制葯企業大數據

① 醫療健康領域的大數據來源有哪些

醫療健康領來域的大數據主源要有四個來源：1、制葯企業/生命科學
2、臨床決策支持及其他臨床應用（包括診斷相關影像信息）
3、費用報銷、利用率和欺詐監管
4、患者行為/社交網路
也就是說，不管是來自製葯企業的數據，還是來著臨床、社保或是患者的數據都可被當作醫療健康大數據的來源。

② 大數據行業對於醫葯行業有什麼作用呢

一、大數據有助於精確醫療行業市場定位
醫療行業企業需要架構大數據戰略，拓寬醫療行業調研數據的廣度和深度，從大數據中了解醫療行業市場構成、細分市場特徵、消費者需求和競爭者狀況等眾多因素，在科學系統的信息數據收集、管理、分析的基礎上，提出更好的解決問題的方案和建議。
企業想進入或開拓某一區域醫療行業市場，首先要進行項目評估和可行性分析，這個區域人口是多少？消費水平怎麼樣？客戶的消費習慣是什麼？市場對產品的認知度怎麼樣？當前的市場供需情況怎麼樣？公眾的消費喜好是什麼等等，這些問題背後包含的海量信息構成了醫療行業市場調研的大數據。
隨著大數據時代的來臨，藉助數據挖掘和信息採集技術不僅能給研究人員提供足夠的樣本量和數據信息，還能夠建立基於大數據數學模型對未來市場進行預測。當然，依靠傳統的人工數據收集和統計顯然難以滿足大數據環境下的數據需求，這就需要依靠相關大數據技術開發公司(如北京恆泰博遠科技)來進行大數據採集、分析、監控、分發系統的開發。

二、大數據成為醫療行業市場營銷的利器
互聯網上的信息總量正以極快的速度不斷暴漲，我們每天在不同平台上分享各種文本、照片、視頻、音頻、數據等信息高達的幾百億甚至幾千億條，這些信息涵蓋著商家信息、個人信息、行業資訊、產品使用體驗、商品瀏覽記錄、商品成交記錄、產品價格動態等等海量信息。這些數據通過聚類可以形成醫療行業大數據，其背後隱藏的是醫療行業的市場需求。
以醫療行業在對顧客的消費行為和趣向分析方面為例，消費者購買產品的花費、選擇的產品渠道、偏好產品的類型、產品使用周期、購買產品的目的、消費者家庭背景、工作和生活環境、個人消費觀和價值觀等。如果企業收集到了這些數據，建立消費者大資料庫，便可通過統計和分析來掌握消費者的消費行為、興趣偏好和產品的市場口碑現狀，再根據這些總結出來的行為、興趣愛好和產品口碑現狀制定有針對性的營銷方案和營銷戰略。

三、大數據支撐醫療行業收益管理
大數據時代的來臨，為企業收益管理工作的開展提供了更加廣闊的空間。需求預測、細分市場和敏感度分析對數據需求量很大，而傳統的數據分析大多是採集的是企業自身的歷史數據來進行預測和分析，容易忽視整個醫療行業信息數據，因此難免使預測結果存在偏差。

四、大數據創新醫療行業需求開發
在微博、微信、論壇、評論版等平台隨處可見網友使用某款產品優點點評、缺點的吐槽、功能需求點評、質量好壞與否點評、外形美觀度點評、款式樣式點評等信息，這些都構成了產品需求大數據。作為醫療行業企業，如果能對網上醫療行業的評論數據進行收集，建立網評大資料庫，然後再利用分詞、聚類、情感分析了解消費者的消費行為、價值趣向、評論中體現的新消費需求和企業產品質量問題，以此來改進和創新產品，制訂合理的價格及提高服務質量，從中獲取更大的收益。

