熊磊：
今天主要分享关于我对肿瘤基因组大数据，它的商业模式、前景以及存在的陷阱的理解。大家无论是做投资还是做创业，还是使用这些数据，都有可能会碰上高压线，直接导致投资创业失败。但肿瘤基因组大数据同时是充满前景的行业，只要你能正确地解读这些数据。大数据里充满了陷阱和未来。在这里我有几个简单的基础背景知识介绍，因为必须要理解到背后的原理，才可以知道陷阱在哪里。就像一个简单的缝纫机也有背后的机械原理。肿瘤里的数据让人看不懂，摸不着头脑。
这是美国一家叫PUMA的公司，因为公布了一项积极的临床试验结果，一夜之间股价翻了三倍，这是华尔街交易人的表情，看到股价开盘的时候，涨了289%，不公布临床试验结果之前，绝大部分的人是看不懂里面数据的。
什么是肿瘤？过去、现在以及可预见的未来，肿瘤都是最大的医药市场。按照《中国肿瘤登记年报2012》的数据，肿瘤在所有死亡原因里占比为33%，100个人有33个人是因肿瘤而离开。为什么肿瘤基因组大数据对肿瘤市场来说有这么大的前景，主要因为肿瘤是一种基因组疾病。恶性肿瘤的形成就像熊孩子的一系列坏习惯一样，不是一天形成的，而且坏习惯是长时间的积累的结果，一旦积累形成之后让人非常头疼，接下来三张幻灯片是非常学术的，但无论是做投资、创业还是从事肿瘤基因行业都要了解这三组数据，这里面充满着高压线。
肿瘤与基因的关系
第一：肿瘤的基因组，从一个突变到不断地积累，有成百上千，甚至上万个基因变异。但绝大部分的突变是没有任何意义的，只有极少数有功能。在突变过程中伴随着很多改变细胞功能的突变，但就像人类进化，不是身体上拥有的特征最终都是有用的。
第二：在座的人身上，有很大概率，80%到90%都携带有肿瘤。一个肿瘤的发生，需要20到30年时间。起初这种突变很少，在人生的漫长过程中，不断地积累这些突变，所以肿瘤是非常漫长而且低效的过程，因为花了30年的时间，才能积累到影像上可见的一公分或者两公分，这时已经有几亿甚至几十亿的细胞了。当有几百万的细胞的时候，目前任何影像手段都无法检测。其实在这个阶段，已经有上百万个肿瘤细胞。解剖结果表明，有近20%的人脑部发现有肿瘤，说明人体长期携带肿瘤是很常见的情况。
第三：每个肿瘤的行为都可以找到对应的基因变异，大家都知道的特征，一个肿瘤从一期、二期、三期、四期到这么大，都有对应的基因变异去控制驱动这些过程。比如肿瘤细胞的无限增殖能力，比如肿瘤组织中生长出一个血管，为其中心不断的供氧。通过外科手术把肿瘤切除掉，多数情况下还会复发，因为所切除的是肉眼可见的。为了防止切除不干净，甚至还要在远端切除更多，但这还不能保证周围是否有更小的肿瘤，肉眼不可见的，但已经有几千万的细胞。因为肉眼可见已经是几亿甚至几十亿个细胞了。此外，在切除的过程中，是否会形成种植转移？不幸的是，这是经常发生的。肿瘤还可以穿过皮层进入血道转移。如果形成转移，就基本无法根治了。所有这些行为都和基因变异有关系。这些行为都受到基因的调控。因此，我们可以专门针对这个行为，设计药物，比如破坏血管，抑制复发，杀死肿瘤细胞等等。但就像使用抗生素杀死细菌一样，最终肿瘤细胞会产生新的基因变异从而形成耐药性。所有这些包括耐药性都可以在基因变异上都可以找到源头。
我们了解一下，基因组大数据是如何产生的？在基因组测序中，数据分析是一个非常复杂的过程，每年有很多文章都在开发算法，还有数据解读。
这张图显示，肿瘤基因组测序的结果显示，吸烟和不吸烟的肺癌患者对比，吸烟的病人的肿瘤突变率更高，复发会更快，因此可以通过基因组测序就知道有各种各样的基因变异，这可以解释为什么恶劣的环境会加速肿瘤的发生。因为恶劣的环境会增加突变的频率。也就是说，虽然有没有恶性的环境，肿瘤会照样发生，比如西方的肿瘤发生率和中国类似，但没有中国人肿瘤的恶性程度高，发病年龄也晚，因为他们的环境很好。
接下来我们说，肿瘤基因组大数据，这个行业的痛点在哪里？投资机会在哪里？首先我们要区分，有些需求是Must Have，有些是Nice To Have。比如，90%的肿瘤患者都要做PET-CT，虽然这都是自费，这就是Must Have性质的强需求。新药也是如此，一个公司的股票只是得到临床的数据之后，股票一夜之间涨了三倍。同时，从技术角度来判断，有些是marketing和sales驱动的，有些是技术驱动的，还有一些是经验决定，不是技术也不是marketing和sales。这些经验的东西往往不能市场化，由谁来做？这个一般由医院来。这是不可复制的东西，比技术门槛还高。技术可以攻关，经验不能攻关，也不能复制，比如肿瘤组化病理检测就是依靠医院的病理科，读片是很难大规模复制的。
