劉博罕 何昆侖 智 光

近年來(lái)，大數(shù)據(jù)技術(shù)和人工智能技術(shù)從社會(huì)和生物的各個(gè)方面變革我們的思維、生活方式和工作模式，傳統(tǒng)醫(yī)療行業(yè)在物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、云計(jì)算、人工智能和大數(shù)據(jù)技術(shù)的不斷沖擊下也在嘗試新的轉(zhuǎn)變，但也為醫(yī)學(xué)發(fā)展帶來(lái)了新的活力。隨著“健康中國(guó)2030”國(guó)家決策不斷推進(jìn)，健康醫(yī)療大數(shù)據(jù)逐漸被國(guó)家視為重要的基礎(chǔ)性戰(zhàn)略資源，在大數(shù)據(jù)和人工智能技術(shù)影響下，行業(yè)治理、臨床應(yīng)用、科學(xué)研究、公共衛(wèi)生、管理決策、便民惠民以及產(chǎn)業(yè)發(fā)展將是未來(lái)整個(gè)醫(yī)療領(lǐng)域的提升方向，各行各業(yè)逐年不斷增加人力物力財(cái)力的投入亦印證了這個(gè)變革趨勢(shì)。大數(shù)據(jù)時(shí)代和人工智能研發(fā)即將為越來(lái)越多的臨床醫(yī)生和科研人員開(kāi)辟全新研究領(lǐng)域，為疾病診療和醫(yī)藥研發(fā)提供新的思路與途徑。

1 大數(shù)據(jù)概述

一般來(lái)說(shuō)，醫(yī)療大數(shù)據(jù)應(yīng)囊括每個(gè)個(gè)體的全生命周期，不僅涉及個(gè)人健康，還包括醫(yī)藥服務(wù)、疾病防控、健康保障甚至食品安全、養(yǎng)生保健等各個(gè)方面。主要數(shù)據(jù)來(lái)源涵蓋醫(yī)院診療、醫(yī)療產(chǎn)品企業(yè)、醫(yī)療費(fèi)用收支和健康管理4個(gè)方面。早在2012年3月22日，美國(guó)奧巴馬政府斥資2億美元開(kāi)啟“大數(shù)據(jù)研究和發(fā)展計(jì)劃”；同年 6月，大數(shù)據(jù)相關(guān)問(wèn)題受到歐盟高度重視，花費(fèi)10億歐元以期通過(guò)建立超級(jí)計(jì)算和大規(guī)模數(shù)據(jù)挖掘平臺(tái)致力于相關(guān)領(lǐng)域研究。中國(guó)對(duì)大數(shù)據(jù)也給予了相當(dāng)關(guān)注并做出了積極反應(yīng)，《國(guó)家中長(zhǎng)期科技發(fā)展規(guī)劃綱要2006—2020》等文件的出臺(tái)均體現(xiàn)國(guó)家層面對(duì)大數(shù)據(jù)研究的重視。

