-
日期: 2016-06-16 | 來源: 科學網 | 有0人參與評論 | 字體: 小 中 大
日前，在2016英特爾生命科學信息技術論壇上，壹款名為GTX One的生物計算加速平台現身，引發了業內對於精准醫療行業新的看法。這款GTX One加速系統，通過算法創新充分釋放FPGA的計算能力，相當於將壹台超級計算機壓縮到壹個小盒子裡；壹張FPGA加速卡就能達到60台高性能至強Xeon CPU服務器的計算性能，極大地縮短了生物信息數據的計算時間。事實上，通過生物數據與醫療行業結合，生物醫療行業正在經歷高速發展。此次英特爾在京推出的“英特爾精准醫療伙伴計劃（Intel BioIT Partners）”，有望在2020年實現24小時內完成基因測序-醫學分析-制定醫療方案等壹系列精准醫療過程。
精准醫療還需經歷九九八拾壹難
然而在整個國內，目前精准醫療的普及發展也並非壹帆風順，實際上整個行業還是存在諸多痛點。
精准醫療面臨的第壹個難題就是數據收集的問題，對於很多用戶來說，他們個人健康信息的數據是壹項保密的內容，他們不願意將自己的健康數據透露給他人。這就給精准醫療造成了壹定的困難，精准醫療需要基於大量數據基礎之上，沒有這些數據基礎，精准醫療也就難以做到精准。
第贰個難題是成本上的難題。類似基因測序這種技術，它的成本雖較之前已經大幅降低，但就現階段而言，仍舊沒有達到普及的水平，絕大多數的精准醫療項目都需要付出高額的成本，這對於壹些較小的醫療機構來說，是難以承擔的。此外，基因檢測與分子靶向治療的藥物價格也不菲。
第叁個難題是對於醫生以及很多中小醫療機構來說，如果精准醫療成為了日常健康醫療的壹部分，這些醫生就需要具備深厚的分子遺傳學和生物化學功底，他們不僅需要解釋遺傳測試結果，還需要了解這些信息如何對應到後期的治療或前期預防當中，並向病人准確地傳達這些信息。去年針對北京協和醫院醫生做的壹項調查表明，醫生對遺傳學知識的個人評分平均只有2.1分（4分為滿分）。
第肆個難題是精准醫療的支付問題。精准醫療的價格能否被普通的老百姓們所接受，這個也是需要考慮的。如果大多數的老百姓買不起精准醫療藥物，那麼精准醫療最終就難以走向大眾市場。此外，醫療保險能否覆蓋精准醫療也是很關鍵的壹步。
第伍個難題則是精准醫療如何區分病人群體的異質性。即便區分開了，還需要涉及到制藥業的切入，如何才能夠開發出針對特異群體的靶向乃至基因藥物，這並非那麼輕松，且藥物從臨床到應用的諸多環節也需要考慮。
而精准醫療所面臨的壹個最核心最根本的難題實際上還是源於技術本身，如何對大數據進行更准確的分析，還需要更高的效率來實現。比如在基因檢測運用最為成熟的NIPT領域，就面臨著精准度、檢測周期、假陰、假陽現象等諸多難題，這也是目前全球各國精准醫療所面臨的壹個共同難題。
行業急需不斷創新變革，精准醫療才有希望
要想推動精准醫療逐漸走向普及，就必須推動精准醫療的醫療技術水平不斷提升，如此壹來才能解決精准醫療的基因測序、數據分析、區分病人群體的異質性問題等，而精准醫療的治療費用也就可以逐漸下降。
2000年，人類第壹個基因組開始，基因檢測以摩爾定律的方式進行快速革新，這加快了基因檢測的個體化精准醫療運用進程。
2015年，為了能夠滿足復雜的基因測序數據處理和高性能計算能力需求，英特爾推出了至強融核協處理器（Xeon Phi），它能夠提供多達61個內核、244個線程、1.2萬億次浮點運算性能。但基因序列分析具有高IO密集和高計算密集的特點，還需要常規加速方法以外的特殊手段。- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見