隨著信息技術(shù)的快速發(fā)展，各類數(shù)據(jù)急劇增長，數(shù)據(jù)資源與自然資源一樣，已成為重要的戰(zhàn)略資源，人類社會進(jìn)入大數(shù)據(jù)時(shí)代。大數(shù)據(jù)時(shí)代下的醫(yī)療活動，如就診治療、醫(yī)學(xué)研究、健康保健和衛(wèi)生管理等，時(shí)刻在產(chǎn)生大量的醫(yī)療數(shù)據(jù)。醫(yī)療大數(shù)據(jù)是醫(yī)生對患者進(jìn)行診斷和治療過程中產(chǎn)生的數(shù)據(jù)，包括患者基本數(shù)據(jù)、電子病歷、診療數(shù)據(jù)、醫(yī)學(xué)影像數(shù)據(jù)、醫(yī)學(xué)管理數(shù)據(jù)、經(jīng)濟(jì)數(shù)據(jù)、醫(yī)療設(shè)備和儀器數(shù)據(jù)等。不斷數(shù)據(jù)化的信息，在使醫(yī)院數(shù)據(jù)庫信息容量不斷膨脹的同時(shí)，也對疾病及病人的管理、控制和醫(yī)療研究起到了積極的作用，意義重大。
通過對醫(yī)療大數(shù)據(jù)的分析和加工，就可以挖掘出疾病診斷和治療、公共衛(wèi)生服務(wù)等方面的重要價(jià)值。醫(yī)療大數(shù)據(jù)的應(yīng)用并不僅僅是在信息化時(shí)代才出現(xiàn)的。早在19世紀(jì)，英國流行病學(xué)家、麻醉學(xué)家約翰·斯諾(John Snow)博士運(yùn)用近代早期的數(shù)據(jù)科學(xué)，記錄每天的死亡人數(shù)和患病人數(shù)，并將死亡者的地址標(biāo)注在地圖上，繪制了倫敦霍亂暴發(fā)的“群聚”地圖。霍亂在過去被普遍認(rèn)為是由“有害”空氣導(dǎo)致的。斯諾通過調(diào)查數(shù)據(jù)的匯總，確定了霍亂的元兇是被污染的公共水井，并同時(shí)奠定了疾病細(xì)菌理論的基礎(chǔ)。可以說，現(xiàn)代醫(yī)學(xué)就是基于數(shù)據(jù)的醫(yī)學(xué)，是基于大數(shù)據(jù)的醫(yī)學(xué)。醫(yī)療數(shù)據(jù)從哪里來？
隨著醫(yī)療衛(wèi)生信息化建設(shè)進(jìn)程的不斷加快，醫(yī)療數(shù)據(jù)的類型和規(guī)模也在以前所未有的速度迅猛增長。醫(yī)療大數(shù)據(jù)主要由結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)構(gòu)成，且以非結(jié)構(gòu)化數(shù)據(jù)為主。不過，如此具有特殊性、復(fù)雜性的龐大的醫(yī)療大數(shù)據(jù)，其搜集如果僅靠個(gè)人甚至個(gè)別機(jī)構(gòu)，那基本是不可能完成的任務(wù)。那么這些數(shù)據(jù)到底是怎么產(chǎn)生的？又都來自哪里呢？
經(jīng)過簡單的梳理，這些數(shù)據(jù)的來源大致可以分為4類。
1、患者就醫(yī)過程中產(chǎn)生的信息
從患者進(jìn)入醫(yī)院開始，在掛號環(huán)節(jié)便將個(gè)人姓名、年齡、住址、電話等信息輸入數(shù)據(jù)庫；隨后在就醫(yī)環(huán)節(jié)，患者的身體狀況、醫(yī)學(xué)影像等信息也將被錄入數(shù)據(jù)庫；看病結(jié)束后，在患者結(jié)算的過程中，費(fèi)用信息、報(bào)銷信息、醫(yī)保使用情況等信息被添加到醫(yī)院的數(shù)據(jù)庫中。這將形成醫(yī)療大數(shù)據(jù)最基礎(chǔ)也是最龐大的原始資源。
