作为当代社会高发病率高死亡率的疾病之一，肿瘤一直是医学界最为复杂，也最依靠科研的一个领域。由于缺乏足够有效的数据收集和支持，与肿瘤相关的科研和临床实践面临各种挑战，我国离体系化、规范化的肿瘤预防和诊治还有相当一段距离。
如何通过运用高价值数据改进肿瘤治疗过程，让经过实践检验的治疗方案变为可参考的模板而不是仅存于经验范围，则是肿瘤大数据管理的核心命题。
一、肿瘤大数据优化诊疗、研发等环节，市场规模预计年达到2,亿元1.1我国癌症疾病负担沉重，预计肿瘤治疗市场规模年将达到14,亿元
中国是肿瘤发病率增长最快的国家之一，医疗保健支出中肿瘤增长率最高。肿瘤市场规模预计年将增长至14,亿元，年至年的复合年增长率为13.5%。
图1：年中国新发癌症人数位居世界第一
数据分析：沙利文、点石分析图2：中国肿瘤治疗市场规模
与发达地区相比，中国可用的肿瘤疗法仍存在巨大滞后。中国癌症患者的5年生存率，如肝癌、前列腺癌、睾丸癌、皮肤黑色素瘤、淋巴瘤、白血病等，均远低于美国。
同时，肿瘤患者急需全程管理。肿瘤全程管理旨在协调多种医疗资源，为特定的肿瘤患者提供高质量的医疗护理服务，减少其治疗的片段化和重复性，降低就医成本，提高诊疗质量，增强治疗信心，增加治疗的完整度，使患者治疗受益最大化。年美国ASCO（全美肿瘤学年会）报道显示：提供全病程管理服务，可以使晚期肿瘤患者治疗费用降低21.4%，死亡风险降低38%。而我国肿瘤患者全病程管理还仅处于探索阶段。
这些因素都意味着中国肿瘤市场的巨大潜力和增长空间。
1.2由于改善肿瘤治疗服务的紧迫性、加速研发的需求及利好政策的出台等，肿瘤大数据市场预计年达到2,亿元肿瘤治疗存在巨大的未满足需求，大数据可以提高研究、治疗、新药研发等环节的效率及质量。诊疗过程的痛点，如改善癌症治疗效果的紧迫性、加速研发的需求、医疗提供者的负担，提供了肿瘤大数据发展的主要动力。新药的一系列利好政策，缩短了创新药IND和NDA申请的审评审批时间，加速创新药商业化，催化了肿瘤大数据市场发展。
预计我国肿瘤大数据市场规模年将达到2,亿元，2年-年的CAGR为51%。
数据来源：沙利文、点石分析图3：中国肿瘤大数据市场规模二、肿瘤大数据对药企、患者、医疗服务提供方有巨大作用肿瘤大数据应用的基础在于医疗的数字化，数字化+医疗提供了连接和赋能两个机制来解决医疗资源不足的问题，在此之上实现智能化则依赖大数据技术。数字化、智能化对于药企、患者、医疗服务提供者均是巨大助力。
2.1肿瘤大数据赋能药企，应用于真实世界研究
来自患者的大量数据可以推动真实世界研究，解决药企刚需。传统的随机对照试验（RCT）属于效力研究，观察理想环境下的效果，这也决定RCT忽略大量外部世界的信息，难以外推。基于真实世界数据的研究（RWS）研究临床实际条件下的效果，属于效果研究，填充了效力与效果间的鸿沟。
图4：RWS贴近临床实际，已应用于药物监管决策
RWS逐步应用于药物监管、指导临床试验设计等环节，由于数据量大，数据信息处理困难，大数据技术成为刚需。在新药研发上，肿瘤大数据可以提供研发方向。通过观察真实世界数据，了解疾病的流行病学状况、诊疗情况、并发症等，揭示临床痛点，提供发病机制、诊疗方法、治疗靶点等方面的洞察。