③ 大數據挖掘在虛擬醫葯科研方面的思考

大數據挖掘在虛擬醫葯科研方面的思考
1.基於大數據挖掘的虛擬醫葯科研案例
數據挖掘發展到今天，按照時下的概念應該到了「大」數據挖掘的時代了。我們還是先從幾個相關案例開始吧。
1.1 虛擬臨床試驗-大數據採集
我們首先來看這樣一個案例。2011年06月，輝瑞制葯有限公司宣布開展一項「虛擬」臨床研究，該項研究是一個得到美國食品和葯物管理局批準的試點項目，首字母縮寫為「REMOTE」。「REMOTE」項目是在美國開展的第一項病人只需使用手機和互聯網、而不用重復跑醫院的臨床研究，該項目的目標是要確定此類「虛擬」臨床研究能否產生和傳統臨床研究一樣的結果。而傳統的臨床研究要求病人住在醫院附近，並且定期前往醫院或診所進行初次檢查和多次後續檢查。如果這一項目有效，那它可能意味著全美國的病人都能參加今後的許多醫學研究。這樣一來，原先的科研項目中未得到充分代表的群體將得以參加，數據收集速度將大大加快，而且成本也很可能會大幅下降，參與者退出的幾率也很可能會降低不少。
從上例中，我們可以看到，利用互聯網可以收集遠遠大於傳統臨床科研樣本數目的超大量病人的臨床數據，而且其中有些臨床數據可能來自於更加便捷的可穿戴健康監測設備。如果這樣的研究，在科研設計嚴謹、質量標准得到有效執行、各種誤差得到有效控制的情況下，科研的效率和成果的可信度可以顯著提高。正如輝瑞公司首席醫療官弗蕾達?劉易斯-霍爾所說的：「讓更多樣化的人群得以參與研究有可能會推動醫學進步，並為更多的病人帶來更好的療效。」
1.2 虛擬葯物臨床試驗-大數據挖掘
我們再來看另外一個案例。1992年，抗抑鬱葯物帕羅西汀（Paxil）獲准上市；1996年，降膽固醇葯物普拉固（Pravachol）正式開售。兩種葯品生產企業的研究證明：每種葯物在單獨服用時是有效且安全的。可是，患者要是同時服用兩種葯是否安全，沒有人知道，甚至很少有人想過。美國斯坦福大學的研究人員應用數據挖掘技術分析了數萬例患者的電子病歷後，很快發現了一個出人意料的答案：同時服用兩種葯物的患者血糖含量較高。這對於糖尿病患者來說影響很大，過多的血糖對他們來說是一種嚴重的健康威脅！科學家還通過分析血糖檢測結果和葯物處方，來尋找隱藏的規律。
對於單個醫生來說，他所經歷的同時服用這兩種葯物的病人是很有限的，雖然其中可能有少數的糖尿病患者莫名其妙地血糖升高了，但醫生很難意識到這是由於病人同時服用了Paxil和Pravachol造成的。因為這是一種掩藏在大數據中的隱含規律，如果不是有人有目的地專門研究Paxil和Pravachol聯合用葯的安全性的話，個體醫生是很難揭示這個規律的。但是，臨床葯品成千上萬，我們怎麼可能對任意組合的兩、三種葯聯合應用的安全性和有效性進行逐一研究呢？數據挖掘很可能是一種有效的、快速的、主動式的探索多種葯聯合應用問題的方法！
研究者不必再召集患者去做臨床試驗，那樣做的話花費太大了。電子病歷及其計算機應用的普及為醫療數據挖掘提供了新的機遇。科學家不再局限於通過召集志願者來開展傳統的課題研究，而是更多地從現實生活中的實驗中，如日常的大量的臨床案例中篩選數據並開展虛擬科研，這些並非來自計劃的課題立項的實驗數據保存在許多醫院的醫療記錄中。
類似本案例，應用數據技術使得研究人員可以找出在葯物批准上市時無法預見的問題，例如一種葯物可能對特定人群產生怎樣的影響。另外，對醫療記錄的數據挖掘不僅將為研究帶來好處，還會提高醫療服務系統的效率。
1.3 虛擬葯物靶標發現-知識發現
我們再看看這樣的一類研究。通常新葯研發的過程都比較漫長,投入巨大，風險也很高。有數據表明，新葯研發的平均時間長達15年,平均耗費超過8億美元。但是,由於葯物療效的不佳和毒副作用太高，使得許多葯物的研發經常在臨床階段就失敗了，造成了巨大的經濟損失。作為葯物研發的源頭,葯物靶標的發現和識別對葯物的研發成功率具有舉足輕重性的作用。隨著生物信息技術的不斷發展,以及蛋白質組學數據、化學基因組學數據的日益增長,應用數據挖掘技術結合傳統生物實驗技術,可為葯物新靶標的發現提供新的技術手段,為靶標識別預測提供新的方法。構建葯物靶標資料庫，利用智能計算技術和數據挖掘技術對現有的葯物靶標數據開展深入探索，以期發現新的葯物靶標正是這樣一類研究，我們也稱之為葯物靶標的知識發現。
傳統的葯物靶標的發現，通常大都是通過大量的、反復的生物化學實驗來實現的，不僅成本高、效率低，成功率也很低，猶如瞎子摸象一樣，不好掌握方向。而應用數據挖掘這一自動的、主動的、高效的探索技術，可以開展虛擬葯物靶標發現，不僅大大加快了葯物靶標發現的進程，而且大幅減少了生物化學實驗的次數和成本，同時也提高了傳統生化實驗的成功率。
2. 數據挖掘在虛擬醫葯科研上的應用