2、臨床醫(yī)療研究和實(shí)驗(yàn)室的數(shù)據(jù)
臨床醫(yī)療研究和實(shí)驗(yàn)室的數(shù)據(jù)整合在一起，將形成龐大的醫(yī)療數(shù)據(jù)集。一張普通的CT影像含有大約150MB的數(shù)據(jù)，一張標(biāo)準(zhǔn)病理圖的數(shù)據(jù)量則接近5GB。如果將這些數(shù)據(jù)量乘以人口數(shù)量和平均壽命，那么僅一個(gè)社區(qū)醫(yī)院累積的數(shù)據(jù)量就可達(dá)數(shù)萬億字節(jié)甚至數(shù)千萬億字節(jié)(PB)之多。
3、藥物研發(fā)產(chǎn)生的數(shù)據(jù)
藥物研發(fā)所產(chǎn)生的數(shù)據(jù)是相當(dāng)密集的，從分子設(shè)計(jì)到臨床試驗(yàn)，每個(gè)環(huán)節(jié)都會產(chǎn)生大量的數(shù)據(jù)。根據(jù)Nature Biotechnology發(fā)表的一篇論文，藥物研發(fā)過程中產(chǎn)生的數(shù)據(jù)量已經(jīng)遠(yuǎn)遠(yuǎn)超過了天文學(xué)、基因組學(xué)等領(lǐng)域。該論文中提到，到2020年，全球每年產(chǎn)生的生物醫(yī)學(xué)數(shù)據(jù)量已經(jīng)達(dá)到2.8ZB，其中大部分是藥物研發(fā)產(chǎn)生的數(shù)據(jù)。
4、智能可穿戴設(shè)備帶來的健康管理數(shù)據(jù)
隨著移動設(shè)備和移動互聯(lián)網(wǎng)的飛速發(fā)展，便攜式的可穿戴醫(yī)療設(shè)備正在普及。各種智能可穿戴設(shè)備的出現(xiàn)，使得血壓、心率、體重、體脂、血糖、心電圖等健康體征數(shù)據(jù)的監(jiān)測都變?yōu)榭赡埽瑐€(gè)體健康信息都可以直接連入互聯(lián)網(wǎng)。除健康體征數(shù)據(jù)外，還有其他智能設(shè)備收集的健康行為數(shù)據(jù)，如每天的卡路里攝入量、喝水量、步行數(shù)、運(yùn)動時(shí)間、睡眠時(shí)間等。由此將實(shí)現(xiàn)對個(gè)人健康管理數(shù)據(jù)隨時(shí)隨地的采集，而帶來的數(shù)據(jù)量將更是不可估量的。
醫(yī)療大數(shù)據(jù)有什么特性？
1、大數(shù)據(jù)的特性
規(guī)模巨大的臨床試驗(yàn)數(shù)據(jù)、疾病診斷數(shù)據(jù)及居民健康管理數(shù)據(jù)等匯聚在一起所形成的醫(yī)療大數(shù)據(jù)，已然呈現(xiàn)出其作為大數(shù)據(jù)的特性。
（1）數(shù)據(jù)規(guī)模大
一張CT影像含有大約150MB的數(shù)據(jù)，而一個(gè)基因組序列文件的大小約為750 MB，一張標(biāo)準(zhǔn)的病理圖則大得多，接近5GB。
（2）數(shù)據(jù)增長快速
一方面，醫(yī)療信息服務(wù)包含大量在線或?qū)崟r(shí)數(shù)據(jù)的分析處理，如臨床決策支持中的診斷和用藥建議、流行病分析報(bào)表生成、健康指標(biāo)預(yù)警等；另一方面，得益于信息技術(shù)的發(fā)展，越來越多的醫(yī)療信息被數(shù)字化，而未來，醫(yī)療健康領(lǐng)域數(shù)據(jù)的增長速度還將更快。
（3）數(shù)據(jù)價(jià)值巨大
