近年来，药物研发受累于不断下滑的成功率和停滞的产品线。有专家指出，大数据和数据分析将可能是突破这一瓶颈的关键因素。那么，大数据是如何帮助研发人员提高新药研发效率的呢?
优势明显
首先，由于药物的生物过程和药物模型越来越复杂，大数据可以通过利用分子和临床数据，预测建模来帮助识别那些具有很高可能性被成功开发为药物的安全有效的潜力备选新分子。
其次，利用大数据可以帮助提升临床试验的效率。例如筛选临床试验受试者的筛选标准通过大数据，可以瞄准特定人群，这样临床试验就可以规模更小、时间更短、成本更低，更加有效。同时可以通过大数据分析来实时监控临床试验，及早发现可能出现的问题，避免试验过程中成本增加或出现不必要的延误。
第三，相对于原来僵化的数据孤岛，使用大数据可以帮助数据在不同功能单元之间顺畅流动。通过打破内部各功能之间的信息壁垒并提升跟外部合作伙伴的协作，制药公司可以大幅扩展他们的知识和数据网络，如与外部合作伙伴——医生和CRO共享关键数据。数据的这种顺畅流动，对能创造商业价值的实时预测性数据进行分析非常关键。
此外，为确保合理分配稀缺的研发资金，项目组合与产品线相关的快速决策至关重要。但制药企业经常发现，他们很难做出适当的决定。比如哪个项目该继续，或者有时更重要的是，哪个项目该砍掉。基于信息技术的项目组合管理能快速无缝地实现数据驱动的决策。通过数据分析当前项目的商业开发机会，预测其市场竞争力，帮助企业客观地做出决定，以确保研发投入的合理性。
瓶颈待破
虽然大数据可以有效地帮助研发人员提升新药研发效率，但目前大数据技术还有一些方面需要改进。牛津大学统计学教授彼得·多纳利指出，目前大数据技术面临的问题有三：首先，信息采集不足。大数据要发挥作用，首先要有足够的病人、药物等相关信息，这是数据分析的基础，然而许多病人可能出于隐私考虑不愿提供这些信息，制药企业也有可能因为商业利益不愿共享药物成分等敏感信息，这就直接导致信息采集不足。
其次，要从海量信息中得出有用的结论，专业的数据分析必不可少，采集到足够信息后，需要由相关领域的专业人士与信息技术专家一起对数据进行有针对性的归纳和分析，而这种跨学科、跨领域合作能否顺利实现，是大数据技术实际应用中的重要问题，而且正考验着制药企业的大数据整合能力。正如Jain所说的，“目前公司的医疗信息物流系统非常分散，为了集成一个整体数据，我们常常需要连接多个分散数据库的数据，进行重新整合，这样操作非常麻烦和浪费时间。”
第三，在技术层面还存在网络容量有限的问题。很多新药研发机构现有的基础设施无法满足海量信息分析和处理的需求，因此如何降低存储成本，以及提升应用价值就成为大数据所面临的关键技术难题。
虽然尚待完善，但毫无疑问的是，大数据在新药研发中必将发挥越来越大的作用。
