“數據采集方式的變化，將會給在藥品審評中運用真實世界數據（real world data, RWD）帶來革命性變化。”

“需要以證據服人，如果循規(guī)蹈矩，就會得到回報。”——Woodcock醫(yī)生。

“如果希望從醫(yī)療保健獲得更好的回報，社會就需要考慮對患者的隱私權做出權衡。” —— Califf醫(yī)生。

“數據采集方式的變化，將會給在藥品審評中運用真實世界數據（real word data, RWD）帶來革命性變化。傳統(tǒng)的藥物開發(fā)計劃……通常會告訴一種產品是有效、安全的，但不會告訴對誰是安全的。有沒有辦法捕捉和利用所采集的數據，使臨床試驗企業(yè)更加有效和高效？” 這是FDA藥品審評與研究中心（CDER）主任Janet Woodcock醫(yī)生，日前在華盛頓出席一項由Datavant公司主辦的未來醫(yī)療數據活動時，所做的表示。Datavant公司是一家從事患者識別（patient identification）、醫(yī)療數據保護、匹配和分享解決方案提供商。

▲Janet Woodcock醫(yī)生（圖片來源：FDA官網）

“我們有了標準化數據集”

Woodcock醫(yī)生表示，電子病歷的廣泛使用，大大改善了醫(yī)療數據的可用性。使用紙質圖表的時候，個別醫(yī)生“就像考古一樣，從紙堆里刨出過去發(fā)生的事情。對于FDA來說，也是如此——審評藥品時，我們過去經常要面對多得需要用卡車掛車運來的大堆紙質文件......但現(xiàn)在，我們有了標準化數據集。”另一個重要因素是“數字革命——人們都有了可穿戴設備，許多人擁有iPhone，遠程醫(yī)療快速發(fā)展。所有這些東西聚在一起，提供了豐富的數據源，我們可以將其轉化為證據。我們的任務，是讓所有數據都物盡其用，轉化為可操作的內容。”

長期愿景，不會動搖

Woodcock醫(yī)生表示，F(xiàn)DA已經根據真實世界證據（RWE），批準了一些補充申請和藥品。“這些運用通常見于罕見的疾病，例如男性乳腺癌，這種疾病并不常見，但對健康的危害，并不亞于其它癌癥。我們能夠借助實際使用中生成的證據，擴展藥品標簽說明中的適應癥。”使用這種類型的證據，著眼于長期愿景。美國國家科學、工程和醫(yī)學研究院（the National Academies of Science，Engineering，Medicine)，提出了學習型醫(yī)療體系（learning healthcare system）。借助學習型醫(yī)療體系，能夠采集所有可操作信息，吸取從患者治療中獲得的經驗，將其迅速轉變?yōu)樽罴褜嵺`……“我們距離這一目標還非常非常遙遠，但這樣的長期愿景，不會動搖。”

圖片來源：參考資料[2]，[3]

“在短期內，我們將會看到藥物開發(fā)、干預空間和提供醫(yī)療保健的最佳實踐，我們已經產生了很多如何做這些事情的最佳方式的洞見……這將繼續(xù)增長。”此外，從可穿戴設備和采用其它新技術采集的數據，將成為醫(yī)療服務的一部分。

然而，Woodcock醫(yī)生指出，正如行業(yè)和監(jiān)管機構所了解的，“目前的數據，不一定適合這個用途。以癌癥患者的病歷為例，對于癌癥，表格中有什么內容？有正確的癌癥記錄嗎？有時，答案是否定的。里邊有生物標志物的相關內容嗎？錄入正確嗎？對于患者來說，這些相關內容很重要……這些事情，第一次就應該做對。”

圖片來源：參考資料[4]

對標準化的抗拒

大家嘗試使數據更具可操作性遇到的一個問題是，“標準化往往會遇到抗拒，”Woodcock醫(yī)生表示。“特別是醫(yī)生，有時會習慣于以自己的方式做事。”她提到了紐約市紀念斯隆-凱特琳癌癥中心（Memorial Sloan Kettering Cancer Center，MSKCC）健康政策和結局中心主任Peter Bach醫(yī)生講過的一件事。Bach醫(yī)生希望將淋巴瘤的治療和護理標準化，以便研究者可以比較來自于不同療法的結局。然而，一些醫(yī)生記錄病例的方式，與其他醫(yī)生不同。當被問及原因時，其中的一位醫(yī)生回答，“我不同意淋巴瘤階段的共識定義。對于相關階段，我有自己的定義。”

Woodcock醫(yī)生認為，“需要以證據服人，如果循規(guī)蹈矩，就會得到回報。” 但是，“這不會輕而易舉做到。在醫(yī)療領域，對于電子記錄正在對臨床醫(yī)生和醫(yī)患關系的影響，有很多討論。那些醫(yī)生沒必要非得要固執(zhí)己見。這是可以糾正的，我們必須予以關注。”

