大數(shù)據(jù)在醫(yī)學(xué)中的應(yīng)用思考

二十一世紀(jì)是數(shù)據(jù)爆炸的時(shí)代，醫(yī)學(xué)也不例外。在信息時(shí)代，醫(yī)學(xué)在廣度和深度方面日新月異，循證醫(yī)學(xué)深入人心，信息化醫(yī)療迅速發(fā)展。另一方面，計(jì)算機(jī)技術(shù)的飛速發(fā)展使得海量存儲(chǔ)成為可能，成本不斷下降。醫(yī)學(xué)知識(shí)、醫(yī)學(xué)信息呈現(xiàn)幾何級(jí)數(shù)增長(zhǎng)。“大數(shù)據(jù)”（big data）并不是一個(gè)很新的名詞，在物理學(xué)、生物學(xué)、環(huán)境生態(tài)學(xué)等領(lǐng)域以及軍事、金融、通訊等行業(yè)存在已有時(shí)日；歷史上的數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)集市等信息管理領(lǐng)域的技術(shù)，從某種意義上說(shuō)也是為了解決大規(guī)模數(shù)據(jù)的問(wèn)題。近年來(lái)由于互聯(lián)網(wǎng)和信息行業(yè)的發(fā)展，大數(shù)據(jù)引起了人們的關(guān)注。

　　大數(shù)據(jù)的應(yīng)用目前主要集中在企業(yè)經(jīng)營(yíng)決策領(lǐng)域。醫(yī)療健康是大數(shù)據(jù)應(yīng)用的又一新領(lǐng)域，但在醫(yī)學(xué)中的應(yīng)用的案例尚為數(shù)不多。本文就大數(shù)據(jù)在臨床醫(yī)學(xué)中的應(yīng)用及其應(yīng)用中可能出現(xiàn)的問(wèn)題作簡(jiǎn)要分析。有關(guān)大數(shù)據(jù)的計(jì)算機(jī)方面存儲(chǔ)技術(shù)、分析數(shù)理模型、商業(yè)應(yīng)用、軟件分析等等均不在本文討論范圍之內(nèi)。

　　大數(shù)據(jù)是什么

　　大數(shù)據(jù)指的是巨大的數(shù)據(jù)量無(wú)法通過(guò)目前主流軟件工具，在合理時(shí)間內(nèi)達(dá)到提取、管理、并整理成為有用信息。大數(shù)據(jù)到底有多大？有人估算全球平均每人產(chǎn)生200GB以上的數(shù)據(jù)。IBM的研究稱(chēng)，整個(gè)人類(lèi)文明所獲得的全部數(shù)據(jù)中，有90%是過(guò)去兩年內(nèi)產(chǎn)生的。而到了2020年，全世界所產(chǎn)生的數(shù)據(jù)規(guī)模將達(dá)到今天的44倍。信息行業(yè)常用“4V”來(lái)總結(jié)大數(shù)據(jù)的特點(diǎn)：volume（大量）、velocity（高速）、variety（多樣）、veracity（真實(shí)性）。毫無(wú)疑問(wèn)，人們更重視的是大數(shù)據(jù)的value（價(jià)值）。大數(shù)據(jù)對(duì)于投資者而言無(wú)非是資產(chǎn)和金錢(qián)的代名詞。如評(píng)估機(jī)構(gòu)評(píng)定Facebook上市的有效資產(chǎn)大部分為社交網(wǎng)站的數(shù)據(jù)。因此，在某種程度上可以認(rèn)為，大數(shù)據(jù)是一種新技術(shù)、新理念，也是一種新產(chǎn)業(yè)：通過(guò)“加工”實(shí)現(xiàn)數(shù)據(jù)的“增值”。

　　關(guān)于大數(shù)據(jù)的應(yīng)用，“大數(shù)據(jù)商業(yè)應(yīng)用第一人”維克托·邁爾-舍恩伯格在其《大數(shù)據(jù)時(shí)代》一書(shū)中舉例甚多，主要是通過(guò)找出一個(gè)關(guān)聯(lián)物并監(jiān)控它，就可以預(yù)測(cè)未來(lái)。比如Google如何利用搜索記錄進(jìn)行數(shù)據(jù)挖掘從而預(yù)測(cè)流感爆發(fā)趨勢(shì)、亞馬遜商店利用購(gòu)買(mǎi)和瀏覽記錄數(shù)據(jù)進(jìn)行針對(duì)性購(gòu)買(mǎi)推薦以提升銷(xiāo)售量等等。

