醫(yī)學信息學的新機遇和挑戰(zhàn)：從參與性醫(yī)學到智能健康管理*

白晉偉 沈百榮

(四川大學華西醫(yī)院科技部圖書信息中心 成都 610041) (四川大學華西醫(yī)院系統(tǒng)遺傳研究院 成都 610041)

1 引言

簡單而言，醫(yī)學信息學是關于醫(yī)學數(shù)據(jù)的存取、分析和應用、醫(yī)學與信息學交叉的學科，隨著時代的演變，醫(yī)學數(shù)據(jù)本身以及存取、分析、應用等各方面都發(fā)生巨大變化,如從原來的小數(shù)據(jù)演變成現(xiàn)代的大數(shù)據(jù); 從群體病歷發(fā)展到包含個人基因組信息、智能穿戴設備測定的人體生理等多維數(shù)據(jù); 從靜態(tài)演變成復雜多樣、動態(tài)的時空數(shù)據(jù); 從單一醫(yī)院數(shù)據(jù)演變成患者及相關行業(yè)人員參與的醫(yī)學數(shù)據(jù); 從以疾病信息為主演變成包含健康數(shù)據(jù)在內(nèi)的人體全息數(shù)據(jù)等。在數(shù)據(jù)存取方面有互聯(lián)網(wǎng)和云計算，在分析方面有可視化、深度學習、知識庫和知識圖譜等新方法，在應用方面則包括治病到治將病方向的疾病早期預警、治未病方面的健康管理與干預等。在此背景下的現(xiàn)代醫(yī)學信息學迎來前所未有的應用和機遇，其應用實例，見表1。本文將從數(shù)據(jù)、技術、算法和應用4個方面討論現(xiàn)代醫(yī)學信息學的機會和挑戰(zhàn)。

表1 現(xiàn)代醫(yī)學信息學新應用舉例

2 現(xiàn)代醫(yī)學信息學面臨的機遇與挑戰(zhàn)

2.1 數(shù)據(jù)：從群體數(shù)據(jù)到個性化數(shù)據(jù)

過去10年來醫(yī)學信息學所分析的數(shù)據(jù)最關鍵的演變是從群體數(shù)據(jù)到個性化數(shù)據(jù)，無論是精準醫(yī)學還是精準健康管理，首先是要有個性化的數(shù)據(jù)作為前提并且是多維信息的個性化數(shù)據(jù)。目前在基因?qū)用妫S著測序技術的發(fā)展和降價，個人基因組測定的普及將逐漸成為可能，然而與個人基因組相對應的個性化表型數(shù)據(jù)的缺乏依然是基因型-表型關系研究的瓶頸。收集精準的個性化表型，尤其是臨床相關的表型數(shù)據(jù)，建立相關的收集標準，即本體，是多維復雜數(shù)據(jù)收集的核心問題。目前較高層次的本體如疾病本體(Disease Ontology,DO)已經(jīng)開發(fā)，但是針對具體疾病的個性化、特有的疾病本體仍然有限，亟需對多種疾病進行本體開發(fā)研究，才能有利于收集個性化和結構化的數(shù)據(jù)，以便進一步個性化建模分析。只有收集大量的基于本體的數(shù)據(jù)才有可能共享、進行個性化的建模分析(包括深度學習和人工智能的實現(xiàn))。本體研究的根本挑戰(zhàn)在于臨床醫(yī)生、醫(yī)學信息學家和計算機專家在交叉融合基礎上建設可以為臨床應用的疾病術語及關聯(lián)結構，構建醫(yī)學數(shù)據(jù)收集平臺，用于收集結構化、多維、成對的個性化大數(shù)據(jù)。疾病本體、人工智能及應用的關系，見圖1。本體研究基于臨床、醫(yī)學信息學和計算科學的合作，在本體支持下可以構建參與性網(wǎng)絡平臺，患者、醫(yī)生和相關人員協(xié)同提供數(shù)據(jù)形成結構化的生物醫(yī)學大數(shù)據(jù)，從而促進人工智能的發(fā)展、知識發(fā)現(xiàn)和基于患者相似性的大數(shù)據(jù)比對應用，這是實現(xiàn)醫(yī)學人工智能的基礎和必要條件。

