生物醫學大數據：現狀與展望

大數據(big data) 是指由於容量太大和過於復雜，無法在一定時間內用常規軟件對其內容進行抓取、管理、存儲、檢索、共享、傳輸和分析的數據集。

大數據具有“4V”特徵：①數據容量(Volume) 大，常常在PB(1 PB=250 B)級以上；②數據種類(Variety) 多，常常具有不同的數據類型（結構化、半結構化和非結構化）和數據來源；③產生和更新速度(Velocity) 快（如實時數據流），時效性要求高；④科學價值(Value) 大，儘管利用密度低，卻常常蘊藏著新知識或具有重要預測價值。

人類已進人大數據時代。國際數據公司的研究結果表明，2011 年全球產生的數據量高達1.82 ZB。 2012 年5 月，聯合國發布了《大數據與人類發展：挑戰與機遇》白皮書，指出大數據是一個歷史性機遇，人們可以使用極為豐富的數據資源對社會經濟進行前所未有的實時分析，幫助政府更好地響應社會和經濟運行。

大數據受到越來越多的重視。歐美國家許多高校紛紛成立了數據科學研究機構，開設了數據科學課程。 Nature 和Science 也分別於2008 年和2011 年推出了大數據專刊，對大數據帶來的挑戰進行討論。作為最活躍的科學研究領域之一，生物醫學領域的大數據也備受關注。

1．生物醫學大數據的來源：以下因素促進了生物醫學領域大數據的出現。 ①生命的整體性和疾病的複雜性。例如，嚴重威脅人類健康的慢性病多為複雜性疾病，其發生具有復雜的遺傳和分子機制，受到基因、環境及其交互作用的影響，其病因學研究將產生大量的數據。

②高通量技術的發展和基因組測序成本的下降。高通量測序技術可以對數百萬個DNA 進行同時測序，使得對一個物種的轉錄組和基因組進行細緻全面的分析成為可能。隨著人類基因組計劃的完成和計算能力的快速發展，每個基因組的測序成本已從數百萬美元降低至數千美元（並且還將繼續降低）。這將產生海量測序數據（每個人的基因組就需要3G 的數據存儲量）。

③醫院信息化和IT 業的迅速發展。人體本身就是生物醫學大數據的一個重要來源，隨著醫院信息化和IT 業的迅速發展，越來越多的人體數據能夠獲得儲存和利用。例如，X 線、3D 核磁、乳腺X 線、3D CT 掃描分別包括30 M、150 M、120 M 和1G 的數據量，至2015 年美國平均每家醫院需要管理665 T 的數據量。

生物醫學大數據廣泛涉及人類健康相關的各個領域：臨床醫療、公共衛生、醫藥研發、醫療市場與費用、個體行為與情緒、人類遺傳學與組學、社會人口學、環境、健康網絡與媒體數據（表1）。

2．生物醫學大數據的應用：生物醫學大數據可應用於以下方面。 ①開展組學研究及不同組學間的關聯研究。從環境、個體生活方式行為等暴露組學，至個體細胞分子水平上的基因組學、表觀組學、轉錄組學、蛋白組學、代謝組學、宏基因組學，再到個體健康和疾病狀態的表型組學等。

利用大數據將各種組學進行綜合及整合，既能為疾病發生、預防和治療提供全面、全新的認識，也有利於開展個體化醫學，即通過整合系統生物學與臨床數據，可以更準確地預測個體患病風險和預後，有針對性地實施預防和治療。

②快速識別生物標誌物和研發藥物。利用某種疾病患者人群的組學數據，可以快速識別有關疾病發生、預後或治療效果的生物標誌物。在藥物研發方面，大數據使得人們對病因和疾病發生機制的理解更加深入，從而有助於識別生物靶點和研發藥物；同時，充分利用海量組學數據、已有藥物的研究數據和高通量藥物篩選，能加速藥物篩選過程。

③快速篩檢未知病原和發現可疑致病微生物。通過採集未知病原樣本，對病原進行測序，並將未知病原與已知病原的基因序列進行比對，從而判斷其為已知病原或與其最接近的病原類型，據此推測其來源和傳播路線、開展藥物篩选和相應的疾病防治。

④實時開展生物監測與公共衛生監測。公共衛生監測包括傳染病監測、慢性非傳染性疾病及相關危險因素監測、健康相關監測（如出生缺陷監測、食品安全風險監測等）。此外，還可以通過覆蓋全國的患者電子病歷數據庫進行疫情監測”，通過監測社交媒體或頻繁檢索的詞條來預測某些傳染病的流行。

例如，Google Trends 通過找尋“流感症狀”和“流感治療”之類搜索詞的峰值，在醫院急診流感患者增加之前就能對某些地區的流感做出預測。

⑤了解人群疾病譜的改變。這有助於製定新的疾病防治策略。全球疾病負擔研究是一個應用大數據的實例，該研究應用的數據范圍廣、數據量巨大，近4 700 台並行台式計算機完成了數據準備、數據倉庫建立和數據挖掘分析的自動化和規範化計算。

其有關中國的研究發現：與1990 年相比，2010 年造成中國人群壽命損失的前25 位病因中，慢性非傳染性疾病顯著上升，傳染病則顯著下降，說明慢性非傳染性疾病已經成為我國人群健康的主要威脅。

⑥實時開展健康管理。通過可穿戴設備對個體體徵數據（心率、脈率、呼吸頻率、體溫、熱消耗量、血壓、血糖、血氧、體脂含量等）的實時、連續監測，提供實時健康指導與建議，更好地實施健康管理。