　　我國(guó)醫(yī)學(xué)大數(shù)據(jù)的產(chǎn)生背景

　　既往我國(guó)大多是醫(yī)療機(jī)構(gòu)均采用紙質(zhì)文件記錄醫(yī)療數(shù)據(jù)及醫(yī)療活動(dòng)，這些紙質(zhì)文件數(shù)據(jù)屬于非結(jié)構(gòu)化數(shù)據(jù)，利用起來(lái)非常困難，雖然早就有巨大的數(shù)據(jù)量，但無(wú)法利用。近年來(lái)，我國(guó)衛(wèi)生行政部門(mén)大力推進(jìn)以健康檔案、電子病歷和公共服務(wù)信息平臺(tái)為基礎(chǔ)的區(qū)域衛(wèi)生信息化建設(shè)工作。2010年“十二五”衛(wèi)生信息化建設(shè)工程規(guī)劃編制工作初步確定了我國(guó)衛(wèi)生信息化建設(shè)路線圖。隨著衛(wèi)生信息化建設(shè)的不斷成熟，醫(yī)療相關(guān)的大數(shù)據(jù)也在急劇增加。醫(yī)院信息管理系統(tǒng)（HIS），主要包括電子病歷信息系統(tǒng)（醫(yī)囑、病程記錄、護(hù)理記錄等）、實(shí)驗(yàn)室信息管理系統(tǒng)（檢驗(yàn)報(bào)告）、醫(yī)學(xué)影像系統(tǒng)（各種醫(yī)學(xué)影像如MRI、CT、X光片等），這些系統(tǒng)幾乎每分每秒都在產(chǎn)生電子化數(shù)據(jù)，數(shù)據(jù)量實(shí)在是太大、增長(zhǎng)太快，數(shù)據(jù)量從MB到GB，從TB 到PB，對(duì)數(shù)據(jù)處理的實(shí)時(shí)性、有效性提出更高要求，傳統(tǒng)的分析技術(shù)無(wú)法應(yīng)付。

　　醫(yī)療大數(shù)據(jù)的價(jià)值及應(yīng)用前景

　　面對(duì)如此巨大的信息量，如何衡量信息的價(jià)值，及時(shí)有效地篩選出對(duì)醫(yī)療工作有用的信息成為重要課題。在我國(guó)，龐大的患者數(shù)量使中國(guó)躍居世界上擁有潛在規(guī)模最大臨床數(shù)據(jù)資源的國(guó)家，如何有效地存儲(chǔ)并利用數(shù)據(jù)的問(wèn)題更為突出。大數(shù)據(jù)的應(yīng)用可產(chǎn)生很高的衛(wèi)生經(jīng)濟(jì)價(jià)值。中國(guó)工程院院士、國(guó)家863計(jì)劃監(jiān)督委員會(huì)副主任、國(guó)家物聯(lián)網(wǎng)標(biāo)準(zhǔn)化專(zhuān)家委員會(huì)組長(zhǎng)鄔賀銓贊同“大數(shù)據(jù)是新財(cái)富，價(jià)值堪比石油”的觀點(diǎn)，他認(rèn)為“醫(yī)療大數(shù)據(jù)具體可應(yīng)用在臨床診斷、遠(yuǎn)程監(jiān)控、藥品研發(fā)、防止醫(yī)療詐騙等方面?！彼J(rèn)為，對(duì)病人的大數(shù)據(jù)進(jìn)行分析，可以精準(zhǔn)地分析病人的體征、治療費(fèi)用和療效數(shù)據(jù)，可避免過(guò)度治療。通過(guò)進(jìn)一步比較各種治療措施的效果，醫(yī)生可更好地確定臨床最有效、效益最好的治療方法。有人提出應(yīng)用大數(shù)據(jù)對(duì)制定預(yù)防艾滋病的方案有一定的價(jià)值。人們還注意到在中醫(yī)方面也可能有潛在的應(yīng)用。隨著人們健康意識(shí)的不斷提高，新技術(shù)、新藥物的不斷涌現(xiàn)，二十一世紀(jì)也是醫(yī)療支出不斷攀升的時(shí)代。目前在整個(gè)醫(yī)療管理、醫(yī)學(xué)界方面都在經(jīng)歷著一場(chǎng)又一場(chǎng)的變革，以適應(yīng)人民群眾日益增長(zhǎng)的健康需求及國(guó)家對(duì)衛(wèi)生經(jīng)濟(jì)學(xué)成本效益的要求。