肿瘤基因大数据的商业机会
如果要了解肿瘤基因组大数据的前景，我们首先要了解一个肿瘤病人入院之后要展开哪些消费行为，哪些是属于Must Have，哪些是Nice To Have。先做基本的检测，做B超，做PET-CT等等，甚至要做核磁，还要做手术和放化疗，有些会使用靶向药物。这些都属于MustHave。很多投资人询问我关于预测复发转移的技术的市场前景，复发转移是属于Nice to Have项目。这是个非常复杂的话题，复发转移在临床上非常的重要，但预测复发转移的技术非常难，目前普遍没有好的办法，所以当下阶段还是属于Nice To Have的市场。
只要记住这几张幻灯片，所有的肿瘤相关的市场会看非常的清楚。本质上你要了解医生是如何治疗肿瘤的，不是行为很简单，是逻辑很简单。这是一个NCCN的指南，医生凭着这个指南来做，他应该做哪一个检测，不同的病理检测，对应的临床治疗策略是什么，医生是按照这个指南进行治疗，这里是Must Have。因为这些指南都是依据各种病理检测的分类进行临床试验，通过循证医学得来的。这里所有的决策判断看上去都是非常标准的，但这里的判断标准非常的复杂。医生还要考虑患者不同体质，不同的副作用承受能力等等。
病理行业有些内部数据交流表明，有的地方甚至达到30%的肿瘤病理判断是误判，因为传统病理判断是一件非常依赖经验的医疗行为，目前没有非常标准的办法。当你看到病人的治疗必须依靠病理来判断是一期还是二期来做治疗，不同的肿瘤，不同的肿瘤病理分型，治疗方式都有差别，因此在这里所有的投资机会和创业机会都可以看到。
肿瘤基因组测序技术在这里进行替代和交汇，是做手术还是做放化疗都是通过传统病理结果来判断。病理判断，这个是肺癌、但是是鳞癌、还是腺癌？这些判断后续的治疗行为都是以放化疗为主。但靶向治疗不是这样，不用靠组化病理来判断，主要是靠分子病理来判断，传统组化病理在这里没有太大的参考价值。
基因组测序结果发现，肺癌有几十个基因变异靶点。在这里，基因组的数据在某种程度上会和传统病理并行，甚至未来在某些场合替代掉传统病理。从传统的病理向分子病理迈进，不仅是指导靶向用药的分子病理。还可以通过肿瘤基因组测序对肿瘤进行分类，为什么肺癌只有腺癌和鳞癌两种方式？从基因组测序来看，鳞癌可以再分为两种，这两种有很大的差别。这个差别通过传统病理分析是不能达到的，这时候，通过基因组数据可以发现有两组不同的突变特征，这两个又是不一样的，提示治疗方式会发生改变，接下来主要基于这个数据做治疗。以后每个病人过来都要做基因组测序，甚至做全基因组测序，判断肿瘤类型，指导用药方案设计和预测预后复发。所以肿瘤基因组数据有一个很大的前景，如果把它当做B2C行业，从病人付费的角度来理解，未来许多阶段肿瘤治疗的决策就依赖于肿瘤基因组大数据的解析。但是否是肿瘤，还是应该靠传统病理结合影像来看。因此，肿瘤基因组大数据，是未来肿瘤治疗的决策大脑。
如果做基因组测序分析，可以告诉你用哪一种用药，但这还远远不是肿瘤基因组的应用市场全部前景所在。从这张图可以看出，靶向治疗和非靶向治疗可以延长患者接近两年的生命。这是一个靶向药，靶向特定的人群，他想知道这个基因突变2%，3%还是4%，都是由基因组大数据决定。2%和4%，意味着销售额是一倍的差别，如果以为4%，检测出来是2%，销售市场就降了一半。中国肿瘤有400种，这个药物靶向的基因变异占多少？在全部的肿瘤里占7%或者是3%的差别太大了，这对我们做新药投资判断非常重要，也是投资人，或者药厂的BD，非常想看到和必须依赖的。
这是一个阿斯利康的临床一期实验，通过基因组测序筛选阳性患者入组临床试验。在这个筛选里你可以保证没有假阳性和假阴性吗？事实上，这里存在着大量的假阴性，会缩小相当部分的市场。在B2B的行业中，靶向特定人群的靶向药的市场是多大，这个东西80%的情况是基因组变异情况来决定。包括做研发的时候，要立项，做临床的时候要考虑做哪种适应证，还要做基因检测入组患者，最后做决策要投放市场，这个药上市之后要做推广，到底投放多少钱，这个过程会频繁发生错误判断。
