制药企业大数据

① 医疗健康领域的大数据来源有哪些

医疗健康领来域的大数据主源要有四个来源：1、制药企业/生命科学
2、临床决策支持及其他临床应用（包括诊断相关影像信息）
3、费用报销、利用率和欺诈监管
4、患者行为/社交网络
也就是说，不管是来自制药企业的数据，还是来着临床、社保或是患者的数据都可被当作医疗健康大数据的来源。

② 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。

③ 大数据挖掘在虚拟医药科研方面的思考

大数据挖掘在虚拟医药科研方面的思考
1.基于大数据挖掘的虚拟医药科研案例
数据挖掘发展到今天，按照时下的概念应该到了“大”数据挖掘的时代了。我们还是先从几个相关案例开始吧。
1.1 虚拟临床试验-大数据采集
我们首先来看这样一个案例。2011年06月，辉瑞制药有限公司宣布开展一项“虚拟”临床研究，该项研究是一个得到美国食品和药物管理局批准的试点项目，首字母缩写为“REMOTE”。“REMOTE”项目是在美国开展的第一项病人只需使用手机和互联网、而不用重复跑医院的临床研究，该项目的目标是要确定此类“虚拟”临床研究能否产生和传统临床研究一样的结果。而传统的临床研究要求病人住在医院附近，并且定期前往医院或诊所进行初次检查和多次后续检查。如果这一项目有效，那它可能意味着全美国的病人都能参加今后的许多医学研究。这样一来，原先的科研项目中未得到充分代表的群体将得以参加，数据收集速度将大大加快，而且成本也很可能会大幅下降，参与者退出的几率也很可能会降低不少。
从上例中，我们可以看到，利用互联网可以收集远远大于传统临床科研样本数目的超大量病人的临床数据，而且其中有些临床数据可能来自于更加便捷的可穿戴健康监测设备。如果这样的研究，在科研设计严谨、质量标准得到有效执行、各种误差得到有效控制的情况下，科研的效率和成果的可信度可以显著提高。正如辉瑞公司首席医疗官弗蕾达?刘易斯-霍尔所说的：“让更多样化的人群得以参与研究有可能会推动医学进步，并为更多的病人带来更好的疗效。”
1.2 虚拟药物临床试验-大数据挖掘
我们再来看另外一个案例。1992年，抗抑郁药物帕罗西汀（Paxil）获准上市；1996年，降胆固醇药物普拉固（Pravachol）正式开售。两种药品生产企业的研究证明：每种药物在单独服用时是有效且安全的。可是，患者要是同时服用两种药是否安全，没有人知道，甚至很少有人想过。美国斯坦福大学的研究人员应用数据挖掘技术分析了数万例患者的电子病历后，很快发现了一个出人意料的答案：同时服用两种药物的患者血糖含量较高。这对于糖尿病患者来说影响很大，过多的血糖对他们来说是一种严重的健康威胁！科学家还通过分析血糖检测结果和药物处方，来寻找隐藏的规律。
对于单个医生来说，他所经历的同时服用这两种药物的病人是很有限的，虽然其中可能有少数的糖尿病患者莫名其妙地血糖升高了，但医生很难意识到这是由于病人同时服用了Paxil和Pravachol造成的。因为这是一种掩藏在大数据中的隐含规律，如果不是有人有目的地专门研究Paxil和Pravachol联合用药的安全性的话，个体医生是很难揭示这个规律的。但是，临床药品成千上万，我们怎么可能对任意组合的两、三种药联合应用的安全性和有效性进行逐一研究呢？数据挖掘很可能是一种有效的、快速的、主动式的探索多种药联合应用问题的方法！
研究者不必再召集患者去做临床试验，那样做的话花费太大了。电子病历及其计算机应用的普及为医疗数据挖掘提供了新的机遇。科学家不再局限于通过召集志愿者来开展传统的课题研究，而是更多地从现实生活中的实验中，如日常的大量的临床案例中筛选数据并开展虚拟科研，这些并非来自计划的课题立项的实验数据保存在许多医院的医疗记录中。
类似本案例，应用数据技术使得研究人员可以找出在药物批准上市时无法预见的问题，例如一种药物可能对特定人群产生怎样的影响。另外，对医疗记录的数据挖掘不仅将为研究带来好处，还会提高医疗服务系统的效率。
1.3 虚拟药物靶标发现-知识发现
我们再看看这样的一类研究。通常新药研发的过程都比较漫长,投入巨大，风险也很高。有数据表明，新药研发的平均时间长达15年,平均耗费超过8亿美元。但是,由于药物疗效的不佳和毒副作用太高，使得许多药物的研发经常在临床阶段就失败了，造成了巨大的经济损失。作为药物研发的源头,药物靶标的发现和识别对药物的研发成功率具有举足轻重性的作用。随着生物信息技术的不断发展,以及蛋白质组学数据、化学基因组学数据的日益增长,应用数据挖掘技术结合传统生物实验技术,可为药物新靶标的发现提供新的技术手段,为靶标识别预测提供新的方法。构建药物靶标数据库，利用智能计算技术和数据挖掘技术对现有的药物靶标数据开展深入探索，以期发现新的药物靶标正是这样一类研究，我们也称之为药物靶标的知识发现。
传统的药物靶标的发现，通常大都是通过大量的、反复的生物化学实验来实现的，不仅成本高、效率低，成功率也很低，犹如瞎子摸象一样，不好掌握方向。而应用数据挖掘这一自动的、主动的、高效的探索技术，可以开展虚拟药物靶标发现，不仅大大加快了药物靶标发现的进程，而且大幅减少了生物化学实验的次数和成本，同时也提高了传统生化实验的成功率。