　　總的來(lái)說(shuō)，大數(shù)據(jù)在醫(yī)療中的應(yīng)用主要有以下幾個(gè)方面：1）發(fā)現(xiàn)新知識(shí)、新規(guī)律：在臨床工作和科學(xué)研究中，我們可獲取大量實(shí)驗(yàn)樣品、組織切片、基因芯片的數(shù)據(jù)。對(duì)這些前所未有的大量數(shù)據(jù)進(jìn)行挖掘，可能有機(jī)會(huì)發(fā)現(xiàn)與疾病相關(guān)的新靶點(diǎn)或新分子標(biāo)記物。2）制定個(gè)性化治療方案：同樣道理，整合不同來(lái)源的數(shù)據(jù)信息包括來(lái)自臨床治療、基因組測(cè)序、組織形態(tài)的大數(shù)據(jù)分析使為每個(gè)患者量身定制治療方案成為可能，為個(gè)性化醫(yī)學(xué)（personalizedmedicine）帶來(lái)新的動(dòng)力。3）推動(dòng)循證醫(yī)學(xué)的二次發(fā)展：傳統(tǒng)而言，臨床醫(yī)生往往根據(jù)其具體背景和經(jīng)驗(yàn)作出診斷和治療。采用大數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，作出更為精確的臨床診斷和發(fā)現(xiàn)切實(shí)可行的治療方案，也是循證醫(yī)學(xué)的體現(xiàn)。

　　醫(yī)學(xué)大數(shù)據(jù)時(shí)代的數(shù)據(jù)管理及整合

　　然而，大數(shù)據(jù)在醫(yī)學(xué)的應(yīng)用中，離不開(kāi)一個(gè)核心問(wèn)題，那就是數(shù)據(jù)源。上文所述的這些方方面面的大數(shù)據(jù)醫(yī)學(xué)應(yīng)用，歸根結(jié)底需要結(jié)局（outcome）方面的數(shù)據(jù)。沒(méi)有結(jié)局?jǐn)?shù)據(jù)，也就無(wú)法評(píng)判治療方案的好壞，利用大數(shù)據(jù)也就成為空談。然而，由于種種原因，這方面的數(shù)據(jù)常常不完整。特別是藥物的療效、患者生活質(zhì)量、腫瘤患者的生存狀況等等，常常缺乏相關(guān)信息，或信息沒(méi)有標(biāo)準(zhǔn)化而無(wú)法利用。因此，醫(yī)學(xué)大數(shù)據(jù)的管理首先要解決數(shù)據(jù)缺失的問(wèn)題。

　　有效的隨訪是獲取結(jié)局?jǐn)?shù)據(jù)的主要方法。筆者所在的中山六院的單病種數(shù)據(jù)庫(kù)始建于1994年，目前包括有結(jié)直腸癌、胃癌、炎癥性腸病、腹腔鏡等單病種臨床數(shù)據(jù)庫(kù)，記錄完善的臨床資料，并成立了隨訪辦公室，有專(zhuān)職的隨訪人員對(duì)患者進(jìn)行前瞻性隨訪，定期通過(guò)電話、信件等聯(lián)系方式跟蹤，隨訪率達(dá)到98%以上。

　　隨訪數(shù)據(jù)，尤其是腫瘤患者的生存狀況，作為療效數(shù)據(jù)的一個(gè)部分，具有相當(dāng)大的研究分析價(jià)值。在大數(shù)據(jù)時(shí)代，如何設(shè)計(jì)完善合理的隨訪流程，保證有效地收集隨訪數(shù)據(jù)，保證隨訪數(shù)據(jù)完整時(shí)值得每個(gè)數(shù)據(jù)庫(kù)管理者思考的重要問(wèn)題。目前我院的隨訪體系包括定期通過(guò)電話、信件等聯(lián)系方式跟蹤，設(shè)置隨訪人員可從系統(tǒng)上瀏覽到病患的相關(guān)資料（一般資料、手術(shù)資料、化療資料、放療資料、備注等）。住院病人術(shù)后返院隨診，可以得知患者復(fù)發(fā)、轉(zhuǎn)移的情況。然而，在相當(dāng)多的單位，甚至包括我院在過(guò)去的隨訪系統(tǒng)也存在很多問(wèn)題，比如患者回院治療、看門(mén)診等，患者離院后病歷就隨之而去，因而導(dǎo)致大量的關(guān)鍵數(shù)據(jù)流失。數(shù)據(jù)的缺失，是很多數(shù)據(jù)成為垃圾。

