第二代互聯網醫學：從數據到價值

“醫學互聯網”和“互聯網醫學”是兩個不同層次的概念，前者強調的是互聯網在醫學中的應用，后者強調的是互聯網對傳統醫學研究和實踐的改變和顛覆。在互聯網技術發展的早期，人們只是將互聯網技術作為一種工具應用到醫學的方方面面，如臨床數據的傳遞、醫生和患者之間的通訊、醫學教育的普及方式等。這些互聯網在醫學中的應用，只是方便了醫學的日常生活，降低了成本和提高了速度，并沒有改變醫生和患者的日常生活和交流方式。然而“互聯網醫學”的發展正在改變和顛覆傳統的就醫模式、診療方式和健康管理方案等。盡管目前社會大眾與學術領域對這種傳統醫學模式被改變或顛覆的速度有不同的看法，但傳統醫學研究和實踐的方式將被互聯網醫學所改變、顛覆并引起巨大的范式演變是毫無疑問的。本文將探討“互聯網醫學”產生的社會經濟和科學背景、“互聯網醫學”將怎樣改變和顛覆傳統醫學、互聯網醫學實現的關鍵問題和挑戰、第二代互聯網醫學如何利用生物醫學大數據為精準醫學和個性化健康管理服務等。

1 互聯網醫學發展趨勢：文獻證據

互聯網醫學最密切相關的學科為醫學信息學，對醫學信息學相關文獻的研究可以反映這一學科和互聯網醫學發展的大體趨勢。Ohno-Machado Lucila課題組對JAMIA雜志2009-2014年期間發表的論文進行了統計分析[1]，結果顯示這5年的主要研究熱點是自然語言處理、醫學病歷系統和計算機化等，說明這幾年的互聯網醫學主要處在平臺建設和數據積累的初級階段，應用還很少。在平臺建設方面最著名的有PatientsLikeMe[2-3], 該平臺通過建立患者的社交網絡，達到相互分享病歷、尋找到與自己疾病癥狀相似的病人，利用口碑相傳、經驗共享等提高治療效果。另一個例子是互聯網血糖監測系統(Internet blood glucose monitoring systems ,IBGMS) ，它可以通過監控血糖變化而改善糖尿病患者的血糖控制、增加患者自我激勵、改善患者-醫生溝通等[4]。

移動健康(Mobile health)、生物數據分析(Biological data analysis)、醫院信息系統的組織方面(Organizational aspects of Hospital information system)、健康電子記錄的知識表示(Electronic health records-knowledge representation)和臨床信息學(Clinical informatics)等是當今互聯網醫學的主要發展趨勢。移動健康是互聯網醫學的主要應用之一，其迅猛發展標志著互聯網醫學向應用發展，追求數據價值。如直接通過智能手機測量血糖濃度，再通過4G移動通信網絡將數據上傳到個人健康中心等，從而實現對患者的生化指標的實時監控[5]。PatientsLikeMe平臺收集到的數據也得到進一步分析和應用而不斷產生價值[6-7]。這些研究表明互聯網醫學正在從平臺建設向應用轉變、從數據收集向價值挖掘轉變。

2 互聯網醫學發生的社會和科學技術生態

互聯網醫學的興起是社會需要、科學和技術發展的必然結果。全球老齡化和臨床資源的缺乏是互聯網醫學興起的內在動力，科學與技術的發展為互聯網醫學提供了可能。圖1顯示在技術層面，現階段發展起來的可穿戴傳感器、云計算、智能手機可以幫助實時、動態地收集如心電圖、腦電圖、心率、脈搏、身體態勢等個人的生理數據[8]。科學技術的進步可幫助人們全方位地獲得人體的各種信息和參數，使以全息模型的方式監控人體的狀態演變成為可能，幫助人們深入理解基因、營養、腸道菌群與疾病的關系。第二代互聯網醫學將充分挖掘個人數據和群體數據，用于精準的診療和健康管理。

根據Garter 公布的2018年十大戰略技術趨勢，將來互聯網醫學所處的技術生態包括智能、數字和格網3個方面。無論是其中的人工智能基礎、智能物件和智能應用分析，還是數字孿生、云到邊緣(將數據處理推送到網絡邊緣)、區塊鏈等都將極大地推動第二代互聯網醫學對價值和精準應用的實現。