所以，这个非常大的商业模式，不论是在哪个过程，基因组大数据库都是重要的决策中心。这样一个技术判断可以让你的药的市场，发生从几十亿到几百亿的变化。这个前景非常好，但前景越好，越怕它是陷阱，因为前景很好的东西，一个小小的东西可以引爆一个东西，技术含量越高，风险也就越高。
需要提防的陷阱
接下来简单地讲四个方面陷阱，因为时间有限，我只简单的讲讲，这些陷阱还只是冰山的一角。
第一个陷阱是检测技术的陷阱。
左边这个是美国的TCGA数据，美国累计花了十几亿美元测了几万个样本。右边是美国权威杂志JAMA最新的一项研究数据，同样两组非常权威的研究测EGFR突变，这个系列的药全球销售十几亿美元，左边数据显示肺癌变异率是11%，右边数据是21%，你们相信谁的数据？另外，如果你们了解辉瑞公司这个药的话，就知道ALK这个基因8%的变异是靠谱的，左边数据库1%的变异是错误的。但我接下来会告诉你，8%这个其实也是不对的，你会怎么想？不要认为辉瑞这样的大制药公司就掌握了正确的基因组数据，我后面会提到他的误判。所以，你要对肿瘤基因组测序技术和数据分析非常了解，因为有的时候用这个技术，有的时候用那个技术，有的时候两个技术都是错的，测序技术五花八门，没有绝对好的技术，数据分析更为复杂，需要Case By Case的分析和使用技术。
第二个陷阱是对内容的理解。辉瑞的这个药物在2011年上市，仅用4年的临床试验时间就获得了批文，但损失了可能近80%的销售额。这个靶点最早的时候是日本人发现的，其在肺癌里面变异比例在5%到8%，可能差一两个点，当时做不了那么精准。但是，最近我们发现，这个基因可以和100多个基因融合，但辉瑞当时只依据日本科学家的发现检测了EML4-ALK基因的融合，并针对这个基因融合在肺癌里展开临床试验。因此有几倍大的市场，辉瑞都没有触摸到。因此，即使是辉瑞这样大的制药公司，其实对肿瘤的理解在当时也不够深，ALK可以和100多个基因融合，现在很多公司都认识到了，辉瑞这么早领先，但失去了开展更多临床试验，拓展更大适应证的机会，这个错误的决策，至少让辉瑞未来每年少赚了十几亿美元。
再看一下应用场景这个陷阱。你不能拿这个肿瘤早期的数据去判断这个药的市场和人群，因为是这个药物可能是针对更晚期的病人进行治疗，如果是针对这个阶段治疗，就要看这个阶段的肿瘤基因组数据，因为不同的阶段都不一样，经历过一线和二线治疗的肿瘤，基因组数据也不一样。
还有一个陷阱是基因组变异数据的功能注释。强生公司的临床一期，只有3个病人达到了临床缓解效果，虽然入组的都是变异人群，但因为他选基因变异时候，并不清楚这个基因的不同变异形式和药物作用效果有什么关系。所以必须经过大规模肿瘤细胞的药效功能研究，比如这个药在靶向基因变异的肺癌患者里有这个相关性，但其他肿瘤类型的变异携带者中没有相关性。
因此，肿瘤基因组的前景非常美好，这是一个未来千亿以上的的B2B加B2C的市场，它可以革新肿瘤的治疗、药物开发、投资、并购、市场推广的一系列决策判断依据，但各种陷阱让你恐惧地不敢往前迈进，所以一定要懂得分析数据的陷阱所在。时间限制，刚才讲的只是一部分，没有针对肿瘤基因组数据在药物开发中的前景和陷阱展开探讨。
3DMed（思路迪）的商业模式
最后简单介绍一下我们公司。我们3DMed（思路迪）运用肿瘤基因组大数据，建立风险评估模型，进行个体化的肿瘤预防、精准用药指导和个性化新药开发。肿瘤预防、用药和新药开发中的高风险管理都需要依靠数据支持每一个决策，基因组大数据是决策中心。
接下来介绍我们的新任联席CEO，龚兆龙博士。龚兆龙博士是FDA资深的新药审评专家，也是百济神州的前临床药物开发VP。龚兆龙博士加入思路迪医药，也代表了新药审评和药物开发资深专家对肿瘤基因组大数据在个性化新药开发中的价值所在的高度认可，龚兆龙博士将和3DMed的同仁们一起开创来自未来的肿瘤医疗商业模式。
谢谢大家！
................................................本文内容来自互联网，我们对文中观点保持中立，版权归作者所有，如无意侵犯您的权益，请联系删除。尊重版权，转载请注明作者及来源。