2. 数据挖掘在虚拟医药科研上的应用
大数据时代，医药研发面临更多的挑战和机遇，为了更好的节约研发成本，提高新药研发成功率，研发出更有竞争力的新药，可以应用数据挖掘技术开展虚拟医学科研和药物研究。数据挖掘在虚拟医药科研上的应用，可以总结为如下几个方面。
2.1 通过预测建模帮助制药公司降低研发成本提高研发效率。模型基于药物临床试验阶段之前的数据集及早期临床阶段的数据集，尽可能及时地预测临床结果。评价因素包括产品的安全性、有效性、潜在的副作用和整体的试验结果。通过预测建模可以降低医药产品公司的研发成本，在通过数据建模和分析预测药物临床结果后，可以暂缓研究次优的药物，或者停止在次优药物上的昂贵的临床试验。
2.2 通过挖掘病人数据，评估招募患者是否符合试验条件，从而加快临床试验进程，提出更有效的临床试验设计建议。例如: 通过聚类方法对患者群体进行聚类，寻找年龄、性别、病情、化验指标等方面的特征，判定是否满足试验条件，也可以根据这些特征更好的设立对照组。
2.3 分析临床试验数据和病人记录可以确定药品更多的适应症和发现副作用。在对临床试验数据和病人记录进行分析后，可以对药物进行重新定位，或者实现针对其他适应症的营销。通过关联分析等方法对试验数据进行挖掘可能会发现事先想不到一些成果，大大提高数据的利用程度。
2.4 实时或者近乎实时地收集不良反应报告可以促进药物警戒。药物警戒是上市药品的安全保障体系，对药物不良反应进行监测、评价和预防。通过聚类、关联等大数据挖掘手段分析药品不良反应的情况，用药、疾病、不良反应的表现，是否跟某种化学成分有关等。例如不良反应症状的聚类分析，化学成分与不良反应症状的关联分析等。另外在一些情况下，临床实验暗示出了一些情况但没有足够的统计数据去证明，现在基于临床试验大数据的分析可以给出证据。
2.5 针对性药物研发：通过对大型数据集(例如基因组数据)的分析发展个性化药物。这一应用考察遗传变异、对特定疾病的易感性和对特殊药物的反应的关系，然后在药物研发和用药过程中考虑个人的遗传变异因素。很多情况下，病人用同样的用药方案但是疗效却不一样，部分原因是遗传变异。针对同病种的不同的患者研发不同的用药，或者给出不同的用法。
2.6 对药物化学成分的组合和药理进行挖掘，激发研发人员的灵感。例如针对于中医药物研发，用数据挖掘手段对于中药方剂和症候进行分析研究，探讨方剂和针对症状之间的联系，从功效、归经、药性和药味等方面进行分类特征分析。
3. 虚拟药物临床试验分析系统
现在越来越多的临床科研和药物临床试验都是从日常的临床工作中生成的大数据中经过严格的条件筛选来提取数据的。正如我们在本文1.1和1.2中提到的案例一样，所谓虚拟药物临床试验，是以更广泛的临床数据采集，和从海量的医院电子化的病历中按照事先的设计需求经过严格的条件筛选来开展的，虽然是虚拟的方法而不是传统的方法，这种药物临床试验研究有样本代表更广泛、成本低、效率高、研究成果更丰富等优点。采用虚拟研究的方法可以完全替代某些传统的药物临床研究，也可以作为某些传统的药物临床研究的预试验或探索性研究，以使真正的药物临床研究工作多、快、好、省。我们现在来看一下虚拟药物临床试验分析系统是如何工作的。
3.1 虚拟药物研究的基本思路
1、建设药物临床试验数据仓库，充分整合和积累的临床数据和药物应用数据。 2、设计、选取药物临床试验的观察组样本与对照组样本。 3、应用数据挖掘技术探索药物对于疾病治疗的效果和产生的副作用。 4、应用统计学技术进行药物临床试验效果的推断和评价。
3.2 建立药物临床数据仓库
建设药物临床试验数据仓库有两种途径，一种是通过经典的药物临床试验设计来定制化和采集相关数据，传统的方法主要记录在纸质文档上，也有专门数据录入软件，这种方法采集的数据是按照预先设计进行的，直接形成药物临床试验的专用数据，但通常样本数据量不会太大；另外一种是将医院大量的、历史的临床用药数据进行抽取、变换、装载，然后充分整合积累的其他临床数据和药物应用数据，形成药物临床试验数据源，为生成药物临床试验数据提供支撑，这样的样本数据量可能很大，我们后面演示的方法就是采用种数据进行“虚拟”样本筛选和分析的。
3.3 药物临床试验样本设计
药物临床试验样本根据药物研究的需要可以有很多设计，例如单因素单水平设计，单因素两水平设计，单因素多水平设计，配对设计设计，区组设计设计，重复测量设计等。我们这里以两因素区组设计为例来介绍一下样本筛选。本例仅以方法演示为目的，不考虑严格的医学专业意义。
本研究的疾病为动脉硬化心脏病，处理因素为药物应用，共有三种药物，分别为倍他乐克、诺和灵、硝酸异山梨脂。区组因素为年龄，分了三个年龄段。观察指标为血钠。我们科研设计按照“三要素、四原则”进行数据筛选。所谓“三要素”是研究人群，处理因素和观察对象。所谓四原则是指随机、对照、重复、均衡等原则。按照如下图一的输入条件，可以将数据集筛选出来，然后再用统计分析工具进行统计分析。

