医药企业大数据

『壹』 拥抱数字转型，医疗健康行业往这看

近年来，重大公共卫生事件在全球范围内频发，与病毒赛跑、及时发现并精准防控治疗考验着医药企业、医院乃至整个医疗 健康 行业的水平。我们惊喜的发现 “互联网医院” 在特殊时期作为一种新的医疗服务模式进入了大众视野，AI 和云计算能力加速了病毒分析和药物研究，” 健康 码“成为了新的年度热词极大程度缓解了 社会 监控压力…

建设数字化医疗 健康 体系的时机已经到来，医药企业、医疗机构、 健康 保险、医疗设备等相关行业产业都势必将与新兴数字化技术进一步融合，全面提升我国医疗卫生行业的发展水平。

微软作为医疗数字转型的驱动者，多年来持续为医疗行业提供具有可行性的数字化转型解决方案。为进一步细化数字化技术在医疗行业不同场景的具体应用，以“ AI 心助医，转型突围 ”为主题，野埋谈进行一系列“组合拳”行动，分别就药企、医疗机构、商业 健康 险、医疗设备等领域进行了深入探讨，持续推出解决方案场景和深度见解。

医药是构建医疗 健康 生态的支柱，医药行业需顺势而为，契合数字化发展大势，主动求新突变，更好地为推动医疗 健康 产业向前发展贡献力量。

为了更好地剖析中国医药行业数字化创新现状，探析未来创新模式， 微软携手动脉网、蛋壳研究院推出《医疗数字化创新季刊--医药数字化革新》 。

从产业现状、数字化驱动因素、数字技术在医药产业中的创新应用场景、企业数字化转型路径以及医药数字化未来发展趋势等多个维度对医药数字化进行了全面、详细的梳理及分析。

医药作为构建医疗 健康 的重要组成部分，面对变革需要主动求变，顺应医药数字化未来走向，加速医药企业与数字化原生融合；借助 AI+ 大数据转化液悔数字化成果，并不断通过模块化云服务构建敏捷的运营体系。从目前医疗市场发展看，医药产业数字化发展已初见成效，为了更好地剖析中国医药行业数字化创新现状， 探索 未来创新模式，微软携手动脉网、蛋壳研究院推出第二期 《医疗数字化创新季刊—医药数字化转型落地五大场景》 ， 从医药数字化转型下沉至五大场景、医药行业数字化未来走向 等方面对现阶段及未来医疗数字化发展进行全面、详实的分析。

医疗商业 健康 险专场论坛

“AI 心助医，转型突围”——微软助力医疗 健康 行业数字化革新活动第四期商业 健康 险专场论坛将于2020年12月11日在上海微软-仪电人工智能创新院举办。活动将邀请众多医疗 健康 行业产业角色从我国医保现行政策等多方向出发，围绕保险行业展开话题，多维度分析医疗保险行业对医疗 健康 产业带来的巨大影响， 探索 其发展趋势，助力医疗保险行业未来发展。

数字化医疗解决方案场景大赛

2020年11月底微软将携其市场、产品和渠道以及加速器、人工智能和物联网实验室等众多资源，联合张江集团、阿斯利康、赛诺菲、默克、诺华，强生、罗氏、中欧校友医疗 健康 产业协会、张江科投、无锡国际生命科学创新园、君联资本、探针资本、动脉网等生态伙伴举办医疗解决方案创新大赛，围绕药企数字化 赋能患者及大众、加速医学研发创新、保护医疗信息安全、优化从业人员体验、建立敏捷运营流程五大场景痛点，强化数字化医疗的思考方式， 碰撞适用性解决方案，并对具有典型性痛点的可操作性方案进行奖励与实地落地合作。

未来已来，面对充满挑战的2020年，医疗 健康 行业唯有加速创新转型，方能在行业中激流勇进。在转型过程中，微软将持续致力于发挥自身的生态优势颂碰和技术优势，深入了解医疗行业数字化转型过程中的业务痛点， 为不同客户量身定制个性化场景解决方案，赋能企业构建更具创新的医疗新生态 ！