根據(jù)大數(shù)據(jù)的4V定義已得到了普遍認(rèn)可，即大數(shù)據(jù)需符合以下4個(gè)特征。（1）數(shù)據(jù)體量巨大（volume），醫(yī)療領(lǐng)域和生命科學(xué)已經(jīng)成為大數(shù)據(jù)領(lǐng)域，2014年全國(guó)診療人次達(dá)到76.1億人次，隨之產(chǎn)生的數(shù)據(jù)量高達(dá)25467 TB；預(yù)計(jì)到2020年，醫(yī)療數(shù)據(jù)將急劇增長(zhǎng)到35 ZB，相當(dāng)于2009年的44倍。尤其是生命組學(xué)領(lǐng)域全球每年約產(chǎn)生EB級(jí)的生物數(shù)據(jù)，2014年Illumina公司公布Hiseq X測(cè)序通量即已達(dá)到1.8 T，單一個(gè)體的基因組測(cè)序數(shù)據(jù)量超過(guò)100 GB，轉(zhuǎn)錄組測(cè)序數(shù)據(jù)超過(guò)30 GB。（2）數(shù)據(jù)結(jié)構(gòu)多樣（variety），包括如Oracle、MySql等數(shù)據(jù)庫(kù)的結(jié)構(gòu)化數(shù)據(jù)、如XML文檔的半結(jié)構(gòu)化數(shù)據(jù)、如Word和PDF文檔、影像、音視頻等非結(jié)構(gòu)化數(shù)據(jù)。（3）增長(zhǎng)與處理速度快（velocity），每年醫(yī)療健康大數(shù)據(jù)以48%的速度劇增，并且在診療過(guò)程中各類(lèi)檢查檢驗(yàn)結(jié)果均需要第一時(shí)間呈現(xiàn)給醫(yī)患護(hù)和管理層面，這種不斷增長(zhǎng)的動(dòng)態(tài)數(shù)據(jù)和醫(yī)療互聯(lián)物聯(lián)網(wǎng)產(chǎn)生的實(shí)時(shí)數(shù)據(jù)，對(duì)于數(shù)據(jù)處理的速度要求變得更加苛責(zé)。（4）價(jià)值密度低但應(yīng)用價(jià)值高（value），例如在醫(yī)學(xué)影像信息中幾百M(fèi)B的原始影像數(shù)據(jù)中有診斷、輔助治療和預(yù)后評(píng)估價(jià)值的信息可能僅有幾個(gè)層面或幾幀，再如在傳染病監(jiān)測(cè)時(shí)大量的數(shù)據(jù)流中敏感信息少，然而需要不間斷動(dòng)態(tài)監(jiān)測(cè)才能捕獲異常信號(hào)并發(fā)現(xiàn)流行規(guī)律，所以需要對(duì)現(xiàn)有醫(yī)療數(shù)據(jù)進(jìn)行挖掘并發(fā)現(xiàn)其潛在價(jià)值。此外，醫(yī)療大數(shù)據(jù)有其獨(dú)特特征，包括數(shù)據(jù)的長(zhǎng)期保存性、時(shí)空性、語(yǔ)義性和隱私性。

如今，數(shù)據(jù)包括醫(yī)療大數(shù)據(jù)首次作為非物質(zhì)成分的生產(chǎn)資料存在于當(dāng)今社會(huì)之中，然而單個(gè)醫(yī)療數(shù)據(jù)的信息價(jià)值不是顯著，作為數(shù)據(jù)處理對(duì)象單個(gè)存在只是一種基礎(chǔ)資源，只有通過(guò)人工智能技術(shù)和計(jì)算機(jī)技術(shù)的整合協(xié)同解決醫(yī)療領(lǐng)域的實(shí)際問(wèn)題，對(duì)數(shù)據(jù)實(shí)現(xiàn)二次開(kāi)發(fā)，才能產(chǎn)生數(shù)據(jù)背后的潛在巨大價(jià)值。

2 人工智能概述

人工智能是以控制論、信息論和系統(tǒng)論作為理論基礎(chǔ)，應(yīng)用數(shù)理邏輯和神經(jīng)腦科學(xué)認(rèn)知原理，通過(guò)計(jì)算機(jī)科學(xué)的邏輯推演編程來(lái)模擬人類(lèi)大腦的智力活動(dòng)。雖然計(jì)算機(jī)能夠部分模擬人腦的認(rèn)知、識(shí)別、記憶、計(jì)算、邏輯思維、推理判斷等復(fù)雜功能，并在某些規(guī)律性和規(guī)則性較多的領(lǐng)域甚至遠(yuǎn)超人腦能力，但目前仍無(wú)法實(shí)現(xiàn)人腦的意識(shí)、情感、信念、直覺(jué)、思考、聯(lián)想、創(chuàng)造等高等級(jí)思維活動(dòng)。盡管人工智能在醫(yī)學(xué)領(lǐng)域?qū)崿F(xiàn)了相當(dāng)出色的成就，部分弱人工智能的臨床應(yīng)用已經(jīng)實(shí)現(xiàn)，但仍沒(méi)有在強(qiáng)人工智能方向出現(xiàn)重大的突破性進(jìn)展。