　　另一方面，醫(yī)學(xué)大數(shù)據(jù)的管理還要解決數(shù)據(jù)孤島的問(wèn)題。在傳統(tǒng)模式下，數(shù)據(jù)多數(shù)是由不同的應(yīng)用程序搜集到的，存儲(chǔ)格式不一，無(wú)法彼此兼容、無(wú)法整合，各個(gè)數(shù)據(jù)庫(kù)就像一個(gè)個(gè)相互隔離的島嶼，由此產(chǎn)生了“數(shù)據(jù)孤島”的概念。簡(jiǎn)單舉例：比如我國(guó)人口死亡登記系統(tǒng)實(shí)際上保存著大量的、相對(duì)準(zhǔn)確的人口死亡信息，包括死亡日期和死亡原因等，這些數(shù)據(jù)對(duì)于評(píng)價(jià)臨床醫(yī)療結(jié)局無(wú)疑是寶貴的原始資料。但是由于各種原因，這部分?jǐn)?shù)據(jù)與醫(yī)院的醫(yī)療方面的數(shù)據(jù)至今無(wú)法整合，令人惋惜。這方面可以借鑒美國(guó)SEER數(shù)據(jù)庫(kù)（Surveillance、Epidemiology、End Results）的經(jīng)驗(yàn)。該數(shù)據(jù)庫(kù)在美國(guó)國(guó)立癌癥中心（NCI）的管理下，能夠把各種數(shù)據(jù)資源有效整合，從而產(chǎn)生大量有意義的臨床統(tǒng)計(jì)分析數(shù)據(jù)，如尸檢報(bào)告、細(xì)胞學(xué)檢查報(bào)告、死亡證明、醫(yī)院記錄、隨訪記錄、訃告、腫瘤報(bào)告、病理報(bào)告、放療報(bào)告、手術(shù)信息等等。我國(guó)在這方面也有很長(zhǎng)的路要走。

　　產(chǎn)生數(shù)據(jù)孤島的主要原因是信息儲(chǔ)存的標(biāo)準(zhǔn)和系統(tǒng)建設(shè)不統(tǒng)一，勉強(qiáng)整合也會(huì)產(chǎn)生無(wú)法辨別數(shù)據(jù)質(zhì)量的問(wèn)題，產(chǎn)生“數(shù)據(jù)污染”。在大數(shù)據(jù)時(shí)代，數(shù)據(jù)不僅僅表現(xiàn)為存儲(chǔ)容量大，而且表現(xiàn)在數(shù)據(jù)來(lái)源更為廣泛，目前已經(jīng)從以前單一的紙質(zhì)數(shù)據(jù)，增加了電子化病歷數(shù)據(jù)、便攜式設(shè)備產(chǎn)生的數(shù)據(jù)（如iPad、iPhone等）以及可穿戴設(shè)備（如可檢測(cè)生命體征或其他生物學(xué)特征的腕表）等等。因此，在大數(shù)據(jù)時(shí)代，更應(yīng)該重視數(shù)據(jù)的前瞻性管理，而不能只是滿足于亡羊補(bǔ)牢式的數(shù)據(jù)治理。首先需要制定統(tǒng)一的數(shù)據(jù)存儲(chǔ)內(nèi)容的基本規(guī)范，比如根據(jù)我國(guó)人口眾多的特點(diǎn)，采用“姓名+身份證”作為識(shí)別每一例患者的關(guān)鍵信息，即在任何一個(gè)數(shù)據(jù)集里，每一條記錄必須包含這兩個(gè)信息，以便各個(gè)數(shù)據(jù)庫(kù)之間進(jìn)行合并。其次是在每個(gè)數(shù)據(jù)庫(kù)建立時(shí)就制定每個(gè)數(shù)據(jù)的標(biāo)準(zhǔn)定義。說(shuō)到數(shù)據(jù)整合，醫(yī)學(xué)科研人員很容易想到meta分析。大數(shù)據(jù)的數(shù)據(jù)整合與meta分析當(dāng)然不是一個(gè)范疇的問(wèn)題，但也有其共性。在進(jìn)行meta分析時(shí)碰到的一個(gè)極為重要的問(wèn)題就是變量的定義是否統(tǒng)一，這直接關(guān)系到文獻(xiàn)的納入與剔除。此問(wèn)題非常普遍，例如有文獻(xiàn)指出，在已發(fā)表的醫(yī)學(xué)論著中anastomotic leak（吻合口瘺）就有56種不同的定義。同樣道理，在大數(shù)據(jù)時(shí)代，進(jìn)行數(shù)據(jù)合并也要注意這個(gè)問(wèn)題，不能將蘋(píng)果與橙子作比較，更不能將兩者合并。因此，在數(shù)據(jù)庫(kù)的建設(shè)初始就要對(duì)每個(gè)變量進(jìn)行嚴(yán)格定義，這點(diǎn)在醫(yī)學(xué)數(shù)據(jù)中尤為突出，與其他的企業(yè)管理、財(cái)務(wù)信息的數(shù)據(jù)庫(kù)不一樣；最后，要制定各單位、各部門(mén)之間數(shù)據(jù)交換的基本規(guī)則，互惠互利是前提和基本原則。