3.4 药物临床数据挖掘
应用数据挖掘技术不仅可以提高药物临床数据的利用程度，而且可以探索和发现药物临床应用中的新的积极作用和新的消极作用。利用多种数据挖掘方法分析临床试验数据和病人的电子化数据，可以确定药物更多的适应症和发现未知的副作用。在对临床试验数据和病人记录进行挖掘分析后，可以对药物进行重新定位，或者实现针对其他适应症的推广应用。通过对药物试验数据进行挖掘可能会发现意想不到一些成果，大大提高数据的应用效益。
如本例，我们使用数据挖掘的方法深入研究药物对于实验室指标的影响。探索和发现药物临床应用中的正负影响，可以通过观察病人用药前后的很多医学特征和生理指标来进行，而观察更加客观的各种实验室指标是很多药物研究的必备设计之一。下面是一个应用倍他乐克药物治疗冠心病的研究，我们应用了数据挖掘的有关技术分析了倍他乐克的血药浓度的变化对病人各个实验室指标的影响，如下图二，显示了部分实验室指标的影响结果。

以上结果需要与临床医务人员以及药物研究人员共同探讨。在刨去了各种人为因素以及业务系统客观影响因素之后，我们可以发现先前未知的倍他乐克对病人生理指标的影响，其中有些影响在医学上可能是积极的，而有些影响在医学上可能是反面的。
3.5 统计分析设计
虚拟药物临床试验分析系统的统计分析模块，包含了药物研发中常用的统计分析方法，如T检验、方差分析、相关分析、回归分析、非参数检验等，设计思路按照统计学思维，首先对数据进行验证，根据验证结果选择统计分析方法。下面我们以重复测量设计为例进行说明。
本研究的疾病为动脉硬化心脏病，处理因素为药物应用倍他乐克，观察指标为我们从数据挖掘中发现有影响的血钾指标。我们可以使用3.3提供的模块对筛选的样本进行提取和分析，也可以从本模块直接选取所需的数据并分析。重复测量分析有两种方法，一个是Hotelling T2检验，另一个是方差分析，本系统提供了这两种统计检验方法。
部分样本数据如下图三所示：