『贰』 大数据行业对于医药行业有什么作用呢

一、大数据有助于精确医疗行业市场定位
医疗行业企业需要架构大数据战略，拓宽医疗行业调研数据的广度和深度，从大数据中了解医疗行业市场构成、细分市场特征、消费者需求和竞争者状况等众多因素，在科学系统的信息数据收集、管理、分析的基础上，提出更好的解决问题的方案和建议。
企业想进入或开拓某一区域医疗行业市场，首先要进行项目评估和可行性分析，这个区域人口是多少？消费水平怎么样？客户的消费习惯是什么？市场对产品的认知度怎么样？当前的市场供需情况怎么样？公众的消费喜好是什么等等，这些问题背后包含的海量信息构成了医疗行业市场调研的大数据。
随着大数据时代的来临，借助数据挖掘和信息采集技术不仅能给研究人员提供足够的样本量和数据信息，还能够建立基于大数据数学模型对未来市场进行预测。当然，依靠传统的人工数据收集和统计显然难以满足大数据环境下的数据需求，这就需要依靠相关大数据技术开发公司(如北京恒泰博远科技)来进行大数据采集、分析、监控、分发系统的开发。

二、大数据成为医疗行业市场营销的利器
互联网上的信息总量正以极快的速度不断暴涨，我们每天在不同平台上分享各种文本、照片、视频、音频、数据等信息高达的几百亿甚至几千亿条，这些信息涵盖着商家信息、个人信息、行业资讯、产品使用体验、商品浏览记录、商品成交记录、产品价格动态等等海量信息。这些数据通过聚类可以形成医疗行业大数据，其背后隐藏的是医疗行业的市场需求。
以医疗行业在对顾客的消费行为和趣向分析方面为例，消费者购买产品的花费、选择的产品渠道、偏好产品的类型、产品使用周期、购买产品的目的、消费者家庭背景、工作和生活环境、个人消费观和价值观等。如果企业收集到了这些数据，建立消费者大数据库，便可通过统计和分析来掌握消费者的消费行为、兴趣偏好和产品的市场口碑现状，再根据这些总结出来的行为、兴趣爱好和产品口碑现状制定有针对性的营销方案和营销战略。

三、大数据支撑医疗行业收益管理
大数据时代的来临，为企业收益管理工作的开展提供了更加广阔的空间。需求预测、细分市场和敏感度分析对数据需求量很大，而传统的数据分析大多是采集的是企业自身的历史数据来进行预测和分析，容易忽视整个医疗行业信息数据，因此难免使预测结果存在偏差。

四、大数据创新医疗行业需求开发
在微博、微信、论坛、评论版等平台随处可见网友使用某款产品优点点评、缺点的吐槽、功能需求点评、质量好坏与否点评、外形美观度点评、款式样式点评等信息，这些都构成了产品需求大数据。作为医疗行业企业，如果能对网上医疗行业的评论数据进行收集，建立网评大数据库，然后再利用分词、聚类、情感分析了解消费者的消费行为、价值趣向、评论中体现的新消费需求和企业产品质量问题，以此来改进和创新产品，制订合理的价格及提高服务质量，从中获取更大的收益。