3 第二代互聯網醫學：算法模型和系統思維

第一代互聯網醫學對生物醫學大數據的分析停留在簡單的統計及初步價值發現階段。隨著社會的老齡化、社會對醫學需求的增加和臨床資源缺乏的矛盾日益加深，信息技術、大數據技術與醫學不斷融合形成了“互聯網+醫學”，預示“康德拉季耶夫經濟長波”正從第五波的“信息技術”時代向第六波的“心理社會健康”時代演變。生命科學對基因組解讀能力的提升，計算機網絡技術和大數據科學的發展促進了人工智能技術的普及和應用。在這些技術重塑下的第二代互聯網醫學將更加注重價值的發現，而算法、模型將是實現價值的關鍵。在跨組學融合、深度“表型-基因型”關聯、網絡構建分析與調控、人工智能與臨床決策系統等方面，算法和模型將是核心的科學問題。目前在討論生物醫學數據的分析算法和模型時，研究者通常過度強調統計或各種模式的識別方法(常常是黑箱或灰箱方法)，而往往忽略了不同的數據來源有其自身的數據產生機制和特征。基于不同的科學原理建立算法和模型，對數據的挖掘和分析有重要的意義。表1列出的常見的基于科學原理的分析方法，可以作為數據分析中統計模型的重要補充。

圖1 互聯網醫學：社會網絡、信息網絡、數據分析與應用

表1 生物醫學數據的分析方法

由于人體和人群社會是一個復雜的魯棒性系統，同一種表型可能來自于不同的基因型或基因分子網絡，因此生物醫學數據的分析中，系統思維顯得十分必要。我們早期的研究表明，不同的癌癥患者所涉及的癌癥基因并不相同，只是在網絡或系統層次上相似，網絡和系統層次的分析往往與直覺不一致，如癌癥治療藥物往往對20%左右甚至更少數的病人有效。研究表明“布雷斯悖論”(即增加解決問題的路徑，并不能提高效率的現象)在傳染病流行數據中也能觀察到[15]。

4 跨組學融合和深度表型-基因網絡分析

單模態數據分析往往只能反映復雜系統的一個側面，而多模態數據、“塊數據”的融合分析能反映疾病的全貌。跨組學分析不只是在不同的分子組學間的融合分析，還包括基因組學與影像組學或其他表型組學層次的融合分析。如病理圖像特征能更好地預測癌癥的不同分級，而分子組學(如轉錄組學)則能更準確地進行分子分型或者預測藥物的敏感性和生存期。跨組學融合分析不僅可以全面準確地判定疾病的狀態，還能將不同組學層次的特征進行關聯分析，從而可以幫助更好地尋找到分子標志物或分子網絡與疾病表型的關聯。

精準治療模型的構建，依賴精準的表型-基因型關聯數據，目前臨床表型的描述還比較粗粒化。深度挖掘或精細的表型注解、特征標注是精準醫學的重要方面，而精準的表型數據需要臨床醫生、病理學家和數據分析師的協作，才能建立精細的表型數據庫，用于個性化的基因型-表型分析。而表型-表型之間也同樣存在復雜的網絡關系，從基因網絡到表型網絡的復雜關聯是互聯網醫學價值發現不可逾越的挑戰。

5 從精準臨床治療到個性化健康管理

第二代互聯網醫學的價值追求不只是精準的醫學診療，還在于對疾病的早期監控、 “治未病”、精細的個性化健康管理[16]。疾病和健康是一個事物的兩個不同方面或狀態，傳統的醫學范式主要著眼疾病的診斷管理，互聯網醫學對傳統醫學的顛覆在于它更注重健康狀態的保持、在疾病的早期進行預測和干預。健康大數據為科學研究健康狀態和健康管理提供了方便。

6 總結與展望

互聯網醫學將從以下幾個方面顛覆傳統的醫學：大數據成為智能醫學和健康管理的驅動力，疾病的精準診療更加依賴于網絡和數據分析、算法和人工智能。傳統的醫學以醫生為主導，而互聯網醫學以患者為主導。參與性醫學模式將廣泛應用，個人可以全面地擁有自身的信息和數據，實時分析監控自己的身體狀態，更個性化地理解自身的疾病。健康管理以及疾病的早期預測將成為現實。盡管第二代互聯網醫學將以數據到價值到應用的方式來改變和顛覆傳統的醫學模式，與機遇相伴的挑戰依然存在，如在“后真相時代”[17]，網絡信息的可靠性及人們對疾病的情感恐懼和對網絡的信息過度依賴等問題仍需進一步研究和改進。