这里，我们仅观察一下方差分析方法的结果输出，如下图四所示。

从图中我们可以看到，根据P值得到：处理因素“倍他乐克”药物对血钾起作用，测量时间对血钾有影响，处理因素和测量时间有交互影响。从而验证了我们应用数据挖掘得到的结果。
4. 数据挖掘在中药研发上的应用
以上内容，我们重点是以西药的研究应用为例来说明以数据挖掘为特色的虚拟医药研究的方法。其实，数据挖掘和虚拟药物研究还非常适合于中医中药的研究工作，因为中医学本身是一个经过几千年不断摸索、积累和验证的、知识体系庞大的、具有完整理论体系的医学科学，但我们还需要应用现代知识不断地深入理解、挖掘、提高和应用，以便与现代科学能更好地融合。而数据挖掘正是探索和解释中医学奥秘的有力工具！
国内许多单位也开展一些中医中药数据挖掘的局部性的尝试。现在，我们就将这些数据挖掘在中医中药研究中的尝试加以汇总，分列如下： 1、中药配方中的文本数据挖掘； 2、对“药理”起关键作用的“有效成分”——单体或化学成分的挖掘； 3、中药方剂配伍规律的数据挖掘与研究； 4、方剂配伍物质基础与药效如(证侯、症状)关系的数据挖掘； 5、方剂配伍的用量与方剂效用级别间的关系(量效关系及模型) 挖掘； 6、中药药性理论与中药有效成份的关系挖掘； 7、方剂中各药味间的相关性挖掘； 8、相似病症的隐含相似关系挖掘； 9、同种疾病不同药方的相似性和差异性的挖掘和研究。 10、数据挖掘用于不确切病症的分类和研究。

④ 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。

⑤ 方盛制药大数据被主力控盘了没有

没有。湖南带燃则方盛制药股份有限公司成立于1997年10月13日，该公司的大数据股票大段樱多蠢棚数仍在散户手中，所以是没有被主力控盘的，湖南方盛制药股份有限公司于2007年正式在广州深圳上市。

⑥ 计算机在医药行业中的应用有哪些

1、分析海量文献信息加快药物研发。

2、从事医疗或辅助医疗的智能医用机器人。

3、基于语音识别技术的人工智能虚拟助理。

4、基于计算机视觉技术对医疗影像智能诊断。

5、基于数据处理和芯片技术的智能健康管理。

随着人工智能领域，语音交互、计算机视觉和认知计算等技术的逐渐成熟，人饥侍世工智能的应用场景越发丰富，人工智能技术也逐渐成为影响医疗行业发展，提升医疗服务水平的重要因素。其应用技术主要包括：语音录入病历、医疗影像辅助诊断、药物研发、医疗机器人、个人健康大数据的智能分析等。

多媒体技术可以集图形、图像、音频、视频、文字为一体，使信息处理的对象和内容更加谈弯接近真实世界。

(6)制药企业大数据扩展阅读

1、智能语音录入可以解放医生的双手，帮助医生通过语音输入完成查阅资料、文献精准推送等工作，并将医生口述的医嘱按照患者基本信息、检查史、病史、检查指标、检查结果等形式形成结构化的电子病历，大幅提升了医生的工作效率。

2、人工智能助力药物研发，可大大缩短药物研发时间、提高研发效率并控制研发成烂肢本。目前我国制药企业纷纷布局AI领域，主要应用在新药发现和临床试验阶段。

⑦ 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。

⑧ 制药企业生产线实现了数字化、智能化有哪些

后疫情时代中国制造在全球供应链愈发地重要，随着当前先进制药技术与数字化技术的深橡纤度融合，工厂生产过程连续实时产生海量数据。如何筛选、归类、判异及分析（开展数字化工作），充分挖掘、发挥数据的价值，从而提升生产效率、保障产品质量、智能制造升级，成为药品制造工厂要面对、要思考的问题。

本课程对中药生产由信息化基础向数字化转型并向智能化迈进的相关工作研究、实践进行介绍，探讨中药车间数字化智能化技术方案。

课程摘要

1、中药制剂工厂信息化现状：介绍生产过程源数据（质量属性数据、生产属性数据、工艺属性数据、性能属性数据等），以及上述生产大数据的获取路径、筛选依据、清洗原则。

2、中药制剂工厂数字化探索：介绍让如闷通过数据采坦弯集与监控系统获取的优质大数据如何开展生产数字化管理（在线监控、多指标分析、客观评价、工艺理解），以及如何建立产品数字化模型+评价体系。