人工智能技術(shù)如果轉(zhuǎn)化成可實(shí)際操作和應(yīng)用的產(chǎn)品，需要與相關(guān)應(yīng)用場(chǎng)景完成緊密結(jié)合，其中醫(yī)學(xué)即是人工智能的典型應(yīng)用場(chǎng)景之一。2012年影像組學(xué)概念的提出以后，并到2014年得到進(jìn)一步擴(kuò)展并走向臨床，概念剛剛提出時(shí)只針對(duì)CT數(shù)據(jù)，到如今應(yīng)用組學(xué)方法進(jìn)行分析并將數(shù)據(jù)源擴(kuò)展到磁共振、超聲等多模態(tài)影像。人工智能技術(shù)現(xiàn)公認(rèn)的可實(shí)現(xiàn)場(chǎng)景就是要解決重復(fù)性問(wèn)題，比如一位影像科醫(yī)生每天可能要完成上千張影像閱片，但是在如此高密度工作情境下，受限于醫(yī)生疲倦度和情緒等問(wèn)題，很可能會(huì)影響診斷準(zhǔn)確度，這就是人工智能技術(shù)可以協(xié)助解決的痛點(diǎn)之一。影像組學(xué)在整體流程上可以實(shí)現(xiàn)從醫(yī)療大數(shù)據(jù)中提取數(shù)據(jù)，結(jié)合人工智能技術(shù)挖掘數(shù)據(jù)信息，實(shí)現(xiàn)臨床輔助決策。正如同影像科醫(yī)生讀片的過(guò)程是一致的，即先收集影像數(shù)據(jù)，然后利用人眼和臨床經(jīng)驗(yàn)提取影像特征形成診斷意見(jiàn)，人工智能技術(shù)在其中需要完成這一典型的模式識(shí)別、特征提取、分析建模、圖像處理的智能化過(guò)程，整個(gè)過(guò)程實(shí)現(xiàn)計(jì)算機(jī)影像識(shí)別，影像科醫(yī)生配合診斷，達(dá)到“1+1＞2”的效果。人工智能技術(shù)不僅需要做到簡(jiǎn)化影像組學(xué)流程，還應(yīng)實(shí)現(xiàn)以下3方面：病灶檢出，即根據(jù)病理影像判斷患者是否患病，實(shí)現(xiàn)人工智能影像學(xué)篩查；定性診斷，即判斷病灶的良惡性和病情的嚴(yán)重程度；輔助治療決策，即根據(jù)影像信息給予有針對(duì)性有價(jià)值的輔助治療建議。

目前，國(guó)內(nèi)人工智能與醫(yī)學(xué)的結(jié)合還有很大困難，每個(gè)醫(yī)院均是一個(gè)個(gè)數(shù)據(jù)孤島，如何構(gòu)建包括電子病歷、影像學(xué)、生命組學(xué)、醫(yī)療費(fèi)用為人工智能技術(shù)發(fā)展構(gòu)建一個(gè)高質(zhì)量的數(shù)據(jù)平臺(tái)等臨床多中心醫(yī)學(xué)多維數(shù)據(jù)平臺(tái)，如何實(shí)現(xiàn)數(shù)據(jù)質(zhì)量、質(zhì)控以及診斷標(biāo)準(zhǔn)的規(guī)范化，如何駕馭人工智能技術(shù)并更加貼近臨床的實(shí)際需求，是醫(yī)療人工智能發(fā)展的基礎(chǔ)和前提。其中首要問(wèn)題是醫(yī)療數(shù)據(jù)標(biāo)準(zhǔn)和臨床診療規(guī)則的建立，這需要醫(yī)學(xué)專(zhuān)家的深入?yún)⑴c和臨床多中心的深層次聯(lián)合研究，這些議題已經(jīng)擺在許多專(zhuān)家和醫(yī)生面前。毋庸置疑的是，人工智能在精準(zhǔn)診斷和降低勞動(dòng)程度方面會(huì)起到非常大的作用，這樣醫(yī)療行業(yè)領(lǐng)域從業(yè)人員可以節(jié)省更多時(shí)間用于患者溝通，實(shí)現(xiàn)未來(lái)服務(wù)模式轉(zhuǎn)型。

