最近，谷歌宣布它已經開發(fā)出一種人工智能（AI）系統(tǒng)，能夠在檢測乳腺癌方面勝過人類放射科醫(yī)生。這僅僅是機器學習和大數(shù)據(jù)如何引領新的醫(yī)學診斷、治療和發(fā)現(xiàn)的最新例子。而為了實現(xiàn)人工智能的巨大潛力，我們必須制定一個務實的、全球一致同意的方法，來管理“真實世界數(shù)據(jù)”的收集和使用。

真實世界的數(shù)據(jù)，包括任何有助于指導新醫(yī)學研究的信息。其中一些已經存在很長一段時間了。例如，癌癥研究人員長期以來一直使用匿名健康記錄，來選擇最適合新療法和實驗性療法的病人。但是其他類型的數(shù)據(jù)直到最近才出現(xiàn)，同時出現(xiàn)的還有大規(guī)模分析數(shù)據(jù)的技術。

人工智能和相關技術提供的新功能，引發(fā)了有關隱私和數(shù)據(jù)所有權的復雜、有時甚至有爭議的問題。但我們可以通過制定保護個人信息的全面規(guī)則，來應對這些挑戰(zhàn)。在美國，醫(yī)學科學巨頭們已經在推動現(xiàn)實世界的數(shù)據(jù)計劃，匿名患者數(shù)據(jù)的廣泛可用性，正在推動一波新的創(chuàng)新浪潮。

例如，美國國家癌癥研究所正準備啟動“兒童癌癥數(shù)據(jù)行動”。這是一個雄心勃勃的十年項目，將匯集美國所有兒童和青年癌癥患者的數(shù)據(jù)，以尋找新的目標和治療機制。類似地，蘇珊科曼基金會已經啟動了乳腺癌大數(shù)據(jù)計劃，其中包括一個使用算法分析梳理出一些最難治療的乳腺癌的生物學過程的項目。

然而，由于這些舉措嚴格使用從美國患者群體收集的數(shù)據(jù)，它們的適用性有限，尤其是在全球層面。人類生物學在種群內部和種群間差異很大，部分原因是遺傳差異本身受到環(huán)境因素和其他長期趨勢的影響，如隔離、遷移、歷史性疾病負擔等。鐮狀細胞性貧血、德系猶太人遺傳疾病和囊胞性纖維化，僅僅是許多疾病與人口特異性相關的三個例子。

這些個體生理學上的差異意味著，對一個亞群有效的方法可能對另一個亞群無效，我們應該盡可能廣泛地收集真實世界的數(shù)據(jù)。盡管如此，在大規(guī)模提供匿名真實數(shù)據(jù)方面，歐洲仍落后于美國。

此類失敗，部分源于對病人隱私和數(shù)據(jù)所有權的擔憂，是可以被理解的。為了解決這些問題，我們必須采取一切預防措施，通過建立真正全球性的規(guī)則來防止數(shù)據(jù)的濫用。衛(wèi)生當局需要就指導現(xiàn)實世界數(shù)據(jù)的收集和使用出臺標準，并建立共享基因組研究的國際標準。

為此，制藥公司和其他主要利益相關者，正與歐盟監(jiān)管機構、美國食品和藥物管理局以及其他世界各地的衛(wèi)生當局合作，確定研究人員可以使用的數(shù)據(jù)，同時維護病人隱私、要求提供者負責。

在醫(yī)學研究上的最新突破，暗示了如果我們的政策正確，能夠獲得怎么樣的結果。這很吸引人。比如，獲得了一個包含220萬癌癥患者匿名數(shù)據(jù)的數(shù)據(jù)庫后，羅氏公司的研究人員開發(fā)了一個預后評分系統(tǒng)，根據(jù)一系列因素來預測患者對不同癌癥治療方案的反應。另一項研究，使我們能夠預測自身免疫性疾病患者對免疫治療可能產生的不良反應。這是該領域的一個顯著進展。因為在新療法的臨床試驗中，出現(xiàn)這種反應的患者只占很小的比例。

通過部署新技術和利用世界上最大的癌癥基因組數(shù)據(jù)庫，我們可以加快個性化治療的發(fā)展，滿足患致命疾病的患者的需求。但是，除了其廣闊的前景，現(xiàn)實世界的數(shù)據(jù)也向我們提出了關于如何共享個人數(shù)據(jù)的復雜問題。簡單地對這些問題置之不理，既不現(xiàn)實也不負責任，因為這意味著放棄也許是醫(yī)學史上最偉大的進步。

國際社會必須攜手應對這些政策挑戰(zhàn)。只有到那時，我們才能充分認識到衛(wèi)生保健技術革命的好處。

本文由Project Syndicate授權《南風窗》獨家刊發(fā)中文版。多米尼克·呂特廷格是羅氏（Roche）早期臨床腫瘤學全球負責人。