毋庸置疑，數(shù)據(jù)是資源，是資產(chǎn)。醫(yī)療大數(shù)據(jù)與每個(gè)人的個(gè)人生活息息相關(guān)，對這些數(shù)據(jù)的有效利用更關(guān)系到國家乃至全球的疾病防控、新藥研發(fā)和頑疾攻克的能力。
2、醫(yī)療大數(shù)據(jù)將有的特性
除大數(shù)據(jù)所具有的特性外，醫(yī)療大數(shù)據(jù)還具有多態(tài)性、不完整性、時(shí)間性及冗余性等醫(yī)療領(lǐng)域特有的一些特性。
（1）多態(tài)性
醫(yī)療大數(shù)據(jù)包括純數(shù)據(jù)（如體檢結(jié)果、化驗(yàn)結(jié)果）、信號（如腦電信號、心電信號等）、影像（如CT影像、MRI影像等）、文字（如主訴、現(xiàn)病史、既往史、過敏史、檢測報(bào)告等），以及用于科普、咨詢的動畫、語音和視頻信息等多種形態(tài)的數(shù)據(jù)，這是區(qū)別于其他領(lǐng)域數(shù)據(jù)的最顯著特性。
（2）不完整性
醫(yī)療數(shù)據(jù)的搜集和處理過程經(jīng)常相互脫節(jié)，這使得醫(yī)療數(shù)據(jù)庫不可能對任何疾病信息都能全面反映。大量數(shù)據(jù)來源于人工記錄，導(dǎo)致數(shù)據(jù)記錄的偏差和殘缺，許多數(shù)據(jù)的表達(dá)、記錄本身也具有不確定性，病例和病案尤為突出。這些都造成了醫(yī)療大數(shù)據(jù)的不完整性。
（3）時(shí)間性
患者的就診、疾病的發(fā)病過程在時(shí)間上有一個(gè)進(jìn)度，醫(yī)學(xué)檢查的波形、影像都是時(shí)間的函數(shù)，這些都具有一定的時(shí)序性。
（4）冗余性
醫(yī)療數(shù)據(jù)量大，每天都會產(chǎn)生大量信息，其中可能包含重復(fù)、無關(guān)緊要甚至相互矛盾的記錄。其中就牽涉到數(shù)據(jù)的清洗，從海量的醫(yī)療數(shù)據(jù)中清洗出具有價(jià)值的醫(yī)療數(shù)據(jù)信息。
醫(yī)療大數(shù)據(jù)走向價(jià)值輸出
經(jīng)過數(shù)據(jù)的原始積累，并逐步走向成熟的醫(yī)療大數(shù)據(jù)，無疑將給醫(yī)療帶來巨大價(jià)值。從應(yīng)用場景來看，結(jié)合了人工智能的醫(yī)療大數(shù)據(jù)已經(jīng)在輔助診療、健康管理、藥物研發(fā)、醫(yī)學(xué)研究、醫(yī)院管理方面有了諸多成就。
1、輔助診療
通過收集醫(yī)院各信息化子系統(tǒng)的臨床數(shù)據(jù)，將疾病的表征、患者體征和治療方式的數(shù)據(jù)存儲起來，建立特定疾病的數(shù)據(jù)庫。再根據(jù)數(shù)據(jù)的智能分析，可以對患者進(jìn)行多種診療措施比較分析，制定有效的診療路徑，幫助醫(yī)生進(jìn)行決策。在輔助診療中，人工智能起到了關(guān)鍵的作用，它可以通過對知識的學(xué)習(xí)，進(jìn)一步提煉數(shù)據(jù)的價(jià)值。輔助診療的應(yīng)用場景包含一系列輔助診療工具，如電子病歷、影像組學(xué)、智能問診等。
（1）電子病歷
電子病歷是以醫(yī)療信息學(xué)為基礎(chǔ)，將以自然語言方式錄入的計(jì)算機(jī)不能識別的病歷文本、診斷結(jié)果等醫(yī)療數(shù)據(jù)，根據(jù)醫(yī)學(xué)語境使用自然語言理解、機(jī)器學(xué)習(xí)、知識圖譜技術(shù)轉(zhuǎn)換為可存儲、查詢、統(tǒng)計(jì)、分析和挖掘的數(shù)據(jù)結(jié)構(gòu)。結(jié)構(gòu)化電子病歷的優(yōu)勢十分明顯。醫(yī)生在診療過程中需要很多相關(guān)信息的輔助，最重要的信息來源是患者的各種臨床檢驗(yàn)、檢查數(shù)據(jù)。這些檢驗(yàn)、檢查數(shù)據(jù)匯入疾病數(shù)據(jù)庫之后，能夠形成疾病輔助決策支持，進(jìn)一步指導(dǎo)醫(yī)生的工作，從而準(zhǔn)確地判斷疾病，給出診療方案。
