「CHC2017」健康醫療大數據需要中國方案

昨日，在健康醫療大數據高端論壇上，多位專家普遍認為大數據時代充滿了機遇與挑戰，我們應充分利用大數據時代的高速發展，將其應用在健康醫療領域中，造福人類。中國工程院院士胡盛壽認為，健康醫療大數據是國家重要基礎戰略性資源，需要中國的方案，並在國際上發聲。

國家衛生計生委副主任金小桃介紹，國家健康醫療大數據發展有三大目標：提高群眾獲得感，助力醫改，促進經濟發展新動力。

Harlan M. Krumholz：愚公移山，改變思考和做事方式

美國國家科學院院士、耶魯大學醫學院醫療結果評價研究中心主任Harlan M. Krumholz 認為，醫學正在成為一門信息科學，而如何將大數據與醫療行業完

美結合，目前看來機遇與挑戰並存。

Krumholz表示，數據每天都在源源不斷的產生，在數字化時代需要思考如何利用這些數據重新建立各類方法和系統來幫助醫學的發展。

Krumholz 認為，目前醫學研究機構的信息並不能滿足患者、臨床醫生、管理者以及決策者的需求。他引用了「愚公移山」的故事，我們目前思考的方式和做事的方式是愚公面前的兩座大山， 我們必須有所改變才可以將兩座大山移走，而他也堅信未來中國有能力成為此領域最有影響力的國家之一，作為知識輸出大國，為全世界人民健康事業做出貢獻。

George A. Mensah：患者應處於大數據應用的中心

美國NIH 心肺血液研究所轉化研究與應用科學中心主任George A. Mensah 博士

介紹說，醫療中的大數據即為測量到的生物、臨床、環境、行為和生活方式的信息。然而，在實際中我們淹沒在海量數據中，處理事情的壓力也隨之增加。在這一過程中，我們需要解決的難點主要有以下幾點：第一，確保數據的質量、採集、和諧、處理、可視化和互操作性；第二，利用計算工具來改善數據存取，促進數據分析；第三，在決策支持上應有容易使用的、直觀的設備與兼容的格式；第四，對於個人醫療，使用能夠跟蹤患者信息並快速提供反饋的工具；第五，制定並落實隱私保護和數據分享政策；最後，健康數據很多，但健康數據分析人員數量不足，應加強相關培訓與教育。

在保健和健康研究中，患者須處於大數據應用的中心。舉例來說，中國農村的血脂異常患病率高，但知曉、治療和控制率低；高血壓在中國成年人中很普遍，但知曉、治療和控制的情況差。所以，亟需用更新、更好的方法來充分利用大數據，建立一個交互的、可移動的健康管理系統，從而進一步管理好居民的健康。

沃森健康首席創新科學官：人工智慧已進入認知計算時代

IBM 副總裁兼沃森健康首席創新科學官 Shahram Ebadollahi 博士指出，如今全

世界健康醫療醫療數據已經達到了150 EB，而且每73 天就翻一倍，這些數據已經不能再使用傳統的編程方式進行數據分析，我們必須使用更自動化的模型與方式和數據進行溝通。

人工智慧在2010 年後進入了「文藝復興」時代，從2011 年起，我們也進入了認知計算時代。認知計算的重要特點就是通過機器學習等演算法可以使得計算機更加理解各類健康醫療大數據，如基因數據，理解醫學影像數據等，通過不斷加入的數據可以學習數據發展和結局之間的關係等，並能使用友好的界面與人進行交互。未來的醫療會以知識和數據同時作為驅動點，從而達到縮小知識轉化的鴻溝，以及利用數據和演算法提供出真實世界的證據。

易丹輝：所有數據必須做到可分析

中國人民大學統計學院易丹輝教授認為，健康醫療大數據是全民健康的全生命周期大數據，混雜因素和維度都大大超出傳統的數據形式，如何能從海量數據中尋找出規律及重要因素是目前最大的困難。