3 現(xiàn)今醫(yī)學(xué)模式的局限性與醫(yī)學(xué)模式轉(zhuǎn)變進(jìn)行時(shí)

醫(yī)學(xué)模式是指人類(lèi)對(duì)醫(yī)學(xué)問(wèn)題和醫(yī)學(xué)實(shí)踐開(kāi)展研究時(shí)需要遵循的實(shí)際原則和方式，從哲學(xué)角度來(lái)講是人類(lèi)從宏觀(guān)上認(rèn)識(shí)健康和疾病的觀(guān)點(diǎn)。從古至今，東西方醫(yī)學(xué)經(jīng)歷了神靈醫(yī)學(xué)模式、自然哲學(xué)模式、機(jī)械論模式和生物醫(yī)學(xué)模式后，如今，包括精準(zhǔn)醫(yī)學(xué)模式、生物心理社會(huì)醫(yī)學(xué)模式、循證醫(yī)學(xué)模式等。然而，隨著多年來(lái)基礎(chǔ)醫(yī)學(xué)與生命科學(xué)的發(fā)展和如今大數(shù)據(jù)、計(jì)算機(jī)技術(shù)和信息技術(shù)、人工智能技術(shù)的蓬勃推進(jìn)，上述醫(yī)學(xué)模式的不足與局限性并非完全符合當(dāng)今和未來(lái)醫(yī)學(xué)的進(jìn)程。

3.1 精準(zhǔn)醫(yī)學(xué)模式

精準(zhǔn)醫(yī)學(xué)是指依照患者自身特定的遺傳學(xué)、生物標(biāo)記、表型、社會(huì)心理特征，制訂精準(zhǔn)個(gè)性化診療方案。意圖通過(guò)患者的基因組、蛋白質(zhì)組、分子生物學(xué)等前沿技術(shù)，在大樣本人群和靶疾病中進(jìn)行分析，以期精準(zhǔn)發(fā)現(xiàn)疾病病因和治療靶點(diǎn)，精確明確疾病不同狀態(tài)下的類(lèi)型，再與患者基因、生物學(xué)標(biāo)志、表型、社會(huì)心理等特征完成個(gè)體化精準(zhǔn)的診療策略，提高疾病診治和預(yù)防效率。

誠(chéng)然精準(zhǔn)醫(yī)學(xué)的設(shè)想美好，但是來(lái)自每個(gè)個(gè)體的多生命組學(xué)、影像組學(xué)、各類(lèi)表型和生物學(xué)標(biāo)志數(shù)據(jù)體量巨大，實(shí)現(xiàn)綜合整體分析尚有技術(shù)瓶頸，噪音數(shù)據(jù)如何識(shí)別和剔除出去，從而獲得真正實(shí)際有效的個(gè)體化數(shù)據(jù)尚難以實(shí)現(xiàn)。當(dāng)今的精準(zhǔn)醫(yī)學(xué)模式亟需大數(shù)據(jù)和人工智能技術(shù)這類(lèi)先進(jìn)的數(shù)據(jù)處理與分析技術(shù)，開(kāi)展并研究數(shù)據(jù)本身的真實(shí)規(guī)律，挖掘數(shù)據(jù)內(nèi)部的潛在價(jià)值。