（2）影像組學(xué)
影像組學(xué)的概念起源于腫瘤學(xué)領(lǐng)域，之后其外延擴(kuò)大到整個(gè)醫(yī)學(xué)影像領(lǐng)域，即從CT影像、MRI影像、正電子發(fā)射體層成像(Positron Emission Tomography，PET)影像和單光子發(fā)射計(jì)算機(jī)體層攝影(Single Photon Emission Computed Tomography，SPECT)影像等醫(yī)學(xué)影像中高通量地提取大量影像信息，實(shí)現(xiàn)感興趣區(qū)（通常指病灶）圖像分割、特征提取與模型建立，憑借對海量影像數(shù)據(jù)信息進(jìn)行更深層次的挖掘、預(yù)測和分析來定量描述影像中的空間時(shí)間異質(zhì)性，揭示出肉眼無法識別的影像特征。影像組學(xué)可直觀地理解為將視覺影像信息轉(zhuǎn)換為深層次的特征來進(jìn)行量化研究。
理解醫(yī)學(xué)影像，提取其中具有診斷和治療決策價(jià)值的關(guān)鍵信息是診療過程中非常重要的環(huán)節(jié)。以往，醫(yī)學(xué)影像前處理和診斷需要四五名醫(yī)生參與。而基于影像組學(xué)與大數(shù)據(jù)技術(shù)，再訓(xùn)練人工智能對醫(yī)學(xué)影像進(jìn)行分析，只需要一名醫(yī)生參與質(zhì)控及確認(rèn)環(huán)節(jié)，這對提高醫(yī)療行為效率有很大幫助。將影像組學(xué)解讀為“數(shù)據(jù)語言”，人工智能輔助閱片作用于疾病早篩及診斷，已經(jīng)成為醫(yī)學(xué)影像必然的發(fā)展方向。
（3）智能問診
智能問診是模擬醫(yī)生問診流程，與患者進(jìn)行多輪交流，依據(jù)患者的癥狀提出可能出現(xiàn)的問題，反復(fù)驗(yàn)證，給出建議。智能問診可輔助基層醫(yī)生進(jìn)行初步?jīng)Q策；人機(jī)對話記錄也可作為資料，提高線下就診效率。智能問診應(yīng)用是通過收集與分析海量醫(yī)療數(shù)據(jù)、專業(yè)文獻(xiàn)，構(gòu)建醫(yī)學(xué)知識庫，經(jīng)人工智能的產(chǎn)品設(shè)計(jì)實(shí)現(xiàn)的。智能問診系統(tǒng)在該過程中收集并整理的大量癥狀描述，又可以作為訓(xùn)練數(shù)據(jù)優(yōu)化機(jī)器學(xué)習(xí)成果，從而使智能問診結(jié)果更準(zhǔn)確。大數(shù)據(jù)還為在線問診提供了技術(shù)支撐。新冠疫情下，對于有發(fā)熱、咳嗽等不適反應(yīng)的民眾，無法及時(shí)準(zhǔn)確判定自己是否感染新冠病毒，而如果所有不適的人員均前往醫(yī)院就診，勢必給醫(yī)院帶來巨大負(fù)擔(dān)，同時(shí)也將增加疫情防控工作的難度。此時(shí)，在線問診系統(tǒng)及時(shí)解答民眾對身體異常情況的疑問尤顯必要。平安智慧醫(yī)療互聯(lián)網(wǎng)醫(yī)院可支持匹配本地醫(yī)生資源，橫向可覆蓋疫情自查、疫情動態(tài)、疫情分析，以及在線預(yù)約、在線咨詢、在線診療、在線支付、藥品配送等全業(yè)務(wù)場景，縱向可支持慢病管理、孕產(chǎn)服務(wù)等?？