制药业在数字化进程中起步较晚，正急于追赶

制药公司积累了海量数据。但对于大多数大型药企而言，负责这些数据存储的高管并未进入最高管理层。

在近30家市值超过100亿美元的制药和生物技术公司中，只有七家将首席数字官或首席信息官与科研负责人一同列入执行委员会。

然而，其中六位是在过去两年内被任命进入高层管理团队的——这一转变正值亚马逊和苹果等科技公司进一步涉足医疗领域之际。

行业观察人士表示，这样的职位安排为全公司范围的变革赋予了更大的影响力，也表明药企正认真对待数字技术改变其业务模式的潜力。在一些公司，这一职位此前仅存在于较低管理层级，或相关职责分散在各个业务部门中。

"无论是否合理，每家公司都在成为数据和技术公司，"礼来公司自2016年起担任首席信息官、自2017年起担任该公司执行委员会成员的Aarti Shah在接受采访时表示。

然而，尽管制药行业在生物医学创新方面成果斐然，药企在数字领域的声誉却不尽如人意。医疗行业甚至连电子病历记录等基本工具的采用都进展缓慢，而在影像等领域之外，人工智能等更先进技术的应用仍更多是噱头而非实质。

新任命的首席数字官将负责改变这种状况。Shah表示，作为CEO的直接下属，他们处于更有利的位置来推进项目并确保获得所需资源。

"制药行业在数字颠覆方面落后于其他行业，"瑞士制药公司诺华的首席数字官Bertrand Bodson表示。他于2017年年中从英国零售商Sainsbury's Argos加入诺华。

"但是，天哪，其影响可能比大多数行业都要大。"

CDO的晋升

虽然现在是数字时代，但这并不意味着每个董事会都有CDO。

根据一项调查结果，全球前2500家上市公司中约有五分之一设有这一高管职位， 该调查为普华永道2019年开展.

CDO在保险、银行、通信和零售等行业最为常见。普华永道发现，从整体来看，制药和医疗保健行业在CDO配置方面大致处于中等水平。

不过，直到最近，CDO还很少出现在制药公司的高管委员会中。这种情况正在改变，近期制药行业的一系列高管委员会任命已将CDO或同等职位的人安排到了业内六家最大公司的高层位置。

自2017年夏季以来，葛兰素史克、诺华、辉瑞和默沙东分别聘请了曾在沃尔玛和耐克等零售商任职的高管来负责其数字业务。与此同时，礼来和赛诺菲则从内部提拔，任命公司资深人士担任这些更受瞩目的职位。

对于这六家制药公司而言，这些任命是首席数字官或首席信息官首次进入公司执行委员会。百时美施贵宝自2016年起就有首席信息官进入其高级领导团队。

（新基在其网站上将其首席信息与数字官Aijaz Tobaccowalla列为高级领导团队成员，但在其最新的 委托书中并未将其列为执行官。他于2018年8月加入。）

瑞信分析师Vamil Divan在采访中表示：“他们为这些职位的人分配专门资源并不令人意外，他负责跟踪大型制药公司。”

“他们都在谈论大数据的重要性，而且在某种程度上，他们在药物研发和商业活动中对数据的使用都落后了。”

数据金矿

诺华估计，在过去二十年中，它收集了相当于200万患者年的临床试验数据。与此同时，其实验室中存放着150万种化合物。

制药行业的其他领域也面临着类似的情况：研究人员在实验室里辛苦工作，以解析分子的化学结构；临床研究每年追踪数万名患者的结果；销售团队与全球各地的医生会面并记录互动情况。

“我们坐拥数据金矿，”沙阿说道。他自1994年以统计学家身份加入礼来，一路晋升至今。

更好地利用这些数据已成为制药行业的重中之重，而研发生产率的下滑和临床试验成本的上升使这一问题更加紧迫。

“随着时间推移，试验变得越来越复杂，监管机构的要求也越来越复杂，而且由于科学本身变得更加复杂，我们实际上要测量的东西也更多了，”诺华首席执行官瓦斯·纳拉西姆汉今年早些时候在风险投资公司安德森·霍洛维茨录制的一档播客中解释道。

