Chris Hayden:
大家好，我是Fierce Biotech的Chris Hayden，今天我将与Thermo Fisher Scientific公司PPD CorEvitas Precision Medicine部门负责人Austin Read进行对话。我们将讨论精准治疗和诊断开发的相关话题。
Austin，我想听听你对生物技术公司如何使用生物样本进行精准医学研究的看法，以及如何通过将纵向登记数据与生物样本链接来推进转化医学的机会。
那么，让我们开始吧。感谢你今天加入我们，Austin。
Austin Read:
谢谢，很高兴来到这里。
Chris Hayden:
非常好。我们现在直接进入问题环节。
Austin，我想听听你对当前精准医学领域的看法，以及你认为精准治疗和诊断开发将如何发展。
Austin Read:
总体而言，精准医学是一种医疗模式，旨在根据可测量的特征（如环境、生活方式和生物学因素）将患者分组。基于这些分组，目的是为患者的预防、诊断或治疗决策提供信息，从而在整个护理过程中为他们提供最佳的护理。目标是摆脱一刀切的护理模式，转向更个性化的护理方法。
这一愿景并不新鲜，可以追溯到近30年前，但随着大数据时代的到来和各种分析方法的增加，这一领域得到了加速发展。特别是在肿瘤学和罕见病领域，针对不同基因突变的疗法以及细胞和基因疗法的应用尤为明显。最近，这一领域开始扩展到免疫学和神经学等更为复杂的疾病领域。这些疾病仍然需要进一步的研究，以了解不同患者亚群的独特性，并为这些患者带来下一代治疗范式。
谈到整体进展，技术是推动所有创新的主要动力。行业变得更加聪明，思考如何将实验室研究转化为现实世界的人群，包括临床试验设计范式，并专注于最相关的结果和研究方法，以指导这些路径。此外，这还得到了来自真实世界研究的数据支持，这些数据来源包括公开数据集、索赔数据、电子病历和登记数据。
最近，我们采用了一种独特的设计，即前瞻性登记，不仅关注临床和患者报告的结果，还补充了这些患者的生物样本。这种设计提供了更全面的患者视图，使下游研究项目能够有更广泛的研究应用。
Chris Hayden:
你提到了将生物样本与纵向临床结果相结合的登记。你能详细解释一下这些类型的登记及其在推进精准医学方面的作用吗？
Austin Read:
登记可以有不同的规模、形状、患者群体、队列和数据类型。当我们谈论登记时，我们指的是那些不仅关注临床和患者报告结果，还在随访点收集生物样本的前瞻性登记。
我们的数据已在多种监管案例中得到应用。然而，在某些情况下，数据源可能并不总是适用。因此，我们最近更加注重生物样本的收集，特别是在推进精准医学和标准护理方面。这种做法的应用范围更广，包括生物靶标识别、生物标志物发现、患者细分和亚型分类。
所有这些对于研究范式来说都是至关重要的，有助于引入下一代诊断、预后和治疗干预措施，从而减轻患者的疾病负担。
Chris Hayden:
很好。Austin，生物样本收集有哪些重要的考虑因素，以成功推动精准医学研究？
Austin Read:
首先，最重要的是伦理考虑。确保患者和研究人员充分理解他们在做什么，生物样本收集在研究范式中的作用是什么，他们扮演的角色是什么，以及任何实体（如赞助方）如何处理下游的数据隐私问题。所以必须从这里开始。
其次，成功的关键在于理解临床研究范式的操作层面。哪里存在未满足的临床需求？要回答的科学问题是什么？然后，研究设计如何适应这个结构，以确保研究不仅在操作上可行，而且尊重参与研究的人员，确保研究最终成功。
最后，我要强调质量和一致性，不仅是在生物样本方面，还包括伴随生物样本的任何相关数据属性。我们花了很多时间思考集中协议、集中收集和处理程序，以及良好的数据访问和结构，以确保一旦研究完成，数据可以尽可能容易地提供给最终用户，这些用户将是将新的治疗范式推向市场的关键人物。
Chris Hayden:
Austin，你认为在哪里有机会加速精准医学研究？
Austin Read:
有两个主题。首先，确实有一些疾病在研究中被忽视。正如我之前提到的，肿瘤学和罕见病历来受到很多关注。但在追求将精准医学带给所有患者的精神下，确实需要有意地关注那些历史上没有那么显眼的疾病。这是其中一个领域。
第二个是技术采纳。显然，随着AI/ML技术应用的不断增加，我认为一个值得关注的领域不仅是计算方面，还有患者招募和参与的角度。过去，包含生物样本的研究计划（无论是试验还是观察性研究）往往难以获得代表性患者群体。因此，我们认为这是一个关键领域，以确保我们进行的研究能够代表不同的患者属性。
但AI/ML的计算加速器也不容忽视。我们战略性地思考如何选择性地预先生成某些情况下的生物样本的多组学数据，这不仅通过向合作伙伴提供数据来减少临床研究时间，还最终纪念了这些患者参与登记所做出的价值贡献，确保研究影响可以在生物样本被消耗后很长时间内感受到。
Chris Hayden:
非常棒。Austin，有趣的是，你在最后一个问题中才提到AI，这真是令人印象深刻。
这次对话非常精彩，Austin。真的有很多机会，我们非常感谢你的时间，谢谢你今天加入我们。
Austin Read:
谢谢你，Chris。
(全文结束)