『叁』 大数据医疗具体是指什么

医疗大数据是个很宽泛的概念，他有很多详细的分类，包括：电子病历数据，这是患者就医过程中所产生的数据，包括患者基本信息、疾病主诉、检验数据、影像数据、诊断数据、治疗数据等，这类数据一般产生及存储在医疗机构的电子病历中，这也是医疗数据最主要的产生地。电子化的医疗病历方便了病历的存储和传输，但是并未达到进行数据分析的要求。大约80%的医疗数据是自由文本构成的非结构化数据，其中不仅包括大段的文字描述，也包括包含非统一文字的表格字段。通过医学自然语言理解技术，将非结构化医疗数据转化为适合计算机分析的结构化形式是医疗大数据分析的基础。电子病历中所采集的数据是数据量最多、最有价值的医疗数据。通过和临床信息系统的整合，内容涵盖了医院内的方方面面的临床数据集。在电子病历的互通互联上，出于各自的利益性（限制病人转诊），各大电子病历企业也不愿意使数据互通互联。根据美国政府相关报告显示，其电子病历共享比例也仅为30%左右。
检验数据
医院检验机构产生了大量患者的诊断、检测数据，也有大量存在的第三方医学检验中心也在产生数据。检验数据是医疗临床子系统中的一个细分小类，但是可以通过检验数据直接患者的疾病发展和变化。目前临床检验设备得到迅速发展，通过LIS 系统对检验数据进行收集，可以对疾病的早发现早诊断和正确诊断做出贡献。
影像数据
随着数据库技术和计算机通讯技术的发展，数字化影像传输和电子胶片应运而生。医疗影像数据是通过影像成像设备和影像信息化系统产生的，医院影像科和第三方独立影像中心存储了大量的数字化影像数据。医学影像大数据，是由DR、CT、MR 等医学影像设备产生所产生并存储在PACS 系统内的大规模、高增速、多结构、高价值和真实准确的影像数据集合。与检验信息系统（LIS）大数据和电子病历（EMR）等同属于医疗大数据的核心范畴。医学影像数据量非常庞大，影像数据增速快，标准化程度高。影像数据和临床其他数据比较起来，它的标准化、格式化、统一性是最好的，价值开发也最早。
费用数据
医院门诊费用、住院费用、单病种费用、医保费用、检查和化验收入、卫生材料收入、诊疗费用、管理费用率、资产负债率等和经济相关的数据。除了医疗服务的收入费用之外，还包含医院所提供医疗服务的成本数据，包含药品、器械、卫生人员工资等成本数据。在DRGs 按疾病诊断相关组付费模式中，需要详细的成本数据核算。通过大样本量的测算，建立病种标准成本，加强病种成本核算和精细化成本管理。
基因测序数据
基因检测技术通过基因组信息以及相关数据系统，预测罹患多种疾病的可能性。基因测序会产大量的个人遗传基因数据，一次全面的基因测序，产生的个人数据则达到300GB。一家基因测序企业每月产生的数据量可以达到数百TB 甚至1PB。
智能穿戴数据
各种智能可穿戴设备的出现，使得血压、心率、体重、体脂、血糖、心电图等健康体征数据的监测都变成可能，患者的单一体征健康数据以及运动数据快速上传到云端，而且数据的采集频率和分析速度大大提升。除了生命体征之外，还有其他智能设备收集的健康行为数据，比如每天的卡路里摄入量、喝水量、步行数、运动时间、睡眠时间等等。智能穿戴设备虽然在这两年遇冷，用户很难形成粘性，但是并不意味着智能穿戴设备所产生的数据没有意义。提供健康数据和服务，可能是智能穿戴厂商未来的转型之路。健康大数据的收集必须依靠硬件载体，智能穿戴设备还将会遇到自己的第二春。
体检数据
体检数据是体检机构所产生的健康人群的身高、体重、检验和影像等数据。这部分数据来自医院或者第三体检机构，大部分是健康人群的体征数据。随着亚健康人群、慢病患者的增加，越来越多的体检者除了想从体检报告中了解自己的健康状况，还想从体检结果中获得精准的健康风险评估，以及如何进行健康、慢病管理。
移动问诊数据
通过移动设备端或者PC 端连接到互联网医疗机构，产生的轻问诊数据和行为数据。曾经通过互联网问诊企业春雨医生的数据，分析各地医生互联网问诊的活跃度、细分疾病种的问诊行为。通过这些数据的分析，对行业发展、互联网问诊企业的决策有非常重要的帮助。

『肆』 医药行业和医药大数据的关系

目前市场上每个行业对于大数据的应用正在逐渐成熟，大数据五个特点：大量、高速、多样、低价值密度/真实性。各行各业每天都会产生大量的数据，医药行业也是如此，每天产生大量的医药数据，从药物临床前到上市后的医药数据是非常庞大的，对于这些大量的数据获取、储存、管理、分析就会创造有价值的数据。

医药行业和医药大数据的关系

在大数据没有成熟之前，每个药企在推出一款新药之前，都会查阅大量的资料和大量的候选药物折磨，在大量的资料中查询想要了解的数据，非常耗时，耗力，而且对于研发一款新药，耗时长，数据资料多，风险大，回报不及时，相对于这些数据库现在正好能解决这些问题。

国外的比较巨头医药大数据做的时间比国内的长，使用人数多，但是对于国内的医药市场多以仿制药为主稍微优点不适，所以对于国内医药市场还是国内医药数据库比较主流，造就成了现在国内医药大数据百家争鸣的场面

