每年在全球医学研究上投资约2000亿美元（1）。这项集体努力的结果令人惊讶：在短短的100年中，预期寿命从大约45年到72年（2）。但是，仍然有很多工作要做，因为由于非通讯疾病引起的死亡率每年近4100万人（3）。
在短短的100年中，预期寿命从大约45年增加到72年
当前的研发模型的描述
尽管在研发和创新上进行了大量投资，但全球健康状况的改善似乎已经达到了高原。当前的医学研究模型由于一系列缺点而陷入困境，我们总结了以下内容：
线性方法。
当前的医学研究框架反映了线性，增量和顺序过程，这是迄今为止唯一接受的范式（4）。在这种线性方法中，结果的数量和质量是在某个项目中投入的资源数量的直接功能。
以自我为中心和自我服务的数据处理。
制药公司和学术机构除非决定发表研究，否则绝不会与科学界分享其研究的全部结果？科学期刊或是否有商业或商业协议。通常，这采用许可合同的形式，或者至少是双方之间的NDA。（5）。该信息通常存储在公司或机构内的封闭式和密封隔间中，并且对局外人的访问权限有限。这些“中国墙”不仅可以防止创新，而且还增加了为患者带来真正收益的时间和成本。
基于稀缺信息和资产所有权的模型。
价值被理解为实体拥有的“资产”数量（专利，管道中的化合物等），并且根据这些资产确定实体的相关性。但是，稀缺性鼓励了ho积和垄断资源，导致任何创新战略窒息（6）。当前的思维定势推动了药物和生物技术行业，通过从其他利益相关者那里获得资产和新发现来产生创新和价值，这是由该行业内部公司的大型公司（7）产生的。
价值被理解为实体拥有的“资产”数量：专利，化学代理，管道中的化合物
有限的学习情况。
大多数公司和机构都使用自己的专有过程和方法。除非有一项协议提供经济薪酬或未来的承诺和潜在的货币利益，否则他们不会与其他利益相关者共享信息（8）。这使学习和技术进化极大地缓慢，并取决于自上而下的层次结构决策。
一个昂贵且冒险的系统。
为了将新药带入市场，公司通常在10到12年的时间内花费数亿美元（9）。这一过程的巨大成本（尤其是临床试验）以及药物发现的高损耗率增加了药物开发的财务风险。
保守的态度。
医学研究中的利益相关者通常更喜欢保存而不是增长，而在新的边界上的熟悉环境（10）。换句话说，它们避免了挑战并大力投资他们所知道的。因此，医疗部门内的公司很少改变其产品或服务。
结果是一个疲惫的市场，由于药物发现的高损耗率很高，并且仿制出不断增长的仿制药物组合对关键品牌的侵蚀率很高，因此疲惫不堪。此外，在研究“新药营销授权”时，医疗保健监管机构所需的改善的改善呈指数呈指数增长。最后，健康和养老金机构的当地政治压力导致对毒品利润率的审查增加了。
智能医学研究的人/机器集体智能
从人类科学家的技能和计算机联合会出生的一种新形式的集体智能形式将提供巨大的分析能力，从而极大地改善人类健康的未来（11）。当前（并且很快）医疗研发模型中描述的障碍为新的破坏性研发范式打开了大门，可以描述如下：
指数的研发方法。
当一个过程被数字化并由信息流提供动力时？它的发展速度跳入了指数增长的道路，每两年翻了一番（摩尔定律）（12）。在这个非线性系统中，AI工具的表现优于传统回归和统计工具，从而导致医学研究中获得的结果质量的指数提高。
人工智能工具的表现优于传统回归和统计工具。
数据的慷慨和无私处理。
在基于信息的环境中，访问和共享数据比所有权更重要。不同网络和社区之间的参与和交流产生了指数增长和价值（13）。即使患者也有机会通过自愿共享其匿名医疗记录来为医疗进步做出贡献。患者可能会停止成为观众，并成为自己的医疗保健中的主要参与者。
基于大量信息和共享资产。
大量信息鼓励数据共享并促进创新（14）。计算机算法能够处理编码和匿名数据。处理数据后，这些系统就会学习并改善其知识。因此，所有用户将从这种共享的，增强的知识中受益，从中提取自己的价值。
全球且连续的学习过程。
人工智能工具的主要优点之一是它们能够逐步学习和从数据中逐步学习，而无需对此进行明确编程。
降低研究成本。
与医学研究相关的成本将呈指数降低，趋于零，而产出将大大增加，因为除了价值创造以外的所有浪费过程和支出都被消除了（15）。
一种破坏性的态度。
新的范式促进了在计算机实验中连续的文化，从而降低了研究成本并增加了创新，从而导致了大量信息和随后的成本降低，因此产生了积极的反馈回路。在这个系统中，受益最多的利益相关者是那些体验更多和更快学习的利益。
患者和公民成为医疗保健发展的非常重要的参与者。
在这种破坏性的模型中，洞察力和决策将是数据驱动的，并将与医疗保健专业人员的工作相结合，这将通过真正的个性化和整体方法来提高患者护理标准（16）。由于新的信息，患者和公民成为医疗保健发展方面非常重要的参与者，而健康政策则支持预防而不是治疗。这种范式还应该鼓励和促进诊断的民主化，并且更早地确定健康问题，因此，以更有效的有针对性药物为本，以更低的成本进行治疗。这不仅将改善临床结果，而且还将减轻医疗保健系统的总体财务负担。在外围地区或发展中国家，没有使用中/高复杂性护理中心的好处可能会更大，因为初级保健医生将能够早些时候建立困难的诊断，并确定需要将哪些患者转交给其他中心才能接受专业治疗。总而言之，基于新的集体智能的巨大共同努力将指数级改善医学研究的质量，从而从当前的医疗保健模型发生了根本性的转变。
参考
1-
2-
3-
4-
5- Wang L，Profump A，Ringel M.赛车定义药物研发外部创新模型。今天的药物发现20：361-370，2015。
6-金ER，Kaplan W，Orbinski J，Harland-Logan S，N-MarandiS。专利是否阻碍了医疗和创新？PLOS医学7：E1000208，2009。
7-
8- Birnbaum MJ。制药和学术界：我们在这里拥有的是未能交流。细胞代码24：365-367，2016。
9-穆拉德。一种新药的发展成本为26亿美元。自然评论药物发现13：877，2014。
10-
11-
12- Ismail S.指数组织。ed。转移书，美国纽约，美国。2014。
13-
14- Tormay P.药品研发中的大数据：创建可持续的研发引擎。Pharm Med 29：87–92，2015。
15-
16- Shah P，Kendall F，Khozin S，Goosen R，Hu J，Laramie J，Ringel M，Schork N.临床开发中的人工智能和机器学习：转化视角。NPJ Digit Med 2：69-74，2019。