“我们行业真正不擅长的，是运用技术来提高效率，”他说，并指出有估算表明，更好地利用数据可以为一项研究节省高达20%的成本。

这些开支中有相当一部分源于运营问题：招募患者参与研究、确保方案得到遵守以及数据得到妥善收集。

在纳拉西姆汉的领导下，这家制药公司在其业务中启动了12个数字项目，其中包括一个旨在利用机器学习来预测公司正在进行的大约500项试验表现的项目。（广义上讲，机器学习是一种AI技术，计算机模型在其中逐步从经验中学习。）

为了获取灵感，诺华派员工去观察电力供应商Swissgrid以及飞机控制塔，学习如何更好地实时管理临床试验运营。

在我们新的“控制塔”幕后，追踪、分析并预测所有临床研究的状态。500多项正在进行的试验，覆盖70多个国家，8万多名患者——这对我们开发药物的方式具有变革意义。 pic.twitter.com/8lP0zZpQAl

— Vas Narasimhan (@VasNarasimhan) 2018年12月11日

与此同时，礼来公司的Shah指出，这家印第安纳波利斯公司声称近年来已将其候选药物从首次人体给药到商业上市的平均时间缩短了两年。

不过，与医疗保健其他领域的情况一样，制药商在将所生成的所有信息转化为可用的东西方面面临巨大挑战。

“对于每个疾病领域，各个部门都以自己的方式开展自己的试验，”诺华的Bodson在接受采访时说。“我们花了大量精力来统一所有这些数据集。”

这个问题也削弱了人工智能在药物发现领域的即时前景。虽然更好的数据管理和预测工具目前正在帮助制药商提高运营效率，但真正的考验在于企业能否在发现和创造新药的方式上取得进展。

从概念上讲，基于人工智能的方法（如机器学习）可以帮助梳理基因组数据库以发现新的疾病靶点。或者，现在可用的更强大的计算机模型可以更好地将分子结构与其作为潜在药物的效力关联起来。

然而，实际上，制药公司掌握的数据杂乱无章，且因人类生物学而变得复杂——这一限制削弱了人们完全从流经制药实验室的信息中发掘新药的希望。

“将机器学习应用于生物制药领域的一大限制因素是缺乏真正符合用途的数据集，”数据发现初创公司Insitro的首席执行官、人工智能专家Daphne Koller表示。“你可以从中获取一些信息，但总是很费力，而且永远无法达到你所需要的程度。”

这并未阻止企业进行尝试。例如，Insitro刚刚 签署了一项合作协议 与吉利德合作，为肝病NASH构建疾病模型，旨在利用这些信息发现更好的药物靶点。阿斯利康与BenevolentAI也在开展类似合作，Celgene与Exscientia同样如此，仅举最近的两个合作案例。

然而，就像20世纪80年代和90年代计算机辅助药物设计的出现一样，进展可能比新闻稿目前所暗示的要慢。事实上，根据最近的一份 STAT报告，IBM正在停止销售其备受关注的AI驱动Watson软件用于药物发现用途。

“我预计这些好处，那些真正让人为之一振的好处，还需要一段时间才能实现，”药物发现研究员、行业博客In the Pipeline的作者Derek Lowe在接受采访时表示。

“但如果你等到人们开始取得那些成果时才回头整理你的数据，你可能会后悔。”

文化冲击

引领这些工作的将是首席数据官。但被赋权的领导并不总能带来改进，许多企业重组的记录可以证明这一点。

“如果你是一家大公司，变革很难，因为这是文化层面的问题，”Third Rock Ventures合伙人Alexis Borisy表示，他曾帮助创办Insitro、Celsius Therapeutics和Relay Therapeutics等生物技术公司。

“当高层有人说我们需要引入AI并重新构想我们所做的一切时，这很难，”他补充道。“事情不是那样一刀切的。”

科勒对此表示赞同，并指出，在为大型制药公司设计实验或决定研究方向时，数据科学家和机器学习研究人员并不总是参与其中。

值得注意的是，制药行业几位新任的首席数字官并非来自药物发现或临床科学背景，而是从消费品公司的职位转任而来。

“如果你将制药公司视为一个发现药物的组织，那么所需的人才特质与公司此前任命的那些首席数字官截然不同，”Insitro的科勒表示。

当然，拥有深厚人工智能背景的研发领导者并不容易找到——这一挑战同样延伸到了董事会之外。

“我们确实需要整整一代既能驾驭机器学习又能深耕生命科学的新人才，”博里西表示。