"药融云"对于药物的立项、研发都是有着非常大的帮助。在立项阶段所需的参比制剂说明书，竞品对比，注册审评、市场数据、研发阶段、临床数据、专利数据等也是比较齐全的。对于药物的研发靶点数据、原研品数据，研发数据，药物毒理数据，临床数据都是齐全的，而且检索快，数据多，准确度高。

现在国内医药行业大数据能有效的帮助药企减少研发成本，提高效率，现在是大数据时代，数据就是价值，医药行业大数据的数据更为广阔，医药行业也是朝阳行业能带给人们无限惊喜。

『伍』 ims药品数据来源是哪里

IQVIA（原IMS）药品数手圆据来源在下文加粗文字中会提到。

看见许多网友还在问有关于IMS药品数据库的问题，殊不知IMS Health 已经不存在了，问IMS药品数据来源也没什么意义！ 给大家普及一下知识点，IMS药品数据库也就是指艾美什(IMS Health)健康，于2016年与Quintiles(昆泰)合并为QuintilesIMS，在2017年改名为IQVIA（艾昆纬）。

接下来我们谈谈IQVIA（原IMS）药品数据库，

大家或许不了解这个数据库怎么样？ 今天笔者就IQVIA（原IMS）药品数据库的产品构成、数据源、数据检索结果、增值服务、社会评价等多个层面进行多维度分析帮助大家对其有一个新的认识。

为了方便大家更直观地了解IQVIA（原IMS）药品数据库，笔者引入一个目前国内客户覆盖最广的药品数据库（药融云医药数据库）作为对比。

1.产品构成

IQVIA（原IMS）药品数据库：由商务咨询、药物研究于开发、综合服务三大版块构成。

药融云医药数据库（pharnexcloud）：药物研发、上市药品、药品销售、市场信息、一致性评价、原料药、医疗器械、生产检验、合理用药、医药文献等10个版块构成。

2.数据源

两者在数据源收集上都涉及数千个数据来源，包含不限于（①医药情报：实验室研究、内部会议、专业报道、专利、商标、技术实施文件、学术会议、技术报告、科技期刊、文献等。②医药数据库：异构资源、基于云计算、云存储的医药大数据处理等。③医药数据：全球各国或地区、资讯、企业公告报道、医疗会议、新闻资讯、投资者压降，公司年度报告、医疗卫生、药企、医学杂志、其它资源等。）

3.数据展示结果

我们将IQVIA数据库在国内最拿得出手的数据(中国医院药品统计报告CHPA )与pharnexcloud 的(全国医院销售数据)一个直观的对比

IQVIA数据库(中国医院药品统计报告) ，基于9454家医院总体(≥100张床位)进行样本设计，样本覆盖255个城市。样本医院只有1000家左右，能推算的总量约8000家。

IQVIA数据库全球医药交易信息由80000多条；

pharnexcloud数据库(全国医院销售数据)，本数据库是基于10000家医院（二级及以上医院）进行样本设计，覆盖全国24个省及所有重点城市地区并分层抽样2200多家，通过专业的计算模型分层放大，样本医院能推算9000多家。这是国内外其它数据库无法比拟的覆盖规模。

pharnexcloud数据库全球医药交易信息19,653（笔者权限不够，只能查到2021年至今的数据），由此可以推算pharnexcloud在全球医药交易信息数据也是高于IQVIA数据库的。

pharnexcloud：①专人对接需求，一对一指导，专业团队解决行业数据问题。②沙龙、巡讲、峰会、项目交易、需求对接等活动支持，VIP加入他们药融圈生态链（目前国内做得非常棒的医药人脉圈）。

pharnexcloud：目前是国内医药企业选择最多的医药数据库，因其产品功能的全面和数据全面而一跃成为现在春芦市场最火热的医药数据库，其中药物研发版块和药品销售数据版块为业内顶尖。

笔者说再多都没用，最主要还扒薯带是自身带着对医药数据库的需求点，亲身试用对比其数据，才能验证数据来源的可靠性。

『陆』 医药大数据对于医药行业的作用是什么

现在是大数据时代，我们每天都在产生海量的数据，利用好这些数据，不但能够为人们的工作生活带来便利，而且能促进生产环节更加高效地配置资源，提高效率，促进产业升级，医药行业也在大数据时代脱颖而出，在生物医药领域，大数据更是人类挑战疾病的重要武器。