苹?wù)，助力各級衛(wèi)生健康行政部門在疫情防控中做好互聯(lián)網(wǎng)診療咨詢服務(wù)，讓人民群眾獲得及時(shí)的健康評估和專業(yè)指導(dǎo)。盡管這些基于大數(shù)據(jù)的在線診療技術(shù)距離真正的人工智能醫(yī)療還有一定的差距，但至少讓我們看到了借助人工智能技術(shù)可以極大地改善醫(yī)療產(chǎn)業(yè)，提高診療水平，提升醫(yī)療效率，具有實(shí)現(xiàn)精準(zhǔn)醫(yī)療的可能。而隨著OpenAI基于大模型語言系統(tǒng)人工智能技術(shù)的突破，讓人工智能醫(yī)生的設(shè)想不再停留在構(gòu)想階段，結(jié)合大模型與醫(yī)療數(shù)據(jù)的訓(xùn)練，將在真正意義上打造出超級全科人工智能醫(yī)生。2、健康管理
健康管理是指對個(gè)人或群體的健康進(jìn)行全面監(jiān)測、分析、評估，并提供健康咨詢和指導(dǎo)及對健康危險(xiǎn)因素進(jìn)行干預(yù)的全過程。健康管理的核心是健康風(fēng)險(xiǎn)的評估和控制。新型健康管理系統(tǒng)是利用云計(jì)算、大數(shù)據(jù)、人工智能技術(shù)充分挖掘大量人群健康狀態(tài)的數(shù)據(jù)，針對不同的健康狀態(tài)個(gè)性化地干預(yù)健康診斷指標(biāo)體系，可成功地阻斷、延緩，甚至逆轉(zhuǎn)疾病的發(fā)生和發(fā)展進(jìn)程，從而達(dá)到維持健康狀態(tài)、“治未病”的目的。
過去的醫(yī)療大數(shù)據(jù)應(yīng)用大多和疾病相關(guān)，是對患者的疾病體征、治療方案等進(jìn)行數(shù)據(jù)搜集。例如，對于慢病管理，對患者的行為習(xí)慣、用藥記錄進(jìn)行智能監(jiān)護(hù)和跟蹤。在糖尿病管理領(lǐng)域，微糖就是一家提供血糖健康解決方案的慢病管理公司。微糖通過慢病管理軟件收集了海量糖尿病患者的血糖數(shù)據(jù)，研發(fā)完成連接專業(yè)醫(yī)護(hù)團(tuán)隊(duì)和患者的天雁系統(tǒng)。微糖天雁系統(tǒng)基于亞洲糖尿病基金會超過十年的大數(shù)據(jù)積累，通過專利算法提供并發(fā)癥風(fēng)險(xiǎn)的預(yù)測和分析。微糖還引進(jìn)業(yè)界領(lǐng)先的動態(tài)血糖技術(shù)雅培“瞬感”，基于動態(tài)的數(shù)據(jù)分析和服務(wù)產(chǎn)品，提供針對糖尿病患者的血糖健康解決方案，幫助患者穩(wěn)定血糖。
當(dāng)下，基于人工智能的健康大數(shù)據(jù)管理更需要側(cè)重于日常健康監(jiān)測、體檢數(shù)據(jù)、心理數(shù)據(jù)、運(yùn)動數(shù)據(jù)、營養(yǎng)數(shù)據(jù)及基因大數(shù)據(jù)。通過實(shí)時(shí)的數(shù)據(jù)分析實(shí)現(xiàn)健康人的前瞻性潛在健康風(fēng)險(xiǎn)管理，讓人不生病、少生病，這是醫(yī)療大數(shù)據(jù)應(yīng)用的終極方向?；谌斯ぶ悄艿慕】倒芾砟Ｐ?，借助物聯(lián)網(wǎng)、智能醫(yī)療器械、智能可穿戴設(shè)備，實(shí)時(shí)收集人們的健康大數(shù)據(jù)，通過對體征數(shù)據(jù)的監(jiān)控，結(jié)合人工智能健康管理模型的監(jiān)測、模擬、推演，實(shí)現(xiàn)真正意義上的健康管理。