3、中药制剂工厂智能化蓝图：介绍工厂智能化摸索路径，运用数字化工作成果，在工艺机理解析的基础上

⑨ 恒瑞医药大数据分析股票

疫情的来临让医药行业成为了市场的重点，20年以来医药一直就是爆发式的上涨走势。目前疫情的反复再次使得医药行业继续成为市场热点，接下来就来聊一聊医药行业的创新药械龙头--恒瑞医药。

在全面剖析恒瑞医药前，推荐给大家我整理好的医药行业龙头股名单，点击直接领取：宝藏资料：医药行业龙头股名单

一、从公司角度来看

公司介绍：恒瑞医药主营的范围是药品研发、生产和销售。国内最大的抗肿瘤药、手术用药和造影剂研究和生产基地就包括有这家公司。公司产品涵盖了抗肿瘤药、手术麻醉类用药、特色输液、造影剂、心血管药等众多领域，产品方面的布局已经算是基本达到了完善，其中抗肿瘤、手术麻醉、造影剂等领域市场份额在行业内名列前茅。

下面来说下这个公司的优势之处~

优势一：产品结构优化，推动业绩增长

公司收入结构比以前完善，创新药业绩的增长某种程度上弥补了仿制药收入的下跌。创新药业务方面，创新药销售收入稳步增加，对公司的业绩增长有正面的影响，深层次的改善了公司的收入结构。公司在研发和海外研发布局这两个方面也进一步加大了投入。

优势二：研发力度加大，巩固公司龙头地位

公司用于研发的费用越来越多，公司报告期内研发费用258,050.83万元，较去年同期增长38.48%，占公司销售收入比重 19.41%。公司目前 16 个重要产品研究进展中，已有 8 个项目进行临床Ⅲ期试验。报告期内，公司获得产品注册批件 14个，包括 5 个创新药批件及 9 个仿制药批件；获得临床批件 41 个；获得一致性评价批件 10 个。公司未来创新产品管线将会更加多元化，稳定住自身创新龙头地位，自身市场竞争力提高起来。

优势三：国际化布局持续推进

公司首个国际多中心Ⅲ期临床研究--卡瑞利珠单抗联合阿帕替尼治疗晚期肝癌国际多中心Ⅲ期研究已完成海外入组，并启动了美国 FDA BLA/NDA 递交前的准备工作。随着公司国际化战略不断推进，公司研发团队与国内团队沟通合作逐步加深，公司海外业务持续性发展，同时有望进一步扩大自身研发优势，丰富自身创新产品，提升公司业绩，未来公司将逐渐从"中国新"迈向"全球新"，成为具备国际竞争力的跨国制药大平台完全有可能成为现实。

篇幅受到限制，更多关于恒瑞医药的详情，都已经这篇研报里准备好了，千万不要错过：【深度研报】恒瑞医药点评，建议收藏！

二、从行业角度来看

行业基本面比较不错，人口老龄化及消费升级带来刚性需求，长期来看的话真的很好：

（1）政策方面：政策密集出台，带量采购常态化不断地加速行业分化，逆向促使企业向创新转型；医保目录已建立动态调整，政策大力推动创新研发，创新药在我国已经进入黄金发展时期，正在迈向国际化的道路；

（2）消费升级：随着国内经济水平的不断提高，医药产业迎来消费升级需求，具有自我消费属性且规避医保控费政策的疫苗等药品细分领域景气度持续。

三、总结

总的来说，我认为恒瑞医药公司作为医药行业中的创新药的龙头企业，此次行业变革将是发展水平快速提升的机遇。但是，文章有一定时效性，如果想更准确地知道恒瑞医药未来行情，那么可以点击链接，会有专业人士为你来看看恒瑞医药目前的行情是否可以买入或是卖出了：【免费】测一测恒瑞医药还有机会吗？

应答时间：2021-09-07，最新业务变化以文中链接内展示的数据为准，请点击查看

⑩ 医疗健康领域的大数据有哪些来源

医疗健康领域的大数据主要有四个来源：1、制药企业/生命科学 2、临床决策支持及其他临床应用（包括诊断相关影像信息） 3、费用报销、利用率和欺诈监管 4、患者行为/社交网络
也就是说，不管是来自制药企业的数据，还是来着临床、社保或是患者的数据都可被当作医疗健康大数据的来源。