圖1 疾病本體、人工智能及應用的關系

2.2 技術：從互聯(lián)網(wǎng)到社會網(wǎng)絡

互聯(lián)網(wǎng)的發(fā)展為解決遠程數(shù)據(jù)空間孤立與分散的問題提供有利條件，本體建設可以為領域內(nèi)提供一個共享的標準。與醫(yī)學信息學相關聯(lián)的不僅是互聯(lián)網(wǎng)的發(fā)展，社會網(wǎng)絡如Facebook、Linkedin、WeChat使人們的生活通過網(wǎng)絡虛擬地連接起來，患者、醫(yī)生、親友和相關人員社會網(wǎng)絡的建立使優(yōu)質(zhì)、深度信息與資源的獲取變得更加便利，如醫(yī)生、治療和藥物信息、患者經(jīng)驗等。當然這種社會網(wǎng)絡的信息傳遞也可能帶來負面的心理干擾。互聯(lián)網(wǎng)上可以通過交流建立起患者-醫(yī)生-社會網(wǎng)絡的信息交換平臺，典型的平臺如PatientsLikeme是患者或相關人員在網(wǎng)絡上注冊、交流并積累數(shù)據(jù)與信息分析的平臺。基于本體的疾病信息平臺可以為患者入院前后進行有指導的信息添加、分析與診斷，從而減少患者與醫(yī)生的交流障礙與時間，同時有利于數(shù)據(jù)和時空信息的積累。參與性醫(yī)學是在互聯(lián)網(wǎng)和社會網(wǎng)絡的技術下實現(xiàn)的一種以患者為主體的新型醫(yī)學模式，在互聯(lián)網(wǎng)的支持下患者、醫(yī)生和其他相關人員(如家人、好友等)形成的社會網(wǎng)絡中患者、醫(yī)生和相關的醫(yī)學信息、資源等網(wǎng)絡距離變得很近，從而讓更多人參與到醫(yī)學的實踐、研究和傳播,見圖2。

圖2 互聯(lián)網(wǎng)與社會網(wǎng)絡促進參與性醫(yī)學的發(fā)展

2.3 算法：從統(tǒng)計分析到機理、融合分析

傳統(tǒng)的個人醫(yī)學信息有限、數(shù)據(jù)量小，數(shù)據(jù)分析方法通常是統(tǒng)計平均為主的群體分析。隨著個性化數(shù)據(jù)量的增長，傳統(tǒng)的方法往往不再有效，因為會將數(shù)據(jù)中的個性化模式平均掉。近年來提出不少對統(tǒng)計平均方法進行修正的算法，如COPA、MOST等都是在計算時更加注重隱含在特殊子群結構里的個性化統(tǒng)計算法[7]。除統(tǒng)計方法外基于第一性原理的方法尋找醫(yī)學大數(shù)據(jù)內(nèi)在的基本規(guī)則也十分重要[8]。大數(shù)據(jù)的積累為醫(yī)學人工智能的發(fā)展提供機會，但基本規(guī)律的尋找和機制性的研究是人工智能所不能替代的。由于數(shù)據(jù)的多維性和復雜性，不同程度的數(shù)據(jù)融合是提高分析精準度的根本思路。最近發(fā)展起來的放射基因組學就是融合圖像與組學兩個層次的數(shù)據(jù)分析策略。隨著智能穿戴設備的廣泛使用，實時、動態(tài)、個性化數(shù)據(jù)的獲取變得越來越便捷和重要，對實時動態(tài)信號的收集、處理也需要發(fā)展新的算法，如非線性信號變換方法：小波分析、各種熵的計算等。