基于人工智能的健康管理模型，結(jié)合大數(shù)據(jù)的動態(tài)變化數(shù)據(jù)，給出個(gè)性化、有針對性的健康管理方案的關(guān)鍵在于數(shù)據(jù)質(zhì)量。在優(yōu)質(zhì)數(shù)據(jù)源的基礎(chǔ)上，若能實(shí)現(xiàn)隨訪信息動態(tài)記錄，則更有助于提升結(jié)果準(zhǔn)確性、方案專業(yè)性，使得企業(yè)在這一賽道的競爭中凸顯優(yōu)勢。目前，針對某些特定慢性疾病推出的家庭檢測包（通常包含可穿戴設(shè)備、健康報(bào)告）已嶄露頭角，慢病管理仍是未來一段時(shí)間內(nèi)的熱門場景。
當(dāng)然，核心還在于兩個(gè)方面：一方面是人工智能健康管理醫(yī)生，或者健康管理專家模型的打造；另一方面則是基于可穿戴設(shè)備的健康管理監(jiān)測設(shè)備的優(yōu)化與普及。
3、藥物研發(fā)
在藥物研發(fā)方面，大數(shù)據(jù)分析技術(shù)的妥善運(yùn)用，能夠全面體現(xiàn)出藥物的治療效果。通過醫(yī)療、醫(yī)藥大數(shù)據(jù)，利用人工智能深度學(xué)習(xí)能力的算法系統(tǒng)，對研發(fā)藥物中各種不同的化學(xué)物質(zhì)進(jìn)行分析，預(yù)測藥物研發(fā)過程中的安全性、有效性和副作用等，可以有效地降低藥物研發(fā)成本，縮短研發(fā)周期，降低藥物價(jià)格。與傳統(tǒng)的醫(yī)療藥物作用跟蹤相比較而言，大數(shù)據(jù)分析技術(shù)能通過分析臨床試驗(yàn)注冊數(shù)據(jù)與電子健康檔案，優(yōu)化臨床試驗(yàn)設(shè)計(jì)，招募適宜的臨床試驗(yàn)參與者。通過分析臨床試驗(yàn)數(shù)據(jù)和電子病歷，輔助藥物效用分析與合理用藥，降低耐藥性、藥物相互作用等帶來的影響。通過及時(shí)收集藥物不良反應(yīng)報(bào)告數(shù)據(jù)，加強(qiáng)藥物不良反應(yīng)監(jiān)測、評價(jià)與預(yù)防。通過分析疾病患病率與發(fā)展趨勢，模擬市場需求與費(fèi)用，預(yù)測新藥研發(fā)的臨床結(jié)果，幫助確定新藥研發(fā)投資策略和資源配置。例如，2021年初，德國制藥公司勃林格殷格翰(Boehringer Ingelheim)與谷歌量子人工智能實(shí)驗(yàn)室(Google Quantum AI Lab)達(dá)成重要合作，雙方將合力研究與實(shí)現(xiàn)藥物研發(fā)領(lǐng)域量子計(jì)算的前沿應(yīng)用，特別是在分子動力學(xué)模擬領(lǐng)域。盡管谷歌在大語言模型技術(shù)層面，或者說生成式語言技術(shù)層面沒有構(gòu)建絕對的領(lǐng)先地位，但谷歌（包括其母公司Alphabet）在醫(yī)療健康領(lǐng)域，尤其是人工智能藥物研發(fā)領(lǐng)域已經(jīng)占據(jù)一席之地，其業(yè)務(wù)涵蓋小分子藥物發(fā)現(xiàn)、臨床前和臨床研究、人工智能驅(qū)動的醫(yī)療保健、免疫療法和疫苗開發(fā)等多個(gè)方向。尤其是在制藥方向，谷歌在AI領(lǐng)域的專業(yè)知識使其具有發(fā)現(xiàn)候選藥物的獨(dú)特優(yōu)勢。尤其是谷歌的AI在蛋白質(zhì)結(jié)構(gòu)方面，曾經(jīng)根據(jù)氨基酸序列預(yù)測蛋白質(zhì)三維結(jié)構(gòu)是一項(xiàng)“不可能的任務(wù)”，但以AlphaFold2為代表的人工智能卻改變了這種局面。