大數據時代，醫葯研發面臨更多的挑戰和機遇，為了更好的節約研發成本，提高新葯研發成功率，研發出更有競爭力的新葯，可以應用數據挖掘技術開展虛擬醫學科研和葯物研究。數據挖掘在虛擬醫葯科研上的應用，可以總結為如下幾個方面。
2.1 通過預測建模幫助制葯公司降低研發成本提高研發效率。模型基於葯物臨床試驗階段之前的數據集及早期臨床階段的數據集，盡可能及時地預測臨床結果。評價因素包括產品的安全性、有效性、潛在的副作用和整體的試驗結果。通過預測建模可以降低醫葯產品公司的研發成本，在通過數據建模和分析預測葯物臨床結果後，可以暫緩研究次優的葯物，或者停止在次優葯物上的昂貴的臨床試驗。
2.2 通過挖掘病人數據，評估招募患者是否符合試驗條件，從而加快臨床試驗進程，提出更有效的臨床試驗設計建議。例如: 通過聚類方法對患者群體進行聚類，尋找年齡、性別、病情、化驗指標等方面的特徵，判定是否滿足試驗條件，也可以根據這些特徵更好的設立對照組。
2.3 分析臨床試驗數據和病人記錄可以確定葯品更多的適應症和發現副作用。在對臨床試驗數據和病人記錄進行分析後，可以對葯物進行重新定位，或者實現針對其他適應症的營銷。通過關聯分析等方法對試驗數據進行挖掘可能會發現事先想不到一些成果，大大提高數據的利用程度。
2.4 實時或者近乎實時地收集不良反應報告可以促進葯物警戒。葯物警戒是上市葯品的安全保障體系，對葯物不良反應進行監測、評價和預防。通過聚類、關聯等大數據挖掘手段分析葯品不良反應的情況，用葯、疾病、不良反應的表現，是否跟某種化學成分有關等。例如不良反應症狀的聚類分析，化學成分與不良反應症狀的關聯分析等。另外在一些情況下，臨床實驗暗示出了一些情況但沒有足夠的統計數據去證明，現在基於臨床試驗大數據的分析可以給出證據。
2.5 針對性葯物研發：通過對大型數據集(例如基因組數據)的分析發展個性化葯物。這一應用考察遺傳變異、對特定疾病的易感性和對特殊葯物的反應的關系，然後在葯物研發和用葯過程中考慮個人的遺傳變異因素。很多情況下，病人用同樣的用葯方案但是療效卻不一樣，部分原因是遺傳變異。針對同病種的不同的患者研發不同的用葯，或者給出不同的用法。
2.6 對葯物化學成分的組合和葯理進行挖掘，激發研發人員的靈感。例如針對於中醫葯物研發，用數據挖掘手段對於中葯方劑和癥候進行分析研究，探討方劑和針對症狀之間的聯系，從功效、歸經、葯性和葯味等方面進行分類特徵分析。
3. 虛擬葯物臨床試驗分析系統
現在越來越多的臨床科研和葯物臨床試驗都是從日常的臨床工作中生成的大數據中經過嚴格的條件篩選來提取數據的。正如我們在本文1.1和1.2中提到的案例一樣，所謂虛擬葯物臨床試驗，是以更廣泛的臨床數據採集，和從海量的醫院電子化的病歷中按照事先的設計需求經過嚴格的條件篩選來開展的，雖然是虛擬的方法而不是傳統的方法，這種葯物臨床試驗研究有樣本代表更廣泛、成本低、效率高、研究成果更豐富等優點。採用虛擬研究的方法可以完全替代某些傳統的葯物臨床研究，也可以作為某些傳統的葯物臨床研究的預試驗或探索性研究，以使真正的葯物臨床研究工作多、快、好、省。我們現在來看一下虛擬葯物臨床試驗分析系統是如何工作的。
3.1 虛擬葯物研究的基本思路
1、建設葯物臨床試驗數據倉庫，充分整合和積累的臨床數據和葯物應用數據。 2、設計、選取葯物臨床試驗的觀察組樣本與對照組樣本。 3、應用數據挖掘技術探索葯物對於疾病治療的效果和產生的副作用。 4、應用統計學技術進行葯物臨床試驗效果的推斷和評價。
3.2 建立葯物臨床數據倉庫
建設葯物臨床試驗數據倉庫有兩種途徑，一種是通過經典的葯物臨床試驗設計來定製化和採集相關數據，傳統的方法主要記錄在紙質文檔上，也有專門數據錄入軟體，這種方法採集的數據是按照預先設計進行的，直接形成葯物臨床試驗的專用數據，但通常樣本數據量不會太大；另外一種是將醫院大量的、歷史的臨床用葯數據進行抽取、變換、裝載，然後充分整合積累的其他臨床數據和葯物應用數據，形成葯物臨床試驗數據源，為生成葯物臨床試驗數據提供支撐，這樣的樣本數據量可能很大，我們後面演示的方法就是採用種數據進行「虛擬」樣本篩選和分析的。
3.3 葯物臨床試驗樣本設計
葯物臨床試驗樣本根據葯物研究的需要可以有很多設計，例如單因素單水平設計，單因素兩水平設計，單因素多水平設計，配對設計設計，區組設計設計，重復測量設計等。我們這里以兩因素區組設計為例來介紹一下樣本篩選。本例僅以方法演示為目的，不考慮嚴格的醫學專業意義。
本研究的疾病為動脈硬化心臟病，處理因素為葯物應用，共有三種葯物，分別為倍他樂克、諾和靈、硝酸異山梨脂。區組因素為年齡，分了三個年齡段。觀察指標為血鈉。我們科研設計按照「三要素、四原則」進行數據篩選。所謂「三要素」是研究人群，處理因素和觀察對象。所謂四原則是指隨機、對照、重復、均衡等原則。按照如下圖一的輸入條件，可以將數據集篩選出來，然後再用統計分析工具進行統計分析。