實(shí)際上，精準(zhǔn)醫(yī)學(xué)模式還忽略了個(gè)人的精神認(rèn)知因素，這涉及了每個(gè)人生活中的方方面面，直接影響患者對(duì)疾病的態(tài)度和診治方案的選擇。當(dāng)今的精準(zhǔn)醫(yī)學(xué)模式尚無(wú)法全面了解每名患者，除多生命組學(xué)的實(shí)體信息，還需要了解每名患者的需求、價(jià)值觀(guān)、行為習(xí)慣、信仰和認(rèn)知水平等，只有將這些數(shù)據(jù)與個(gè)體的生物學(xué)數(shù)據(jù)綜合起來(lái)，才能真實(shí)提供精準(zhǔn)化的醫(yī)療服務(wù)。

3.2 生物心理社會(huì)醫(yī)學(xué)模式

生物心理社會(huì)醫(yī)學(xué)模式的基本內(nèi)容指基于生物、心理、社會(huì)等各類(lèi)學(xué)科，對(duì)于疾病和健康的認(rèn)識(shí)不僅應(yīng)從生物學(xué)的變量來(lái)衡量，更要結(jié)合心理、社會(huì)因素，必須從生物、心理、社會(huì)各個(gè)水平采取綜合措施防治疾病、促進(jìn)健康。

盡管該模式較生物醫(yī)學(xué)模式已有巨大進(jìn)步，然而仍存在很多不足與缺陷。與目前精準(zhǔn)醫(yī)學(xué)模式類(lèi)似，缺乏對(duì)醫(yī)學(xué)本源，即人文關(guān)懷的體現(xiàn)，失去了（人文的）醫(yī)學(xué)真正的方向和目標(biāo)。這導(dǎo)致了當(dāng)今的生物心理社會(huì)醫(yī)學(xué)模式下，大量高新生物技術(shù)涌入醫(yī)學(xué)中，帶來(lái)了各種社會(huì)、法律、倫理問(wèn)題，使得醫(yī)學(xué)非人格化和醫(yī)患關(guān)系物化現(xiàn)象顯著，缺乏與倫理學(xué)、精神因素內(nèi)在有機(jī)的聯(lián)系。此外，缺乏環(huán)境對(duì)健康和疾病的潛在影響，無(wú)法實(shí)現(xiàn)人與自然環(huán)境的統(tǒng)一。而人體作為復(fù)雜運(yùn)行的系統(tǒng)，疾病不僅與遺傳因素相關(guān)，還受到環(huán)境因素的深刻影響，疾病正是環(huán)境中的危險(xiǎn)因素、個(gè)人在特定環(huán)境中的選擇因素與基因因素相互作用的結(jié)果。

環(huán)境污染中的空氣污染、水污染等，特定區(qū)域聚集發(fā)病的肝癌、食管癌等，傳染性疾病中的禽流感、SARS等，其內(nèi)部隱藏了大量地域和環(huán)境的屬性與數(shù)據(jù)。而大數(shù)據(jù)和人工智能技術(shù)能將地域和環(huán)境因素充分考慮到疾病的流行趨勢(shì)中。2009年，在H1N1爆發(fā)幾周前，Google公司的工程師們運(yùn)用大數(shù)據(jù)技術(shù)成功預(yù)測(cè)了H1N1在全美范圍的傳播，甚至可以具體到特定的地區(qū)和州，令公共衛(wèi)生官員們和計(jì)算機(jī)科學(xué)家們倍感震驚，引起了全世界熱議。2014年—2017年，北京市衛(wèi)計(jì)委通過(guò)百度大數(shù)據(jù)挖掘和分析的關(guān)鍵技術(shù)，在公共突發(fā)事件、流行性疾病暴發(fā)、人口流動(dòng)等領(lǐng)域提供分析和預(yù)警，同時(shí)提供科學(xué)管理和決策的數(shù)據(jù)基礎(chǔ)和信息依據(jù)。