目前國內外在技術上還面臨著巨大挑戰。在建設健康醫療大數據平台的時候，首先要做到理解，其次要目的明確，針對人群的預防、治療、預後、康復、健康管理進行數據的採集、整合與分析。針對心血管病領域，主要針對醫療質量與評價，互聯網診療服務，疾病防治及健康管理活動開展。

解決上述問題需要做到建設整個平台時要圍繞著數據分析來搭建功能模塊，因為最終所有數據必須做到可分析，從數據採集開始就要便於提取、形成分析資料庫，要做到可以跨庫查詢，不止要收集有截面的數據，還有收集動態的數據，如果沒有可靠有用的數據，有再多的方法都無法使用。

易丹輝教授認為，分析的效果往往由數據的質量決定，數據質量是分析的命脈，數據來源必須真實、客觀，原有數據融合、數據的加工、處理、標準化都要保證可靠性，監測數據異常的方法以及解決數據缺失、不平衡的辦法。

陳寧：2017 年是人工智慧元年

清華大學信息國家實驗室生物信息學研究部陳寧博士認為，2017 年是人工智慧應用的元年。

陳博士認為，一些問題在一定程度上限制了人工智慧生物醫學大數據分析中的應用，具體包括，生物醫學數據本身複雜多樣，維度高、雜訊多、 多模態、非結構化；用人工智慧技術對臨床醫生的隱性知識和臨床技能進行建模難度很大；深度學習是以診斷為目的的黑盒子，導致醫師缺乏信任；若要得到統計顯著的結果，需要專家標註及交互學習。

但她相信隨著人工智慧水平的不斷發展，未來人工智慧將與生物醫學大數據分析更好地結合，共同服務於醫學診斷和治療等領域。她介紹了人工智慧在生

物醫學大數據中的應用：（1）深度學習在預測增強子序列、染色體開放區域、醫療費用預測、癌症亞型聚類任務中效果顯著；（2）自然語言處理技術幫助理解電子病歷及實現輔助診斷，包括概念發現、癥狀選取和智能輔助診斷系統等過程；（3）統計學習技術應用在微生物宏基因組學，如大規模序列聚類軟體DACE，使用mLDM層次貝葉斯模型探索微生物與人體（環境）的相互作用

關係。

江瑞：生命過程是多組學的交融

清華大學醫療健康大數據中心副主任江瑞教授認為，「生命過程是多組學的交融」。具體來說，生命過程包括以下組學：社交圖譜和表型組、感測器和生理組、影響和解剖組、基因組、轉錄組、蛋白組、代謝組、微生物組、表觀基因組以及暴露組。這些組學構成的龐大數據集合給數據計算帶來了新的挑戰， 如ENCODE 網站中的20 萬個文件壓縮後的大小為250T，常規的伺服器配置無法承擔如此大規模的計算任務，因此，大數據平台在組學上的應用得到了快速發展。大數據平台是將高性能架構、大數據架構和深度學習架構合而為一的智能系統，目前國內外已有多家單位部署了大數據平台，如美國的斯坦福大學，國內的清華大學和中科院數學所等。

江教授對遺傳學與基因組學大數據智能整合分析進行了總結，提出了一個主旨——即用智能與系統的方法研究生物醫學問題、兩個基礎——即生物醫學大數據和人工智慧、兩條主線——即基因組學和醫學遺傳學，以及一個結合點——即複雜生物網路實現遺傳學與基因組學大數據的智能整合。相信大數據的智能整合分析將使人們在基因水平上對疾病的理解更加深刻、更加準確。

轉載：請標明「中國循環雜誌」

歡迎購買圖書《中國心血管病報告 2016》

關於非法網站冒用我刊名義進行徵稿的特別提醒

近期我們發現一些網站冒用「中國循環雜誌」名義徵稿，並承諾「職稱論文權威快速發表」。

我刊鄭重提醒各位作者，向《中國循環雜誌》投稿，一定要登錄中國循環雜誌官方網站

http://www.chinacirculation.org

進入「作者投稿」，在「作者投稿管理平台」中投稿。

本刊聯繫電話：010-68331974

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！