3.4 葯物臨床數據挖掘
應用數據挖掘技術不僅可以提高葯物臨床數據的利用程度，而且可以探索和發現葯物臨床應用中的新的積極作用和新的消極作用。利用多種數據挖掘方法分析臨床試驗數據和病人的電子化數據，可以確定葯物更多的適應症和發現未知的副作用。在對臨床試驗數據和病人記錄進行挖掘分析後，可以對葯物進行重新定位，或者實現針對其他適應症的推廣應用。通過對葯物試驗數據進行挖掘可能會發現意想不到一些成果，大大提高數據的應用效益。
如本例，我們使用數據挖掘的方法深入研究葯物對於實驗室指標的影響。探索和發現葯物臨床應用中的正負影響，可以通過觀察病人用葯前後的很多醫學特徵和生理指標來進行，而觀察更加客觀的各種實驗室指標是很多葯物研究的必備設計之一。下面是一個應用倍他樂克葯物治療冠心病的研究，我們應用了數據挖掘的有關技術分析了倍他樂克的血葯濃度的變化對病人各個實驗室指標的影響，如下圖二，顯示了部分實驗室指標的影響結果。

以上結果需要與臨床醫務人員以及葯物研究人員共同探討。在刨去了各種人為因素以及業務系統客觀影響因素之後，我們可以發現先前未知的倍他樂克對病人生理指標的影響，其中有些影響在醫學上可能是積極的，而有些影響在醫學上可能是反面的。
3.5 統計分析設計
虛擬葯物臨床試驗分析系統的統計分析模塊，包含了葯物研發中常用的統計分析方法，如T檢驗、方差分析、相關分析、回歸分析、非參數檢驗等，設計思路按照統計學思維，首先對數據進行驗證，根據驗證結果選擇統計分析方法。下面我們以重復測量設計為例進行說明。
本研究的疾病為動脈硬化心臟病，處理因素為葯物應用倍他樂克，觀察指標為我們從數據挖掘中發現有影響的血鉀指標。我們可以使用3.3提供的模塊對篩選的樣本進行提取和分析，也可以從本模塊直接選取所需的數據並分析。重復測量分析有兩種方法，一個是Hotelling T2檢驗，另一個是方差分析，本系統提供了這兩種統計檢驗方法。
部分樣本數據如下圖三所示：