在结果分析上，人工智能发挥了关键作用，体现为高效率处理大规模数据以及从数据中挖掘关联的能力。RWS数据集符合大数据规模性、多样性、高速性和价值性特征，人工的方式并不适应数据集的治理与分析。这正是大数据技术发挥的舞台，能够提供完整、智能的数据治理方案，并且在繁杂的数据中找到各维度的相关性，转化为真实世界证据。
图5：大数据驱动RWS发展
此外，大数据加速了临床试验中的患者招募，促进了创新药物的研发。据IQVIA研究，37%的临床试验站点面临患者招募不足的难题，影响了试验开展。随着医疗愈发精准与个性化，药物的适用范围逐渐收窄，肿瘤大数据将在招募与匹配方面成为更重要的角色。
2.2肿瘤大数据赋能医疗服务提供方，向临床辅助决策系统演进
针对医疗服务提供者，数字技术多环节赋能医疗服务，向智能化发展，衍生出多种业务模式。医院和大数据平台是医疗信息系统的基础建设环节。
第二阶段，挖掘大数据，发展AI产品，辅助医生和管理人员，更有效地优化诊疗活动。诊断是相对独立的模块，影像和检验报告都是由独立的科室和医师出具，图像识别与比较、标记计数等活动均易于AI参与。因此，AI+影像、AI+检验成为热门发展方向。
第三阶段，“AI+临床思维”，即临床辅助决策系统，触及到医疗的核心环节，具体表现形式为医疗大脑或智能辅助诊断，即让计算机“学习”专家医生的医疗知识，模拟医生的思维和诊断推理，给出可靠的诊断。
图6：数字医疗赋能医疗服务演进模式
图7：构建临床辅助决策系统
2.3肿瘤大数据促进医患连接，数字疗法成为新方向
连接机制通过远程连接医患分配资源，历经院内连接-院外导流-数字疗法三个主要阶段。第一阶段，互联网平台挂号或轻问诊业务，将院内医生与待就医患者连接；第二阶段，数字化深入诊疗，将易拆分的模块在院外开展，如复诊、用药、监测、慢病管理等，医院、慢病管理等多种业务。
这些业务模式连接了医患，但很难触及核心的诊疗环节，其商业价值多依赖医药零售。无法实质分配医生资源的原因在于，医院联系愈发紧密，同时国内优质医医院垄断，医院之间存在较强依附关系。而大数据技术能够让产品智能化，让产品成为“医生”和新的治疗方式，与患者全程连接。由此新的模式—数字疗法应运而生，数字疗法是由软件程序驱动，以循证医学为基础的干预方案，用以治疗、管理或预防疾病。数字疗法下，治疗的权威从专家转为产品，治疗效果提升依赖于围绕治疗进行的数据积累和算法优化。
图8：数字医疗“连接”模式演进
三、肿瘤大数据企业需应对数据治理、队列构建、业务协同和价值网络搭建等挑战目前，肿瘤数据大多散落在各个系统，碎片化、低质量、孤立分散、类型多样、标准不一是当下数据治理的难点。由于数据密度低、质量差，处于孤岛状态，需要专业的大数据公司进行整合治理。
并且，大量的肿瘤数据没有与病人相连接，很难被利用起来。数据的联系在于患者，这是分析的基础。高质量的医疗大数据库需要整合同一病人的所有记录，提供基于个体的长期追踪记录，以支持循证医学研究。
对于专业的肿瘤大数据公司而言，数据治理能力和人工智能引擎，既是入场券也是竞争优势。肿瘤患者存在纷杂的诊疗数据和大量的图像记录，只能通过先进的人工智能技术转换成机器可读的语言。为了产生精确的预测结果，大数据企业还需要针对不同类型的肿瘤开发特定的算法和模型，每个模型都需要经过海量数据的持续训练，这为进入市场设置了极高的壁垒。
图9：大数据治理体系
数据治理中，还必须确保没有侵犯患者的隐私安全。在国内数据安全和隐私保护政策逐渐明确的背景下，获取可利用的高质量数据将成为企业更为