⑦實施更強大的數據挖掘。數據挖掘的任務包括關聯分析、聚類分析、分類分析、異常分析等。大數據挖掘能夠增加把握度和發現弱關聯的能力。

3．生物醫學相關的大數據計劃：近年來國內外一些生物醫學相關的大數據計劃見表2。

4．生物醫學大數據面臨的主要問題與發展趨勢：作為一個新興領域，大數據也伴隨著一些爭議：①既然數據總是不斷增加，是否有必要區分大數據與傳統數據？

②大數據更多意義上可能是一種商業上的宣傳？

③大數據中變量類型更多、更複雜，而隨著變量的增加，獲得假陽性關聯的概率也會增加；

④更大的數據未必意味著更好的數據，必須考慮數據的代表性和數據純度；

⑤在未告知個體的情況下使用來自人群的數據是否符合倫理學要求？這些爭議是大數據在未來發展中必須關注的。

從流行病學角度來看，生物醫學大數據具有以下優勢：

①具有大樣本的特點，能夠解決流行病學研究中的樣本量問題，大樣本能夠提高結果精度高、降低隨機／抽樣誤差；②客觀的採集途徑能夠減少信息偏倚。大數據的採集途徑往往比較客觀，還能全程動態地記錄個體行為，相比傳統流行病學調查通過詢問、回憶某些行為的狀況，能夠減少信息偏倚。

然而，相對於傳統概率隨機抽樣而言，大數據可能存在選擇偏倚問題，其收集途徑常常覆蓋的是具有某些特徵的人群（如醫保患者、使用可穿戴設備的人群）。

生物醫學大數據面臨的主要問題：①如何實現生物醫學數據的標準化和規範化。數據標準化是數據共享的前提，只有標準化的數據才能有效融合與整合，從而發揮大數據的價值。

②如何打破數據孤島，實現生物醫學數據共享。應避免數據只為少數人或單位使用，數據共享是應用生物醫學大數據的前提。許多公共資助機構已開始要求所資助研究的數據必須在一定範圍內共享。

③生物醫學大數據的存儲和管理。生物醫學領域數據特別龐大，產生和更新速度更快，其存儲方式不僅影響數據分析效率，也影響數據存儲的成本。

④如何實現生物醫學大數據的高效利用。我國已積累了海量的生物醫學數據，如何利用才是關鍵，這在一定程度上也依賴於大數據技術的發展。

⑤生物醫學大數據的分析、整合與挖掘。特別是對半結構化和非結構化數據（如心電圖、醫學影像資料）和對流數據（實時視頻、傳感器數據、醫療設備監測數據）的處理，是生物醫學大數據分析面臨的重要挑戰。

⑥生物醫學和信息科學的複合型人才缺乏。這是國內外生物醫學大數據面臨的一個困境，需要推動計算機科學和生物學交叉學科的教育予以解決。

未來生物醫學大數據的發展趨勢：①從“概念”走向“價值”，成為“智慧健康”的基礎。生物醫學大數據將能夠產生新的知識，用信息改變醫學實踐，最終改善人類健康和公共衛生。

②醫學科學證據的整合、轉化和循證科學證據的產生。生物醫學大數據有助於循證科學證據的生產，例如通過大數據可以對大量健康數據進行整合，進而獲得更加可靠的證據；還可以通過網絡實時數據，開展“虛擬的臨床試驗”生產證據。

③數據安全與隱私保護的技術發展。在對海量數據進行挖掘的同時，隱私洩露存在巨大風險。數據安全與隱私保護日益受到關注和重視，相關政策和立法亟待加強，相應的技術發展將發揮重要作用。

④大數據為導向的人群隊列研究成為熱點。超大規模隊列研究具有大樣本（數十萬人群）、前瞻性（數十年長期隨訪）、多學科（基礎、臨床、預防、信息等多學科合作）、多病種（能夠對多種疾病進行研究）、多因素（能夠探討多種危險因素）、整合性（監測系統、信息系統、醫保系統的整合）、共享性（生物標本和數據資源的共享）等特點，經過長期隨訪能夠產出大量人群數據”。

⑤生物醫學大數據的可視化。可視化與信息圖像、信息可視化，科學可視化以及統計圖形密切相關，能夠更清晰有效地傳達與溝通大數據包含的信息。

⑥基於生物醫學大數據的個體化健康管理逐步流行。一方面，利用實時的傳感器（可穿戴設備），能夠對個體進行實時的、連續的健康監測與評估，為個體提供實時健康指導；另一方面，隨著以生物醫學大數據為基礎的個體化醫學發展，個體化預防、診斷和治療將得以實現。

⑦生物醫學大數據成為戰略性產業。許多國家已經將大數據上升為國家層面戰略，生物醫學大數據產業化已經初現。

5. 展望：人類已進人大數據時代。大數據科學作為一個橫跨信息科學、社會科學、網絡科學、系統科學、生物醫學、心理學、經濟學等諸多領域的新興交叉學科方向正在逐漸形成，並已成為科學研究熱點。
生物醫學領域具有海量數據，如何共享、規範、管理和利用是關鍵。同時，生物醫學大數據專業人才培養亟待解決。生物醫學大數據將改變醫學實踐模式，改善醫藥衛生服務質量，最終有利於實現個體化治療和群體性預防的醫學目的。

資料來源：煉數成金