3.3 循證醫(yī)學(xué)模式

于20世紀(jì)末誕生的循證醫(yī)學(xué)模式（evidence-based medicine，EBM），指依循真實(shí)存在臨床證據(jù)的醫(yī)學(xué)，其核心思想是臨床醫(yī)務(wù)工作者切實(shí)可行且認(rèn)真明智的應(yīng)用從臨床研究中獲得的最新、最有價(jià)值的科研結(jié)論完成臨床診療過(guò)程。最佳的醫(yī)學(xué)證據(jù)來(lái)源于以患者為中心的基礎(chǔ)醫(yī)學(xué)和臨床研究，能夠熟悉快速采納最佳醫(yī)學(xué)證據(jù)的臨床醫(yī)生則會(huì)成為一名優(yōu)秀的臨床決策者。如今信息技術(shù)的快速發(fā)展，使得每一位醫(yī)務(wù)工作者都有可能通過(guò)掌握和利用正確的決策方法，成為優(yōu)秀的臨床決策者。

EBM的實(shí)現(xiàn)需要通過(guò)發(fā)現(xiàn)臨床實(shí)際中的問(wèn)題之后，檢索相關(guān)醫(yī)學(xué)文獻(xiàn)，并對(duì)其進(jìn)行嚴(yán)格評(píng)價(jià)，通過(guò)最佳醫(yī)學(xué)證據(jù)指導(dǎo)臨床決策，最終在實(shí)際臨床過(guò)程中評(píng)估并且調(diào)整決策結(jié)果。雖然該模式在近些年被臨床人員廣為承認(rèn)和接受。然而，EBM仍存在一定的局限性。部分學(xué)者認(rèn)為EBM只提供患者人群中的共性數(shù)據(jù)與結(jié)論，得出的往往是概率性證據(jù)，無(wú)法真正有效地指導(dǎo)臨床決策。而且更為嚴(yán)重的是，隨著各種醫(yī)學(xué)研究大范圍、多層次迅速發(fā)展，在實(shí)際證據(jù)采集和決策制定過(guò)程中，臨床人員難以真正抓住直接有效的醫(yī)學(xué)證據(jù)。并且，基因、分子生物學(xué)、新型藥物等新知識(shí)令臨床醫(yī)生頭疼，它們的更新速度甚至呈幾何級(jí)數(shù)增長(zhǎng)。

IBM 公司通過(guò)大數(shù)據(jù)和人工智能技術(shù)為此創(chuàng)造了“沃森醫(yī)生”，沃森的主要技術(shù)原理是通過(guò)搜尋很多知識(shí)源，從多角度運(yùn)用非常多的小算法，對(duì)各種可能的答案進(jìn)行綜合判斷和學(xué)習(xí)。而沃森儲(chǔ)存了數(shù)百萬(wàn)的文檔資料，包括字典、百科全書(shū)、新聞、文學(xué)以及其他可以建立知識(shí)庫(kù)的參考材料。其硬件配置可每秒處理500 GB的數(shù)據(jù)，相當(dāng)于1 s閱讀100萬(wàn)本書(shū)。通過(guò)這種人類(lèi)醫(yī)生難以匹敵的閱讀和理解速度，沃森可以詳述臨床試驗(yàn)結(jié)果的科研論文，利用獲取結(jié)果制定和評(píng)估藥物治療方案及其他的治療方式。

4 大數(shù)據(jù)與人工智能技術(shù)對(duì)未來(lái)醫(yī)學(xué)模式的影響

4.1 醫(yī)學(xué)服務(wù)模式的可能轉(zhuǎn)變

大數(shù)據(jù)和人工智能技術(shù)對(duì)醫(yī)學(xué)服務(wù)模式首當(dāng)其沖的影響將是可以取代冗雜的醫(yī)學(xué)工作中大量機(jī)械性、重復(fù)性且消耗大量人工的工作。對(duì)于放射科、病理科、影像科需要大量閱片的工作將極有可能被人工智能取代；時(shí)時(shí)刻刻產(chǎn)生出的浩如煙海的醫(yī)學(xué)文獻(xiàn)和臨床證據(jù)將通過(guò)大數(shù)據(jù)和人工智能技術(shù)找到最直接可靠的信息；問(wèn)診、書(shū)寫(xiě)病歷、隨訪(fǎng)觀(guān)察等之前被臨床醫(yī)生視為最消耗精力的工作將會(huì)在未來(lái)通過(guò)語(yǔ)音識(shí)別、自然語(yǔ)言處理、人機(jī)交互等方式輕松實(shí)現(xiàn)。

