我曾認為生物科技會像互聯網般，很快迎來一波大泡沫。日前參加 London Biotechnology Show 2024，依然感到生物醫療是未來趨勢，但要形成泡沫還有很遠距離，畢竟有瓶頸待解決。
連續兩日的生物科技展在 Olympia West 舉行，除了無酒精的益生菌啤酒、Oracle Health AI 臨床試驗記錄系統、和 Microsoft Copilot 輔助醫護填寫和尋找病歷，印象最深刻是幾間數據處理公司的演說 – 由收集、標準化、去除雜訊、持續儲存、綜合多面向數據，直到統計和比較，甚至配對臨床試驗的病人等，多個平台各有焦點，務求以科技提升處理和分析數據的效率，幫助生物科技人員研究實驗結果。
Oracle 和 Microsoft 的 AI 應用主要是填表、資料記錄和數據發掘，而其它的數據平台，如 IQVIA 是一站式臨床實驗解決方案、Tuple 則專注生物資訊和基因體數據的雲端架構和藥物研究。既然有多間公司的主要業務是處理臨床數據，反映市場有需求，而且項目不簡單（能養活專責相關業務的公司），似乎是一門專業。
以往不曾想過數據處理是發展生物科技的瓶頸，一直以為理論和實驗結果的差異、對精準度的極高要求、還有嚴謹的監管機制 （必需獲得 FDA、EMA 批准），讓生物醫療的發展速度遜於科網公司，卻原來科技讓數據採集輕易了，且大規模運算（包括基因排序、細胞培育），但進入分析之前的門檻 – 將數據統一變齊整，遠高於其它行業！
臨床數據很複雜。收集是第一步：何時何地、以及病人甚麼狀態時收集數據呢？可以靠科技，例如智能手錶或手機，定時定候自動獲取最理想。其次，若果病人可以在家自行量度，亦算簡便。可是，數據有很多種，除了能清晰量度的，還有靠病人自行填問卷給予分數的（例如疲倦度、食慾、睡眠質素等）。
一般而言，病人很少在不舒適的情況下自願填問卷，通常是較為舒適才填寫，這能否反映真實狀態呢？若果固定填寫問卷的時間，碰巧病人狀態差，又是否要「強迫」填問卷呢？就算只考慮能清晰量度的數據，亦有多種性質和單位，例如 24 小時心電圖，要如何儲存連續性 24 小時的數據？如何選擇合適的部份直接與其它病人的心電圖比對呢？如果再加上生活習慣（運動和飲酒次數、睡眠時間等）和環境因素，諸如此類各式各樣的數據，單是統一格式和標準化，並去除雜訊，然後有系統地儲存，已經是不容易解決的問題。另外，是要保障病人私隱，不讓研究人員從數據辨識病人身份，這更為數據處理加添複雜性。
另一個生物醫療發展的瓶頸，可能是人才。展覽當日有獵頭公司的攤位、演講嘉賓中有人事顧問，甚至中場的交流時段，也遇到幾位專才招聘人員，這側面反映不少公司在爭奪人才。而閒逛場館時，認識了一位由博士後研究員轉型為專利領域的律師。他說不論學術界或大藥廠，持續進行科研總會有大大小小的新發現，但申請專利的成本高，不可能將所有新發現都申請專利。這時就需要具備科研知識和商業經驗的法律顧問，衡量哪些新發現有機會商品化才申請專利。由此推敲，整個生物醫療行業的發展，不單止科研，而是多個環節都需要生物科技專才的參與！
儘管生物科技的發展未追上科網發展的速度，但隨著大數據雲端運算能力和人工智能的出現，研發和實驗速度會越來越快。連輝達 NVIDIA 執行長黃仁勳都建議年輕人在大學選修生命科學，眼前的瓶頸，未來必能解決。繼半導體後，生物科技會是令人引頸期盼兼最具潛力的產業。
（原文標題《生物科技發展的瓶頸：數據處理》刊於投資之旅 Trendalysis，本文標題為編輯所擬）
