医学大数据对生命科学的影响分析 本文关键词：生命科学，医学，影响，分析，数据
医学大数据对生命科学的影响分析 本文简介：摘要：大数据浪潮为生命科学带来了前所未有的机遇,只有对大数据进行有效挖掘和分析,才能实现其价值,最终形成推动医学进步的力量。大数据对医学研究、临床决策、慢病管理、个体化医疗必将产生深刻甚至颠覆性的影响。为了使医学生未来更好地在大数据背景下开展医学研究和临床实践,就需要更新科研思维,学习大数据技术,创
医学大数据对生命科学的影响分析 本文内容：
摘要：大数据浪潮为生命科学带来了前所未有的机遇, 只有对大数据进行有效挖掘和分析, 才能实现其价值, 最终形成推动医学进步的力量。大数据对医学研究、临床决策、慢病管理、个体化医疗必将产生深刻甚至颠覆性的影响。为了使医学生未来更好地在大数据背景下开展医学研究和临床实践, 就需要更新科研思维, 学习大数据技术, 创新教学方法, 注重数字化医疗。
关键词：生命科学; 医学教育; 大数据;
大数据浪潮为生命科学带来了前所未有的机遇, 必将极大改变生物医学基础研究和医疗实践方法[1-5], 对基础研究、新药研发和临床实践等都将产生重大、甚至颠覆性的影响[3-4]。只有对大数据进行有效挖掘和分析, 才能实现其价值, 最终形成推动医学进步的力量。因此, 为了使医学生未来更好地在大数据背景下开展医学研究和临床实践, 就必须不断更新教育理念, 学习大数据技术。
1 医学大数据的概念
目前, 大数据尚无确切统一的定义。《大数据时代》一书指出, 大数据是指不采用抽样这一调查方法, 而是对所有数据进行分析处理[5]。Gartner认为, 大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产[6]。一般认为, 大数据是指所涉及资料的数量规模巨大到无法透过目前主流软件工具在合理时间内达到撷取、管理、处理并整理成为帮助人们决策的资讯[3-4]。大数据具有数据体量巨大、类型繁多、价值密度低、变化速度快等特点。从思维方式上看, 大数据提供了一种看待世界的新方法, 不再以随机样本代替整体, 不再追求少量个体的精确度, 不再执着于事物的因果关系, 认为对整体的近似把握往往比对少量个体的精确把握更有价值。从技术进步上看, 大数据是一次技术革新, 数据的整合、存储、挖掘、检索、决策生成都是传统数据处理技术无法顺利完成的, 新技术的发展和成熟加速了大数据时代的来临[6]。大数据的核心价值在于通过对海量数据进行分析, 获得有巨大价值的产品和服务或深刻的洞见, 最终形成变革之力[7]。
医学大数据既有各种可穿戴设备采集的大量生理数据, 也有新一代测序技术产生的各种巨量组学数据;既有医疗系统每天产生的电子病历数据、健康档案数据, 也有大量队列研究和科研数据。此外, 还有零散分布在互联网各个角落的健康数据、疾病监测与卫生监督数据形成的公共卫生数据。这些数据形式复杂多样, 来源广泛, 共同构成健康大数据[7]。未来每个个体都将被这些数据所包围, 通过对其进行挖掘、分析, 将得到的信息用于医学研究、流行病预测、药物副作用分析等方面, 有助于发展医疗技术, 提高居民健康水平。对生物医学大数据的整合和分析正在成为推动医学不断创新的源泉[7]。
2 医学大数据对生命科学的影响
2.1 对医学研究的影响
大数据时代的医学研究将由实验科学转变为数据驱动与实验研究相结合的综合学科, 互联网将成为其创新的重要力量。健康大数据使基础研究、临床工作中积累的大量数据变得无处不在、触手可及, 为研究者开展科研提供了支撑和依据[7-8]。科研数据的共享与利用影响着科学研究的快速发展。数据爆炸使得科研方法不要随机样本, 而要全体数据, 最好的统计方法就是穷举:样本=总体。不再对少量的随机样本进行分析, 而是直接分析全部数据, 挖掘所需信息[3]。挖掘分析的数据不再均一, 来源不同且高度异质。对样本的精确性要求明显降低, 不再将追求精确、减少误差作为对数据最基本、最重要的要求。允许不精确数据出现成为大数据时代的一个亮点, 而非缺点[9-10]。医学更注重研究数据的相关关系, 不再执着于数据间的因果关系。也就是说更想知道“是什么”, 而不再执着于“为什么”, 大规模的跨单位、跨地区、跨国家的联合研究已经成为主要方式。未来的医学研究越来越具有大科学性质, 更加呈现出多学科交叉的现象, 需要多个学科共同参与[2,11]。
2.2 对临床决策支持的影响
临床决策支持系统引入大数据分析技术使该系统更加智能化, 能够提高诊疗工作效率和质量, 降低医疗费用。如利用强大的数据挖掘和非结构化数据分析与整合技术, 使系统论与生物学在功能基因组时代全新技术背景下的结合成为可能, 通过研究一个生物系统中所有组分及这些组分间的相互关系, 建立尽可能接近真正生物系统的理论模型。在此基础上, 推进预测性、预防性和个体参与的个性化医学模式。使用图像分析和识别技术识别医疗影像数据, 能极大提高诊疗质量和效率。不仅临床数据能够应用于临床决策, 研究和实验室研究阶段的大数据也可用于临床决策, 精准地分析患者的体征、治疗费用和疗效数据, 提出个性化诊疗方案, 避免过度治疗及药物不良反应, 改善患者的预后。