這里，我們僅觀察一下方差分析方法的結果輸出，如下圖四所示。

從圖中我們可以看到，根據P值得到：處理因素「倍他樂克」葯物對血鉀起作用，測量時間對血鉀有影響，處理因素和測量時間有交互影響。從而驗證了我們應用數據挖掘得到的結果。
4. 數據挖掘在中葯研發上的應用
以上內容，我們重點是以西葯的研究應用為例來說明以數據挖掘為特色的虛擬醫葯研究的方法。其實，數據挖掘和虛擬葯物研究還非常適合於中醫中葯的研究工作，因為中醫學本身是一個經過幾千年不斷摸索、積累和驗證的、知識體系龐大的、具有完整理論體系的醫學科學，但我們還需要應用現代知識不斷地深入理解、挖掘、提高和應用，以便與現代科學能更好地融合。而數據挖掘正是探索和解釋中醫學奧秘的有力工具！
國內許多單位也開展一些中醫中葯數據挖掘的局部性的嘗試。現在，我們就將這些數據挖掘在中醫中葯研究中的嘗試加以匯總，分列如下： 1、中葯配方中的文本數據挖掘； 2、對「葯理」起關鍵作用的「有效成分」——單體或化學成分的挖掘； 3、中葯方劑配伍規律的數據挖掘與研究； 4、方劑配伍物質基礎與葯效如(證侯、症狀)關系的數據挖掘； 5、方劑配伍的用量與方劑效用級別間的關系(量效關系及模型) 挖掘； 6、中葯葯性理論與中葯有效成份的關系挖掘； 7、方劑中各葯味間的相關性挖掘； 8、相似病症的隱含相似關系挖掘； 9、同種疾病不同葯方的相似性和差異性的挖掘和研究。 10、數據挖掘用於不確切病症的分類和研究。

④ 醫葯行業和醫葯大數據的關系

目前市場上每個行業對於大數據的應用正在逐漸成熟，大數據五個特點：大量、高速、多樣、低價值密度/真實性。各行各業每天都會產生大量的數據，醫葯行業也是如此，每天產生大量的醫葯數據，從葯物臨床前到上市後的醫葯數據是非常龐大的，對於這些大量的數據獲取、儲存、管理、分析就會創造有價值的數據。

醫葯行業和醫葯大數據的關系

在大數據沒有成熟之前，每個葯企在推出一款新葯之前，都會查閱大量的資料和大量的候選葯物折磨，在大量的資料中查詢想要了解的數據，非常耗時，耗力，而且對於研發一款新葯，耗時長，數據資料多，風險大，回報不及時，相對於這些資料庫現在正好能解決這些問題。

國外的比較巨頭醫葯大數據做的時間比國內的長，使用人數多，但是對於國內的醫葯市場多以仿製葯為主稍微優點不適，所以對於國內醫葯市場還是國內醫葯資料庫比較主流，造就成了現在國內醫葯大數據百家爭鳴的場面

"葯融雲"對於葯物的立項、研發都是有著非常大的幫助。在立項階段所需的參比制劑說明書，競品對比，注冊審評、市場數據、研發階段、臨床數據、專利數據等也是比較齊全的。對於葯物的研發靶點數據、原研品數據，研發數據，葯物毒理數據，臨床數據都是齊全的，而且檢索快，數據多，准確度高。

現在國內醫葯行業大數據能有效的幫助葯企減少研發成本，提高效率，現在是大數據時代，數據就是價值，醫葯行業大數據的數據更為廣闊，醫葯行業也是朝陽行業能帶給人們無限驚喜。

⑤ 方盛制葯大數據被主力控盤了沒有

沒有。湖南帶燃則方盛制葯股份有限公司成立於1997年10月13日，該公司的大數據股票大段櫻多蠢棚數仍在散戶手中，所以是沒有被主力控盤的，湖南方盛制葯股份有限公司於2007年正式在廣州深圳上市。