在大数据技术尚未成熟之前，药物研发与试药环节是一项复杂且庞大的工程，耗时长、回报慢、风险大。可以说，任何一个制药公司在向市场推广药物产品之前，都要经过几千甚至上万次的实验和大量候选药物的折磨。

由于药物研发是化学、生物、药理、临床等十几个学科知识的综合运用，平均每个药物背后的研发数据资料多达数千甚至数万页。如何在海量信息中快速高效地搜寻整理，在重重迷雾里找到真正的价值所在，是每家创新药企和相关机构的切实需求。

而通过大数据技术，各药企/研发单位得以提高自己掌握市场信息的速度和完整性，辅助项目的立项过程，加快药物研发的进度……在有限的时间内，研发更多对人类更有意义的药品/治疗方式。大数据让药物的筛选过程变得更为简单、快捷，也更为安全，是一种高效又经济的药物分析技术手段。

同时，在集采常态化、新药审评审批加快、医保谈判降价的大趋势下，市场为真正具有临床应用价值的药品腾出了空间，全球科学家都在不断努力提高新药研发成功率。如何博采众长，研发出满足临床需求、所需投入尽可能少、市场效益更好、成功率更高的药品？

药渡数据库

在功能上：注册时光轴，检索功能丰富，支持订阅审评，研发数据多维度关联。

在开放程度：封闭式。

总体来说药渡医药数据针对的是创新药的研发，打造的是研发型数据库，目前没有中标数据，市场数据等。

问题还是比较宽泛，主要能解决的有了解市场数据、了解研发数据、销售数据等等。

『柒』 药融云医药大数据怎么样

大数据发展至今，各行各业都进入了大数据时代医药行业也是如此，无论是药物的立项还是研发还是医药投资都是离不开医药大数据的，在医药大数据没有成熟之前，从立项调研到药物研发都会花费大量的时间去翻阅大量的文献和参考数据，现在医药大数据相对成熟对于药物的立项和研发有了极大的改变，能缩短药品上市时间、节约产品开发成本、提高企业工作效率，目前是医药大数据中比较好的医药大数据之一。

现在医药大数据相对成熟，对于立项调研，还有药物研发都能查询到想要的资料，能有效地节约查询资料时间，提高效率。

比如查询“罗沙司他”，可以查询药物的研发数据，药品审评数据、全球临床试验数据、药物报告数据、专利数据、药物合成路线、上市数据、医院和药店销售数据、市场数据、一致性评价数据、原料药数据、合理用药数据等,详细的药品数据能有效的帮助药物的立项和研发，节约翻阅数据时间，还有可以分析药品审评，了解过审难度，销售数据可以制定销售策略，布局市场等。

数据智能化关联

总体来说数据库能有效提升药品立项、研发、上市的时间效率，帮助企业在研发立项时提供决策依据。

『捌』 医药数据库在药物研发中的作用

数据库和医药行业是一个密不可分的话题，很多药企可以通过数据数据库，分析市场药品需求，确定药物研发方向，在开发过程中可以准确地查询筛选靶点物质，还能查询药物毒理数据，也解决了以前临床样本小，采样分布有限的问题，有效地提升了药物研发的效率。

医药大数据对于药物研发的作用

在大数据未成熟之前，药企在研发新药时，最多的就是资料的查询如：靶点的查询，文献的查询，临床数据的查询，除了查询这些数据，还要忍受大量的候选药物的折磨，而且对于市场的回报有着不确切性，风险很大，研发时间也要长达十几二十年，对比现在医药大数据对于药物研发提高了时间效率，还能预测回报，规避风险。

临床研究数据

做药物研发之前还会通过大数据技术对于市场做分析，对于公共疾病和药品的需求为药物研发合理安排时间，在我们企业首先会看市场，看市场的需求，受众是否广泛，这些都离不开医药大数据的，还有在医药副作用研究方面可以通过药物毒理了解药物副作用情况，医药大数据不仅对于药物研发有很大的帮助，还对于预测市场，药品销售、产品定位都有非常大的帮助。