2020年，AlphaFold2在第14屆國際蛋白質(zhì)結(jié)構(gòu)預(yù)測競賽(CASP14)中，對大部分蛋白質(zhì)結(jié)構(gòu)的預(yù)測與真實(shí)結(jié)構(gòu)只差一個(gè)原子的寬度，達(dá)到了人類利用冷凍電子顯微鏡等復(fù)雜儀器觀察預(yù)測的水平。2021年，AlphaFold2成功破解了困擾人類長達(dá)50年之久的蛋白質(zhì)折疊問題，被《科學(xué)》(Science)雜志評為年度科學(xué)突破。而到了2022年，DeepMind官方網(wǎng)站發(fā)布AlphaFold2最新進(jìn)展：通過與歐洲生物信息研究所［EMBL-European Bioinformatics Institute，EMBL-EBI，歐洲分子生物學(xué)實(shí)驗(yàn)室(European Molecular Biology Laboratory，EMBL)的一部分］合作，AlphaFold2已經(jīng)確定了地球上幾乎所有已知生物體中大約2億種蛋白質(zhì)的結(jié)構(gòu)，并能夠預(yù)測出98.5%的人類蛋白質(zhì)結(jié)構(gòu)。2023年4月20日，美國生物技術(shù)公司莫德納在官網(wǎng)宣布，其與IBM公司達(dá)成一項(xiàng)協(xié)議，將合作探索使用量子計(jì)算和人工智能等下一代技術(shù)，加速推進(jìn)信使核糖核酸(messenger RiboNucleic Acid，mRNA)的研究。根據(jù)所公布的協(xié)議信息，莫德納將加入IBM量子加速器計(jì)劃(IBM Quantum Accelerator Program)和IBM量子網(wǎng)絡(luò)(IBM Quantum Network)。IBM方面將向莫德納提供量子計(jì)算系統(tǒng)的訪問權(quán)限，協(xié)助其探索和創(chuàng)造新的mRNA疫苗和療法。另外，IBM的人工智能模型MoLFormer可以幫助科學(xué)家們了解潛在的mRNA藥物的特征。兩家公司將結(jié)合最先進(jìn)的配方與生成式人工智能(Generative AI)來設(shè)計(jì)具有安全性和有效性的mRNA藥物。這讓我們看到結(jié)合了量子計(jì)算、基于人工智能的藥物研發(fā)系統(tǒng)，配以先進(jìn)的生物醫(yī)藥研發(fā)技術(shù)，將會引發(fā)藥物從研發(fā)、生產(chǎn)到臨床的深度變革。這將帶領(lǐng)我們?nèi)祟愒诩膊≈委熒?，不僅能夠?qū)崿F(xiàn)個(gè)性化的藥物定制，而且能夠?qū)崿F(xiàn)快速的藥物定制研發(fā)、生產(chǎn)和應(yīng)用。
4、醫(yī)學(xué)研究
在傳統(tǒng)的臨床研究模式下，不論是提出科學(xué)問題，還是實(shí)驗(yàn)設(shè)計(jì)、數(shù)據(jù)采集、數(shù)據(jù)處理分析、結(jié)果驗(yàn)證，都是一項(xiàng)耗費(fèi)大量人力、財(cái)力和時(shí)間的工作，嚴(yán)重制約臨床科研成果的產(chǎn)出效率。在大數(shù)據(jù)背景下，以電子病歷數(shù)據(jù)為主的醫(yī)療大數(shù)據(jù)規(guī)范應(yīng)用，結(jié)合數(shù)據(jù)挖掘、智能化分析方法，為臨床科研有效建立了基于真實(shí)世界數(shù)據(jù)和數(shù)據(jù)挖掘技術(shù)的科研思路和科研方法。以數(shù)據(jù)為重點(diǎn)賦能臨床和管理決策，醫(yī)療大數(shù)據(jù)在臨床科研中的應(yīng)用場景不斷豐富，如探索疾病關(guān)聯(lián)關(guān)系、進(jìn)行臨床預(yù)測、建立醫(yī)療質(zhì)量監(jiān)測評估及助力?？萍膊⊙芯康取?/span>