⑥ 計算機在醫葯行業中的應用有哪些

1、分析海量文獻信息加快葯物研發。

2、從事醫療或輔助醫療的智能醫用機器人。

3、基於語音識別技術的人工智慧虛擬助理。

4、基於計算機視覺技術對醫療影像智能診斷。

5、基於數據處理和晶元技術的智能健康管理。

隨著人工智慧領域，語音交互、計算機視覺和認知計算等技術的逐漸成熟，人飢侍世工智能的應用場景越發豐富，人工智慧技術也逐漸成為影響醫療行業發展，提升醫療服務水平的重要因素。其應用技術主要包括：語音錄入病歷、醫療影像輔助診斷、葯物研發、醫療機器人、個人健康大數據的智能分析等。

多媒體技術可以集圖形、圖像、音頻、視頻、文字為一體，使信息處理的對象和內容更加談彎接近真實世界。

(6)制葯企業大數據擴展閱讀

1、智能語音錄入可以解放醫生的雙手，幫助醫生通過語音輸入完成查閱資料、文獻精準推送等工作，並將醫生口述的醫囑按照患者基本信息、檢查史、病史、檢查指標、檢查結果等形式形成結構化的電子病歷，大幅提升了醫生的工作效率。

2、人工智慧助力葯物研發，可大大縮短葯物研發時間、提高研發效率並控制研發成爛肢本。目前我國制葯企業紛紛布局AI領域，主要應用在新葯發現和臨床試驗階段。

⑦ 葯融雲醫葯大數據怎麼樣

大數據發展至今，各行各業都進入了大數據時代醫葯行業也是如此，無論是葯物的立項還是研發還是醫葯投資都是離不開醫葯大數據的，在醫葯大數據沒有成熟之前，從立項調研到葯物研發都會花費大量的時間去翻閱大量的文獻和參考數據，現在醫葯大數據相對成熟對於葯物的立項和研發有了極大的改變，能縮短葯品上市時間、節約產品開發成本、提高企業工作效率，目前是醫葯大數據中比較好的醫葯大數據之一。

現在醫葯大數據相對成熟，對於立項調研，還有葯物研發都能查詢到想要的資料，能有效地節約查詢資料時間，提高效率。

比如查詢「羅沙司他」，可以查詢葯物的研發數據，葯品審評數據、全球臨床試驗數據、葯物報告數據、專利數據、葯物合成路線、上市數據、醫院和葯店銷售數據、市場數據、一致性評價數據、原料葯數據、合理用葯數據等,詳細的葯品數據能有效的幫助葯物的立項和研發，節約翻閱數據時間，還有可以分析葯品審評，了解過審難度，銷售數據可以制定銷售策略，布局市場等。

數據智能化關聯

總體來說資料庫能有效提升葯品立項、研發、上市的時間效率，幫助企業在研發立項時提供決策依據。

⑧ 制葯企業生產線實現了數字化、智能化有哪些

後疫情時代中國製造在全球供應鏈愈發地重要，隨著當前先進制葯技術與數字化技術的深橡纖度融合，工廠生產過程連續實時產生海量數據。如何篩選、歸類、判異及分析（開展數字化工作），充分挖掘、發揮數據的價值，從而提升生產效率、保障產品質量、智能製造升級，成為葯品製造工廠要面對、要思考的問題。

本課程對中葯生產由信息化基礎向數字化轉型並向智能化邁進的相關工作研究、實踐進行介紹，探討中葯車間數字化智能化技術方案。

課程摘要

1、中葯制劑工廠信息化現狀：介紹生產過程源數據（質量屬性數據、生產屬性數據、工藝屬性數據、性能屬性數據等），以及上述生產大數據的獲取路徑、篩選依據、清洗原則。

2、中葯制劑工廠數字化探索：介紹讓如悶通過數據采坦彎集與監控系統獲取的優質大數據如何開展生產數字化管理（在線監控、多指標分析、客觀評價、工藝理解），以及如何建立產品數字化模型+評價體系。

3、中葯制劑工廠智能化藍圖：介紹工廠智能化摸索路徑，運用數字化工作成果，在工藝機理解析的基礎上

⑨ 恆瑞醫葯大數據分析股票

疫情的來臨讓醫葯行業成為了市場的重點，20年以來醫葯一直就是爆發式的上漲走勢。目前疫情的反復再次使得醫葯行業繼續成為市場熱點，接下來就來聊一聊醫葯行業的創新葯械龍頭--恆瑞醫葯。

