每年，精密医学世界会议吸引公认的领导者、全球研究人员和医疗专业人员，以及医疗保健和生物技术部门的创新者。今年也不例外，卡尔·h·琼(Carl H. June)开发了CAR-T疗法，拉尔夫·斯奈德曼(Ralph Snyderman)是个性化医疗保健的先驱，克雷格·文特尔(Craig Venter)为基因组研究做出了许多贡献。这些会议和其他许多会议为2019年的开始做出了杰出的贡献。
今年会议涵盖的热门话题包括人工智能和机器学习、大数据、临床决策的现实世界证据，以及将精准医疗应用到临床环境中。一些努力正在进行，将癌症患者的治疗与数据隐私、数据共享和数据所有权问题结合起来。
精准医学中的人工智能/机器学习
在过去的60年中，人工智能/机器学习（AI / ML）环境有急剧发展．这个领域始于50年代中期，焦点在人工智能上。然后演变为一个机器学习接近80年代末。现在，在这个时代深度学习，这是一种基于学习数据表示的机器学习方法的子集家庭，它看起来有许多挑战它们在医疗保健系统中的实现。
最初，人们认为人工智能将用于早期疾病检测，以支持临床决策，并探索大型数据集，最终为新的诊断提供信息。
在过去的几年里，精密药物深度学习软件领域的进展已经迅速，有一些机器学习算法已经被FDA批准。但是，我们还在AI的“炒作”而不是执行的现实。
这是由威廉道尔顿和Atul孤峰在PMWC的第一届会议上在确保大数据5 ' V的诸多挑战中(速度、容量、价值、多样性和准确性)，本次会议讨论了这些数据集独立验证的必要性，以及网络形成的迫切需要。
为实现成功-由讨论Ketan Paranjape- 策划数据集，减少偏见并确保适当的隐私和安全性应在中心。建立支付方法以激励医疗保健系统偿还这一点，以及医生教育进入对AI潜在和局限性的基本理解，是一些考虑因素。
现实世界的证据，告知研究和临床决策
一场精彩的小组讨论聚焦于在研究和临床决策中使用真实世界的数据，以及在使用大数据集时遇到的挑战。会议椅,黛博拉施克，介绍了真实世界数据(RWD)和真实世界证据(RWE)的定义。去年12月由FDA发布．FDA的框架包括RWD是否适合使用，用于生成RWE的试验或研究设计是否能够提供足够的科学证据来回答或帮助回答监管问题，以及所进行的研究是否符合FDA监管要求。考虑到RWD/RWE的许多不同用途，这样一个框架的重要性是不可低估的。
让我们将人工智能改为记录的智慧
例如，在哈佛大学的癌症中心，Deborah Schrag讨论了RWD在患者亚群中找到了共同的分母，这些患者被规定为其癌症标签药物。该研究将阐明是否可以在某些癌症类型中使用标签药物。在另一个会议上，肖恩·斯威尼， AACR项目GENIE协调中心主任，讨论了他们建立的与临床数据相联系的最大的肿瘤测序数据库。这将被用来为决策提供信息以及临床可行的目标．
这种研究的结果可能会为未来的临床决策提供无数的机会。然而，为了适当地实施，需要解决与大型数据集共同相关的挑战。确保参与者的去识别和数据协调，医疗保健标准的现代化，记录临床资料，以及对医疗保健专业人员的支持，以确保良好的数据进入质量是首先解决的一些障碍之一。
数据共享，数据隐私和数据所有权
数据共享，隐私和数据所有权已成为当代问题，今年PMWC广泛讨论。虽然一些策略执行数据隐私和所有权，如gdpr.，hypa和日本琵琶已经实现;政府仍然存在巨大的差距和规则。
谁拥有数据或患者如何理解与他们的数据发生的事情是提出的一些问题。一种方法将赋予个人的权力和通过自己的数据创建价值，由其讨论黎明巴里．
此外，在这个新的数据时代，许多伦理问题需要考虑。卡米尔Nebeker讨论了数字研究面临的一些伦理挑战。她倡导FEAT框架(公平、道德、负责任和透明);为了做到这一点，她鼓励各组织制定并实施道德准则，鼓励员工质疑有问题的问题，与终端用户交谈并向他们学习，并让“健康技术”伦理学家参与进来。
总之，这个鼓舞人心会议在过去10年中概述了精密药物的主要进步，并讨论了将当前医疗保健系统转化为精密医疗保健系统的关键挑战和未来方向！
BMC医学推出了一个新的文章集从大数据到新的生物医学和健康数据科学:迈向下个世纪的精准健康”。我们欢迎提交这个令人兴奋的集合与四位杰出的客座编辑。我们邀请研究数据驱动的患者护理方法的手稿和前沿内容，重点关注政策制定、临床实施和公共卫生重要性
注释