（1）在探索疾病關(guān)聯(lián)關(guān)系方面
多學(xué)科、多維度數(shù)據(jù)是患者健康信息的主要特點(diǎn)，將離散的數(shù)據(jù)進(jìn)行整合與規(guī)范化，對大量、關(guān)聯(lián)性的疾病數(shù)據(jù)進(jìn)行分析整理，建立疾病、癥狀、診斷、用藥、手術(shù)、檢查、檢驗(yàn)之間的相關(guān)關(guān)系，形成知識圖譜，可以探索疾病的關(guān)聯(lián)關(guān)系，進(jìn)行診療效果比較、合并用藥研究、疾病特征和患者分析，有利于加深對疾病的了解，拓展科研發(fā)現(xiàn)，輔助臨床診斷。
（2）在進(jìn)行臨床預(yù)測方面
醫(yī)療大數(shù)據(jù)的優(yōu)勢在于有大量的真實(shí)世界數(shù)據(jù)用于模型建立及臨床預(yù)測。例如，通過統(tǒng)計(jì)和展示各類疾病的癥狀，可以監(jiān)控疾病的治療效果和疾病的區(qū)域發(fā)病趨勢，對疾病的發(fā)展趨勢進(jìn)行預(yù)測，為疾病的精準(zhǔn)判斷和治療提供依據(jù)。
（3）在建立醫(yī)療質(zhì)量監(jiān)測評估方面
醫(yī)療大數(shù)據(jù)可滿足橫向可比及向縱深細(xì)化，通過對醫(yī)院臨床和運(yùn)行數(shù)據(jù)的綜合分析和挖掘，發(fā)現(xiàn)醫(yī)療質(zhì)量問題的真相，準(zhǔn)確定位原因和指導(dǎo)改進(jìn)。通過關(guān)聯(lián)患者歷史健康數(shù)據(jù)、檢查治療數(shù)據(jù)、治療結(jié)局?jǐn)?shù)據(jù)，對診療過程進(jìn)行全流程、閉環(huán)管理，對比不同疾病癥狀的用藥、治療效果，為進(jìn)行臨床診療效果比較、精細(xì)化治療提供科學(xué)依據(jù)。同時(shí)，伴隨數(shù)據(jù)的積累、利用，有助于進(jìn)一步提升醫(yī)療質(zhì)量。
（4）在助力?？萍膊⊙芯糠矫?/span>
搭建?？萍膊?shù)據(jù)庫一直是科室、醫(yī)院乃至國家層面的重要需求。在醫(yī)療大數(shù)據(jù)科研平臺基礎(chǔ)上，搭建?？萍膊?shù)據(jù)庫，能夠幫助專科疾病的科研設(shè)計(jì)、數(shù)據(jù)收集、既往成果查詢、跨科室跨醫(yī)院協(xié)作等科研流程的實(shí)現(xiàn)，使?？萍膊∠嚓P(guān)的檢查檢驗(yàn)數(shù)據(jù)、隨訪數(shù)據(jù)、病例報(bào)告表(Case Report Form，CRF)等得到快速收集和高效利用。通過建立?？萍膊?shù)據(jù)庫，大大節(jié)約了開展臨床科研的人力成本，縮短了科研數(shù)據(jù)的獲得周期，可以幫助醫(yī)生確定最佳治療方案。
特別聲明：智慧醫(yī)療網(wǎng)轉(zhuǎn)載其他網(wǎng)站內(nèi)容，出于傳遞更多信息而非盈利之目的，同時(shí)并不代表贊成其觀點(diǎn)或證實(shí)其描述，內(nèi)容僅供參考。版權(quán)歸原作者所有，若有侵權(quán)，請聯(lián)系我們刪除。
凡來源注明智慧醫(yī)療網(wǎng)的內(nèi)容為智慧醫(yī)療網(wǎng)原創(chuàng)，轉(zhuǎn)載需獲授權(quán)。