在全面剖析恆瑞醫葯前，推薦給大家我整理好的醫葯行業龍頭股名單，點擊直接領取：寶藏資料：醫葯行業龍頭股名單

一、從公司角度來看

公司介紹：恆瑞醫葯主營的范圍是葯品研發、生產和銷售。國內最大的抗腫瘤葯、手術用葯和造影劑研究和生產基地就包括有這家公司。公司產品涵蓋了抗腫瘤葯、手術麻醉類用葯、特色輸液、造影劑、心血管葯等眾多領域，產品方面的布局已經算是基本達到了完善，其中抗腫瘤、手術麻醉、造影劑等領域市場份額在行業內名列前茅。

下面來說下這個公司的優勢之處~

優勢一：產品結構優化，推動業績增長

公司收入結構比以前完善，創新葯業績的增長某種程度上彌補了仿製葯收入的下跌。創新葯業務方面，創新葯銷售收入穩步增加，對公司的業績增長有正面的影響，深層次的改善了公司的收入結構。公司在研發和海外研發布局這兩個方面也進一步加大了投入。

優勢二：研發力度加大，鞏固公司龍頭地位

公司用於研發的費用越來越多，公司報告期內研發費用258,050.83萬元，較去年同期增長38.48%，占公司銷售收入比重 19.41%。公司目前 16 個重要產品研究進展中，已有 8 個項目進行臨床Ⅲ期試驗。報告期內，公司獲得產品注冊批件 14個，包括 5 個創新葯批件及 9 個仿製葯批件；獲得臨床批件 41 個；獲得一致性評價批件 10 個。公司未來創新產品管線將會更加多元化，穩定住自身創新龍頭地位，自身市場競爭力提高起來。

優勢三：國際化布局持續推進

公司首個國際多中心Ⅲ期臨床研究--卡瑞利珠單抗聯合阿帕替尼治療晚期肝癌國際多中心Ⅲ期研究已完成海外入組，並啟動了美國 FDA BLA/NDA 遞交前的准備工作。隨著公司國際化戰略不斷推進，公司研發團隊與國內團隊溝通合作逐步加深，公司海外業務持續性發展，同時有望進一步擴大自身研發優勢，豐富自身創新產品，提升公司業績，未來公司將逐漸從"中國新"邁向"全球新"，成為具備國際競爭力的跨國制葯大平台完全有可能成為現實。

篇幅受到限制，更多關於恆瑞醫葯的詳情，都已經這篇研報里准備好了，千萬不要錯過：【深度研報】恆瑞醫葯點評，建議收藏！

二、從行業角度來看

行業基本面比較不錯，人口老齡化及消費升級帶來剛性需求，長期來看的話真的很好：

（1）政策方面：政策密集出台，帶量采購常態化不斷地加速行業分化，逆向促使企業向創新轉型；醫保目錄已建立動態調整，政策大力推動創新研發，創新葯在我國已經進入黃金發展時期，正在邁向國際化的道路；

（2）消費升級：隨著國內經濟水平的不斷提高，醫葯產業迎來消費升級需求，具有自我消費屬性且規避醫保控費政策的疫苗等葯品細分領域景氣度持續。

三、總結

總的來說，我認為恆瑞醫葯公司作為醫葯行業中的創新葯的龍頭企業，此次行業變革將是發展水平快速提升的機遇。但是，文章有一定時效性，如果想更准確地知道恆瑞醫葯未來行情，那麼可以點擊鏈接，會有專業人士為你來看看恆瑞醫葯目前的行情是否可以買入或是賣出了：【免費】測一測恆瑞醫葯還有機會嗎？

應答時間：2021-09-07，最新業務變化以文中鏈接內展示的數據為准，請點擊查看

⑩ 醫療健康領域的大數據有哪些來源

醫療健康領域的大數據主要有四個來源：1、制葯企業/生命科學 2、臨床決策支持及其他臨床應用（包括診斷相關影像信息） 3、費用報銷、利用率和欺詐監管 4、患者行為/社交網路
也就是說，不管是來自製葯企業的數據，還是來著臨床、社保或是患者的數據都可被當作醫療健康大數據的來源。