　　大數(shù)據(jù)的爭(zhēng)議

　　更多的數(shù)據(jù)就意味著更多的信息嗎？答案不是絕對(duì)的。一百萬(wàn)條記錄包含的信息量也許與1條記錄相差無(wú)幾。大數(shù)據(jù)的優(yōu)勢(shì)不能簡(jiǎn)單理解為就是“大”，“大”不一定比“小”好。大量數(shù)據(jù)的出現(xiàn)不可避免也帶來(lái)了很多質(zhì)疑。如上文所述的數(shù)據(jù)孤島、非結(jié)構(gòu)化數(shù)據(jù)（指手寫(xiě)文書(shū)、照片、影像、錄像等）的處理、數(shù)據(jù)標(biāo)準(zhǔn)化等問(wèn)題。另外，數(shù)據(jù)分析方式仍為傳統(tǒng)的統(tǒng)計(jì)模型。神經(jīng)網(wǎng)絡(luò)、SVM、聚類(lèi)算法等機(jī)器學(xué)習(xí)界10-20年前提出的，以及統(tǒng)計(jì)學(xué)界早已成熟的回歸分析、相關(guān)性分析等，現(xiàn)在依然是處理大數(shù)據(jù)的主流技術(shù)。

　　重視數(shù)據(jù)質(zhì)量、避免數(shù)據(jù)污染也是極為重要的一個(gè)方面。傳統(tǒng)的統(tǒng)計(jì)學(xué)分析強(qiáng)調(diào)數(shù)據(jù)抽樣的無(wú)偏性、隨機(jī)性、代表性。然而在大數(shù)據(jù)時(shí)代，人們?nèi)菀缀?jiǎn)單地認(rèn)為大數(shù)據(jù)是全樣本，就不用去管數(shù)據(jù)的質(zhì)量，只要把收集的“大數(shù)據(jù)”簡(jiǎn)單統(tǒng)計(jì)一下就可以了，這無(wú)疑是非常危險(xiǎn)的一個(gè)趨勢(shì)。希望從毫無(wú)質(zhì)量可言的數(shù)據(jù)中發(fā)掘到有用的信息無(wú)疑于緣木求魚(yú)。數(shù)據(jù)庫(kù)的數(shù)量和挖掘到的信息量沒(méi)有任何關(guān)系，進(jìn)進(jìn)出出的都是垃圾。

　　小結(jié)

　　總的來(lái)說(shuō)，大數(shù)據(jù)的出現(xiàn)一定程度上滿足了人們對(duì)信息量的追求，筆者認(rèn)為，大數(shù)據(jù)有以下幾個(gè)創(chuàng)新：首先，對(duì)于一些以前看來(lái)雜亂無(wú)章的無(wú)用數(shù)據(jù)，大數(shù)據(jù)似乎能夠化腐朽為神奇。其次，大數(shù)據(jù)的出現(xiàn)使人們不再滿足于抽樣計(jì)算，而追求總體本身。最后，海量數(shù)據(jù)結(jié)合飛速發(fā)展的計(jì)算機(jī)技術(shù)以及統(tǒng)計(jì)學(xué)方法，可以更精確、更全面地預(yù)測(cè)臨床療效、臨床結(jié)局、治療費(fèi)用等。然而，正如上文所提到的，大數(shù)據(jù)也有其顯而易見(jiàn)的局限性。對(duì)于大部分臨床醫(yī)療人員來(lái)說(shuō)，目前大數(shù)據(jù)仍然是比較新鮮的事物，也沒(méi)有大數(shù)據(jù)在臨床醫(yī)療中成功應(yīng)用的顯著案例。因此，我們既要保證有開(kāi)放的思維和態(tài)度，也要有慎思明辨的意識(shí)，不要趨之若鶩，從現(xiàn)在開(kāi)始進(jìn)行數(shù)據(jù)治理，重視數(shù)據(jù)的前瞻性管理，這樣才能夠淘沙撿金，發(fā)掘出對(duì)提高人們健康水平和臨床療效的有用信息。