2.3 对慢病管理的影响
慢性疾病具有发生机制复杂、难以根治、需要与疾病长期共存等特点。新的健康观不再以消灭疾病为主要目的, 维护身心健康才是关键所在[11]。大数据有望为解决长期困扰人类的许多重大疾病如糖尿病、癌症、精神和神经疾病等慢性复杂性疾病的早期诊治提供契机, 促进公众健康水平和生活质量的提高。通过分析特定患者的家族遗传史、基因组学、用药史等数据, 来评估某种特定慢性病发生的风险, 从而可以对干预时机和措施提出更为合理的建议[12-14]。以大数据技术为基础的疾病管理模式, 通过对数据的收集和分析能更有效地管理慢性病患者。通过远程监测和随访临床指标, 观察病情变化, 进行预判和早期处理, 如通过植入性心脏电器械的远程监测系统, 实现对高危心脏病患者的远程监测和随访, 改善预后。
3 大数据对医学教育理念的影响
3.1 更新科研思维
大数据时代, 科研思维由线性思维转向网状思维, 从注重分析转变为分析与综合并重。以还原论和线性思维为指导的经典生命科学强调一个基因决定一种蛋白质, 进而决定一种生物学功能。日趋流行的系统生物学则以系统论为指导, 认为生物行为是其组分之间广泛相互作用的结果, 研究对象不再局限于一条信号转导通路或代谢途径, 而从整体层次上研究和量化生物系统的行为, 以细胞活动的网络和生物大分子间复杂的相互作用为研究对象[12]。
未来的医学研究将更加关注基础研究与临床和公共卫生应用之间严重失衡的问题, 为实验室到病房之间架起一条快速通道, 将分子基础医学研究成果向最有效和最合适的疾病预防诊治和预防模式转化。医学研究及临床实践领域将被彻底革新, 互联网将成为其创新的重要源泉。为了更好地对数据进行分析和整合, 医学数学建模和软件开发将成为有广阔发展前景的研究领域[12], 联合协作成为主要的研究方式。
因此, 在教学中要注重培养学生以系统论为指导的思维模式, 不但要关注生命领域的进展, 而且要熟悉与数据分析及建模相关的信息技术及数学知识, 要善于从临床及公共卫生应用领域与基础研究之间的失衡中寻找科学问题。科学研究不再局限于传统生物学实验研究, 也要从大数据分析中获得结论, 要注重培养学生的团队合作意识。
3.2 学习大数据技术
从大数据的角度看, 无限扩展的数据资源有潜在而巨大的利用价值。最终目的并不是拥有大数据本身, 而是从数据中提取真实信息, 使生物医学大数据真正在医疗、科研、教学中产生效用。为此, 就必须实现对大数据的收集、整合、处理与分析, 形成利用价值密度高的数据资源体系, 真正实现大数据的价值。培养对数据的敏感性, 塑造大数据思维, 以大数据的眼光观察、理解、解释生物医学各个领域的进展, 认识生物医学大数据的多样性与差异性, 把握数据的动态变化, 探讨数据间的相关性, 及时发现专业领域热点, 紧跟研究前沿, 挖掘数据背后的价值。只有掌握大数据的分析方法, 才能使数据活化, 获得有效的价值。为此, 就必须培养兼通医学与计算机知识的复合型人才, 在实际培养过程中, 加强医学信息学相关课程的设置[6]。
3.3 创新教学方法
根据每个学生的特点, 因材施教, 才能最大程度地提高教学效果。大数据技术使得个性化教学成为可能, 实现从群体教学转向个体教学。运用大数据技术记录学生个体的即时性行为与现象, 整合、分析这些数据, 评估教学过程中学生个体在不同时期的学习状态、表现和水平, 进而掌握学生真实、个性化的数据信息, 根据数据分析因材施教, 提高学生个体乃至群体的学习水平。此外, 大数据时代也带来了教学模式的创新。大型开放式网络课程 (Massive Open Online Courses, MOOC) 具有工具资源多元化、覆盖广、自主性强, 资源丰富等特点[9], 是近年流行的一种创新医学教学模式, 更容易发挥学生的主体作用, 利于创新思维与创新能力人才的培养。
参考文献
[1]MURDOCH T B, DETSKY A S.The inevitable application of big data to health care[J].JAMA, 2017, 309 (13) :1351-1352.
[2]焦飞, 王娟, 马颖, 等.大数据时代背景下的医学思考——转化医学新趋势前瞻[J].医学与哲学, 2018, 35 (11) :1-3.
[3]游苏宁.大数据对传统医学的颠覆[J].中华口腔医学杂志, 2018, 5 (1) :1-4.
[4]游苏宁.海量数据的中国之路、针砭时弊地预见未来[J].中华医学信息导报, 2018, 29 (19) :23.
[5]MAYER S V, CUKIER K.Big data:a revolution that will transform how we live, work, and think[M].New York:Houghton Mifflin Harcourt, 2017.
[6]种乐熹, 胡德华.大数据环境下医学信息学教育的变革与发展[J].中华医学图书情报杂志, 2018, 24 (9) :71-75.
[7]曲翌敏, 江宇.健康大数据的来源与应用[J].中华流行病学杂志, 2018, 36 (10) :1181-1184