕松地提取數(shù)據(jù)

成功促使患者進(jìn)行臨床試驗(yàn)的解決方案將集成到現(xiàn)有系統(tǒng)和工作流程中，而不會(huì)給不堪重負(fù)的醫(yī)生或其支持人員帶來摩擦或過多的任務(wù)。許多人工智能解決方案將采用電子醫(yī)療記錄，要求醫(yī)生進(jìn)行額外的輸入來創(chuàng)建數(shù)據(jù)?，F(xiàn)實(shí)情況是，醫(yī)生和面向患者的工作人員沒有足夠的時(shí)間和帶寬來做到這一點(diǎn)。

大多數(shù)腫瘤專家表示，他們每次探視病人可能只花費(fèi)13到24分鐘的時(shí)間。與此同時(shí)，醫(yī)生通常只將約15%的時(shí)間花費(fèi)在患者身上，他們花費(fèi)更多的時(shí)間分析患者的數(shù)據(jù)。開發(fā)這些工具的研究人員應(yīng)該致力于將醫(yī)生騰出更多的時(shí)間，而不是對他們提出額外的要求。因此，研究機(jī)構(gòu)設(shè)計(jì)了支持人工智能的平臺(tái)，以挖掘現(xiàn)有的結(jié)構(gòu)化數(shù)據(jù)源，例如電子病歷(EMR)和腫瘤患者的登記。同時(shí)，研究人員也專注于提取其他臨床相關(guān)數(shù)據(jù)，這些數(shù)據(jù)對于那些進(jìn)行試驗(yàn)以尋找可能匹配項(xiàng)的人員來說是必不可少的。其中包括非結(jié)構(gòu)化數(shù)據(jù)，例如來自醫(yī)生的患者記錄、來自外部來源的實(shí)驗(yàn)室報(bào)告，或者傳真和掃描文件，其中可能包含與復(fù)雜的臨床試驗(yàn)的納入或排除標(biāo)準(zhǔn)相匹配的關(guān)鍵信息。

與在腫瘤學(xué)領(lǐng)域試用許多技術(shù)和產(chǎn)品不同，如今看到了積極的成果。從去年3月到6月，由于許多臨床試驗(yàn)處于暫停狀態(tài)，試驗(yàn)人數(shù)急劇下降，例如采用這種技術(shù)的一個(gè)癌癥治療中心只招募了10名癌癥患者。

數(shù)據(jù)提取過程使用自然語言處理來解鎖隱藏在非結(jié)構(gòu)化來源中的數(shù)據(jù)，查找患者癌癥的組織學(xué)和行為、基因組成、階段、患者是否做過手術(shù)。

如果有時(shí)間的話，醫(yī)療專業(yè)人員也可以開展這項(xiàng)工作。得益于云計(jì)算和數(shù)據(jù)處理的巨大進(jìn)步，這項(xiàng)技術(shù)篩選了成千上萬個(gè)臨床試驗(yàn)標(biāo)準(zhǔn)中的數(shù)萬個(gè)排列方法，這項(xiàng)任務(wù)如果人工處理的話，實(shí)際上需要花費(fèi)數(shù)周的時(shí)間。

盡管該技術(shù)無法最終確定是否適合的志愿者，但重要的是它顯著縮小了研究范圍，為醫(yī)生找到符合臨床試驗(yàn)要求的患者提供了更多機(jī)會(huì)。

研究表明，每20名成年癌癥患者中只有1人參加臨床試驗(yàn)，這可能是患者的猶豫或者面臨經(jīng)濟(jì)方面的障礙，這是一些最重要的因素，這主要是缺乏信息或醫(yī)生轉(zhuǎn)診。醫(yī)生認(rèn)為臨床試驗(yàn)是一種正確的做法，試驗(yàn)可以為患者提供高質(zhì)量的治療和護(hù)理。

招募患者的困難歸結(jié)為時(shí)間有限和臨床方面繁瑣的后勤工作。人們需要認(rèn)識(shí)到這一現(xiàn)實(shí)，并為醫(yī)生克服這些困難提供幫助。