與RWD一起出現(xiàn)的問題是，很難從中篩選出、過濾掉混淆因素。“但是，我們正在探索的是，在實踐中做到隨機化，同時采集真實世界結局數據......如果沒有一個非常精密的臨床試驗運作方式，大家能得到一個有效的結果嗎？這是可操作的嗎？”Woodcock醫(yī)生問道。

圖片來源：參考資料[6]

“我們正在與許多小組合作，試圖解決這一問題，各個小組正在努力改善“觀測”證據的可靠性......在正在進行隨機臨床試驗的領域，我們正在做伴隨觀察研究，將看到結果究竟如何。我們希望，在明年年底之前，完成20項回顧性研究，在未來7年開展預期性研究。當然，真實世界研究的進展，將比隨機化臨床試驗更快。但是看兩者之間如何比較，究竟得出什么樣的答案，將會很有趣。”

前FDA局長Califf醫(yī)生：對隱私權做出權衡

曾經擔任FDA局長的Robert Califf醫(yī)生，在出席同一活動時表示，采集數據時，涉及到的對隱私權做出權衡也很重要。如果希望從醫(yī)療保健獲得更好的回報，社會就需要考慮對患者的隱私權做出權衡。“在什么情況下，我們應該為了獲得更好的醫(yī)療保健去權衡隱私權？當醫(yī)療系統(tǒng)到處廣告，宣傳穿著白大褂的良醫(yī)治愈患者疾病時，我們在哪里呢？每當我們進行前瞻性研究時，大約有一半時候，我們都會發(fā)現(xiàn)錯了，但不知道我們錯的究竟是哪一半。例如，以最近的紅肉爭議為例。“究竟是否可以吃紅肉？由于沒有開展很好的研究，數據有矛盾。”

▲Robert Califf醫(yī)生（圖片來源：杜克大學官網）

Califf醫(yī)生很快將辭去杜克大學（Duke University）心臟病學教授的教職，到Alphabet公司旗下的Verily Life Sciences工作。他還舉了阿司匹林預防心臟病發(fā)作的相關例子。他表示，盡管已顯示阿司匹林對二級預防有效，但自己一直不知道阿司匹林的正確劑量，一直備受困擾。“現(xiàn)在，在小片阿司匹林（baby aspirin）與全規(guī)格阿司匹林的隨機試驗中，我們已經招募了17,000多受試者，我們很快就會知道答案。但這距離阿司匹林上市已有140年……與我們對是否接受不確定性的做法的了解相比，很可能會有更為深入的了解。”

“大家必須了解，如果合作并分享信息，疾病將得到更好的醫(yī)治。以超越于同意（consented）的方式，共享您的數據，有切實的公益價值（real public benefit）。我們需要討論這個問題，為美國公眾找到最佳的著力平衡點（sweet spot）。”

與大多數人的電子病歷數據相比，來自谷歌搜索和信用卡使用之類的社交數據（social data），更能預測大多數人的健康狀況。谷歌規(guī)定禁止外部人員將這些數據配置到醫(yī)療保健中。“這是一件好事。但是，作為心臟病專家，如果我建議您遠離紅肉，但漢堡王連鎖餐廳的付費系統(tǒng)卻顯示，您每天都在那里用信用卡消費。如果缺乏有用的信息，我們只能是浪費時間。”Califf醫(yī)生還指出，由于有必要幫助大家改善上網得到的健康信息，谷歌最近改變了算法，以便讓大家遠離反疫苗網站。“任何臨床醫(yī)生都會告訴您，有很多事情需要匡正。”

參考資料：

[1] Joyce Frieden. Real-World Data Playing a Bigger Role in Drug Development. Oct 11, 2019. Retrieved Oct 12, 2019 from https://www.medpagetoday.com/publichealthpolicy/fdageneral/82711

[2] Robert M Califf. False Precision and Estimating the Reliability of Effects with the Traditional Evidence Generating Process. Sept 20, 2017. Retrieved Oct 12, 2019 from http://www.nationalacademies.org/hmd/~/media/Files/Activity%20Files/Research/DrugForum/RWE_2017_PDFs/Califf.pdf

[3] Greene, S. M., R. J. Reid, and E. B. Larson. 2012. Implementing the learning health system: From concept to action. Annals of Internal Medicine 157(3):207-210.

[4] John Doyle. Real World Insights. Retrieved Oct 12，2019 from http://nationalacademies.org/hmd/~/media/Files/Activity%20Files/Research/DrugForum/RWE_2017_PDFs/Doyle.pdf

[5] Sarah Owermohle. Califf: DATA SHARING FOR PUBLIC HEALTH. Oct 11, 2019. Retrieved Oct 12, 2019 from https://www.politico.com/prescriptionpulse/

[6] IOM. Best Care at Lower Cost: The Path to Continuously Learning Health Care in America. Washington, DC: The National Academies Press. 2013. https://doi.org/10.17226/13444.