醫(yī)務(wù)工作者則有更為充裕的時(shí)間和精力用于其存在的真正意義上，即臨床人文性關(guān)懷和科學(xué)創(chuàng)造性研究。這些則是大數(shù)據(jù)和人工智能技術(shù)所不能取代人類(lèi)的地方，人類(lèi)必須從以人為本和創(chuàng)新發(fā)展的原則出發(fā)。

個(gè)人數(shù)字化和智能化是技術(shù)發(fā)展必然趨勢(shì)，但在發(fā)展過(guò)程中必須強(qiáng)調(diào)以人為本，使科學(xué)技術(shù)實(shí)現(xiàn)以人為中心的人性化科技，使人與科技的關(guān)系成為人與科技的健康交互生態(tài)，醫(yī)生的主體性將回歸到對(duì)患者心理、精神狀況的重視和關(guān)懷上，而不是成為計(jì)算機(jī)與人僵硬的狀態(tài)。創(chuàng)新發(fā)展作為人類(lèi)社會(huì)一直前進(jìn)的動(dòng)力，將隨著技術(shù)革命將醫(yī)務(wù)人員的大腦逐漸解放出來(lái)，新的生物醫(yī)學(xué)診療技術(shù)、工程方法、分析處理手段、人機(jī)與腦機(jī)協(xié)作方式將被加速創(chuàng)造出來(lái)，為人類(lèi)健康和生物醫(yī)學(xué)發(fā)展帶來(lái)福音。

4.2 醫(yī)學(xué)思維模式的可能轉(zhuǎn)變

醫(yī)學(xué)研究具有科學(xué)屬性，而科學(xué)和認(rèn)知源于數(shù)據(jù)已經(jīng)成為大數(shù)據(jù)時(shí)代的理念，大數(shù)據(jù)技術(shù)為人們認(rèn)識(shí)與改造世界提供了新的方法與途徑。數(shù)據(jù)分析是整個(gè)醫(yī)療大數(shù)據(jù)的核心，價(jià)值產(chǎn)生于分析過(guò)程。醫(yī)療大數(shù)據(jù)的分析不同于傳統(tǒng)醫(yī)學(xué)研究中的臨床隊(duì)列和基礎(chǔ)實(shí)驗(yàn)，大數(shù)據(jù)分析是一個(gè)復(fù)雜開(kāi)放的系統(tǒng)，不僅包括精準(zhǔn)醫(yī)學(xué)模式和生物心理社會(huì)醫(yī)學(xué)模式中的各類(lèi)醫(yī)學(xué)數(shù)據(jù)，還會(huì)包括既往較少涉及的環(huán)境因素、精神因素、生活方式等方面的信息，各個(gè)部分相互影響和關(guān)聯(lián)，進(jìn)行通過(guò)大數(shù)據(jù)和人工智能的數(shù)據(jù)分析技術(shù)，獲得最為可靠的醫(yī)療決策結(jié)果。