2.4 應用：從治病到治未病

疾病生物醫(yī)學數(shù)據(jù)反映人體疾病的演變特征和規(guī)律，人們可以根據(jù)其基本特征如動態(tài)演化性、系統(tǒng)網(wǎng)絡關系、文本數(shù)據(jù)、影像數(shù)據(jù)等開發(fā)相應的算法工具，理解疾病的復雜演化規(guī)律，從而提前預測疾病的發(fā)生發(fā)展。早在公元前250年，黃帝內(nèi)經(jīng)中就提出治病、治將病、治未病的概念，后兩者是疾病早期診斷與預防的思想，與疾病演化密切相關，涉及基本的遺傳風險預測、病變生理信號、分子變異早期發(fā)現(xiàn)與監(jiān)控，從鍛煉、營養(yǎng)和精神等多方面的網(wǎng)絡系統(tǒng)演化。而這一復雜系統(tǒng)還有自組織、疾病自愈的特征，免疫系統(tǒng)、神經(jīng)系統(tǒng)與疾病體系的復雜抗衡演變，即使有早期的疾病信號或遺傳風險，在復雜的環(huán)境-基因-生活習慣的多系統(tǒng)耦合下疾病有可能自愈。過度診斷、治療成為不可避免的現(xiàn)象，任何一個模型都難以精準預測這種系統(tǒng)的動態(tài)演變和自愈。目前治病模式更多的還是在生物醫(yī)學模型下展開的研究或治療，生物-心理-社會醫(yī)學模型需要更大框架下的多維數(shù)據(jù)才能真正研究從治病到治未病的演變，促進智能健康管理與主動健康的實現(xiàn)。

3 現(xiàn)代醫(yī)學信息學學科生態(tài)與新研究方向

由于現(xiàn)代醫(yī)學信息學在內(nèi)涵上發(fā)生巨大變化，該學科的發(fā)展與其他學科如生物信息學、數(shù)據(jù)科學、人工智能、健康管理、互聯(lián)網(wǎng)支撐的參與性醫(yī)學等形成一個交叉學科群。未來學科設置必須考慮醫(yī)學數(shù)據(jù)的特征與學科群的協(xié)同發(fā)展。真正的學科交叉并非簡單的加和，而是整合前提下的融合，傳統(tǒng)的教學內(nèi)容應隨之發(fā)生變化，反映學科發(fā)展現(xiàn)狀與未來趨勢。醫(yī)學信息學學科相關新研究方向，見表2。根據(jù)醫(yī)學數(shù)據(jù)5大特征，即演化性、隱私性、復雜性、多維性(文本、數(shù)字、圖像、動態(tài)等)、跨層次性(分子、細胞、個體和群體等)，隨著數(shù)據(jù)技術的應用推廣，將產(chǎn)生更多新的方向。現(xiàn)代醫(yī)學信息學是一個跨生物、醫(yī)學、計算的交叉學科，其發(fā)展制約著相關理論和應用科學的發(fā)展。從數(shù)據(jù)到算法、應用對應著不同新型學科的產(chǎn)生與交叉。參與性醫(yī)學可以促進復雜數(shù)據(jù)的群體協(xié)作功能，而人工智能相關算法將促進精準的智能健康管理實施。

表2 現(xiàn)代醫(yī)學信息學新研究方向

4 結語

新技術催生新的研究范式，現(xiàn)代基因組學是驅(qū)動醫(yī)學信息學變化的根本動力，改變各層次(分子、細胞、個體、群體等) 的研究范式以及這些不同層次交叉融合。這種融合也深化醫(yī)學信息學的內(nèi)涵，醫(yī)學圖像分析與基因組學融合產(chǎn)生放射基因組學，患者個體的電子病歷數(shù)據(jù)與基因組學融合產(chǎn)生個體化治療或精準診療，群體層次的衛(wèi)生統(tǒng)計學也將受到基因組學發(fā)展的影響而研究群體基因圖譜特征和演化等。對應于個體基因組學，個性化表型組學的研究將是醫(yī)學信息學的重要研究方向，醫(yī)學信息學的發(fā)展也將隨著相關學科的生態(tài)變化而發(fā)生演變。現(xiàn)代醫(yī)學信息學必將成為新時代重要和關鍵的交叉學科領域，也將會因時代的發(fā)展和需求迎來更多的機會和挑戰(zhàn)。