此外，在大數(shù)據(jù)的收集過(guò)程，很難保證傳統(tǒng)小數(shù)據(jù)的精準(zhǔn)性，傳統(tǒng)的線(xiàn)性因果分析或回歸分析無(wú)法實(shí)現(xiàn)醫(yī)療大數(shù)據(jù)的分析。而最核心的問(wèn)題是，為避免推導(dǎo)因果關(guān)系時(shí)易出現(xiàn)的誤差，醫(yī)療大數(shù)據(jù)推崇整體樣本分析法，試圖探究數(shù)據(jù)背后的相關(guān)性。因此，大數(shù)據(jù)時(shí)代對(duì)醫(yī)療數(shù)據(jù)的分析方式也應(yīng)實(shí)現(xiàn)從因果性到相關(guān)性的轉(zhuǎn)變，這種思維方式的轉(zhuǎn)變有助于解除以往數(shù)據(jù)分析的思維定式，但并非完全拋棄因果性的研究，只有把相關(guān)性與因果性進(jìn)行結(jié)合，把大數(shù)據(jù)與小數(shù)據(jù)相結(jié)合，從大量的數(shù)理統(tǒng)計(jì)結(jié)果中找出相關(guān)性，然后再返過(guò)來(lái)求證因果關(guān)系，才能無(wú)限還原真實(shí)世界的本來(lái)面目。

4.3 醫(yī)學(xué)合作模式的可能轉(zhuǎn)變

大數(shù)據(jù)和人工智能技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用涉及到醫(yī)學(xué)、計(jì)算機(jī)、倫理學(xué)、法學(xué)等不同學(xué)科的交叉。因此，需要多學(xué)科共同合作以解決和論證不斷涌出的實(shí)際問(wèn)題。

首先，必須與數(shù)據(jù)管理和安全部門(mén)合作，加強(qiáng)數(shù)據(jù)安全技術(shù)的研發(fā)和更新，設(shè)置權(quán)限管理用戶(hù)使醫(yī)療大數(shù)據(jù)在合法范圍內(nèi)使用，防止數(shù)據(jù)資源被濫用造成泄露隱私，實(shí)現(xiàn)“醫(yī)療隱私層次化控制”。其次，需要與計(jì)算機(jī)技術(shù)研發(fā)機(jī)構(gòu)和團(tuán)隊(duì)合作，加強(qiáng)大數(shù)據(jù)和人工智能底層技術(shù)的研發(fā)，從技術(shù)上加強(qiáng)對(duì)醫(yī)療大數(shù)據(jù)的深度挖掘，使得“數(shù)據(jù)思維從以計(jì)算為中心轉(zhuǎn)為以分析為中心，即在一定的理論指導(dǎo)下，按照一定的社會(huì)需求，收集、整理和分析數(shù)據(jù)，從而進(jìn)行社會(huì)解釋、監(jiān)控、預(yù)測(cè)與規(guī)劃的過(guò)程和活動(dòng)”，挖掘數(shù)據(jù)的真實(shí)性、關(guān)聯(lián)性、潛在價(jià)值性。目前醫(yī)學(xué)影像仍以影像數(shù)據(jù)采集分析為主，隨著時(shí)間推移和技術(shù)發(fā)展，很可能會(huì)進(jìn)入數(shù)據(jù)挖掘階段，可能會(huì)將影像、病理、基因、臨床檢查等數(shù)據(jù)結(jié)合起來(lái)，用人工智能進(jìn)行分析挖掘，最終實(shí)現(xiàn)全流程智能決策支持系統(tǒng)的愿景。

綜上所述，醫(yī)療大數(shù)據(jù)和人工智能技術(shù)的蓬勃發(fā)展將改變既往醫(yī)學(xué)模式，在不同層次上提高醫(yī)療水平和保障人類(lèi)健康。然而，在實(shí)際醫(yī)學(xué)模式轉(zhuǎn)變過(guò)程中，各級(jí)醫(yī)務(wù)工作者需要明確大數(shù)據(jù)和人工智能技術(shù)的獲益與風(fēng)險(xiǎn)，趨利避害，實(shí)現(xiàn)確實(shí)可行且高效有利的轉(zhuǎn)變，真正促進(jìn)醫(yī)療衛(wèi)生事業(yè)的發(fā)展和人類(lèi)健康水平的提高。

（摘自《醫(yī)學(xué)與哲學(xué)》2018年第11B期）