昨日，在健康医疗大数据高端论坛上，多位专家普遍认为大数据时代充满了机遇与挑战，我们应充分利用大数据时代的高速发展，将其应用在健康医疗领域中，造福人类。中国工程院院士胡盛寿认为，健康医疗大数据是国家重要基础战略性资源，需要中国的方案，并在国际上发声。

国家卫生计生委副主任金小桃介绍，国家健康医疗大数据发展有三大目标：提高群众获得感，助力医改，促进经济发展新动力。

Harlan M. Krumholz：愚公移山，改变思考和做事方式

美国国家科学院院士、耶鲁大学医学院医疗结果评价研究中心主任Harlan M. Krumholz 认为，医学正在成为一门信息科学，而如何将大数据与医疗行业完

美结合，目前看来机遇与挑战并存。

Krumholz表示，数据每天都在源源不断的产生，在数字化时代需要思考如何利用这些数据重新建立各类方法和系统来帮助医学的发展。

Krumholz 认为，目前医学研究机构的信息并不能满足患者、临床医生、管理者以及决策者的需求。他引用了“愚公移山”的故事，我们目前思考的方式和做事的方式是愚公面前的两座大山，我们必须有所改变才可以将两座大山移走，而他也坚信未来中国有能力成为此领域最有影响力的国家之一，作为知识输出大国，为全世界人民健康事业做出贡献。

George A. Mensah：患者应处于大数据应用的中心

美国NIH 心肺血液研究所转化研究与应用科学中心主任George A. Mensah 博士

介绍说，医疗中的大数据即为测量到的生物、临床、环境、行为和生活方式的信息。然而，在实际中我们淹没在海量数据中，处理事情的压力也随之增加。在这一过程中，我们需要解决的难点主要有以下几点：第一，确保数据的质量、采集、和谐、处理、可视化和互操作性；第二，利用计算工具来改善数据存取，促进数据分析；第三，在决策支持上应有容易使用的、直观的设备与兼容的格式；第四，对于个人医疗，使用能够跟踪患者信息并快速提供反馈的工具；第五，制定并落实隐私保护和数据分享政策；最后，健康数据很多，但健康数据分析人员数量不足，应加强相关培训与教育。

在保健和健康研究中，患者须处于大数据应用的中心。举例来说，中国农村的血脂异常患病率高，但知晓、治疗和控制率低；高血压在中国成年人中很普遍，但知晓、治疗和控制的情况差。所以，亟需用更新、更好的方法来充分利用大数据，建立一个交互的、可移动的健康管理系统，从而进一步管理好居民的健康。

沃森健康首席创新科学官：人工智能已进入认知计算时代

IBM 副总裁兼沃森健康首席创新科学官 Shahram Ebadollahi 博士指出，如今全

世界健康医疗医疗数据已经达到了150 EB，而且每73 天就翻一倍，这些数据已经不能再使用传统的编程方式进行数据分析，我们必须使用更自动化的模型与方式和数据进行沟通。

人工智能在2010 年后进入了“文艺复兴”时代，从2011 年起，我们也进入了认知计算时代。认知计算的重要特点就是通过机器学习等算法可以使得计算机更加理解各类健康医疗大数据，如基因数据，理解医学影像数据等，通过不断加入的数据可以学习数据发展和结局之间的关系等，并能使用友好的界面与人进行交互。未来的医疗会以知识和数据同时作为驱动点，从而达到缩小知识转化的鸿沟，以及利用数据和算法提供出真实世界的证据。

易丹辉：所有数据必须做到可分析

中国人民大学统计学院易丹辉教授认为，健康医疗大数据是全民健康的全生命周期大数据，混杂因素和维度都大大超出传统的数据形式，如何能从海量数据中寻找出规律及重要因素是目前最大的困难。

目前国内外在技术上还面临着巨大挑战。在建设健康医疗大数据平台的时候，首先要做到理解，其次要目的明确，针对人群的预防、治疗、预后、康复、健康管理进行数据的采集、整合与分析。针对心血管病领域，主要针对医疗质量与评价，互联网诊疗服务，疾病防治及健康管理活动开展。

解决上述问题需要做到建设整个平台时要围绕着数据分析来搭建功能模块，因为最终所有数据必须做到可分析，从数据采集开始就要便于提取、形成分析数据库，要做到可以跨库查询，不止要收集有截面的数据，还有收集动态的数据，如果没有可靠有用的数据，有再多的方法都无法使用。

易丹辉教授认为，分析的效果往往由数据的质量决定，数据质量是分析的命脉，数据来源必须真实、客观，原有数据融合、数据的加工、处理、标准化都要保证可靠性，监测数据异常的方法以及解决数据缺失、不平衡的办法。

陈宁：2017 年是人工智能元年

清华大学信息国家实验室生物信息学研究部陈宁博士认为，2017 年是人工智能应用的元年。

陈博士认为，一些问题在一定程度上限制了人工智能生物医学大数据分析中的应用，具体包括，生物医学数据本身复杂多样，维度高、噪声多、多模态、非结构化；用人工智能技术对临床医生的隐性知识和临床技能进行建模难度很大；深度学习是以诊断为目的的黑盒子，导致医师缺乏信任；若要得到统计显著的结果，需要专家标注及交互学习。

但她相信随着人工智能水平的不断发展，未来人工智能将与生物医学大数据分析更好地结合，共同服务于医学诊断和治疗等领域。她介绍了人工智能在生

物医学大数据中的应用：（1）深度学习在预测增强子序列、染色体开放区域、医疗费用预测、癌症亚型聚类任务中效果显著；（2）自然语言处理技术帮助理解电子病历及实现辅助诊断，包括概念发现、症状选取和智能辅助诊断系统等过程；（3）统计学习技术应用在微生物宏基因组学，如大规模序列聚类软件DACE，使用mLDM层次贝叶斯模型探索微生物与人体（环境）的相互作用

关系。

江瑞：生命过程是多组学的交融

清华大学医疗健康大数据中心副主任江瑞教授认为，“生命过程是多组学的交融”。具体来说，生命过程包括以下组学：社交图谱和表型组、传感器和生理组、影响和解剖组、基因组、转录组、蛋白组、代谢组、微生物组、表观基因组以及暴露组。这些组学构成的庞大数据集合给数据计算带来了新的挑战，如ENCODE 网站中的20 万个文件压缩后的大小为250T，常规的服务器配置无法承担如此大规模的计算任务，因此，大数据平台在组学上的应用得到了快速发展。大数据平台是将高性能架构、大数据架构和深度学习架构合而为一的智能系统，目前国内外已有多家单位部署了大数据平台，如美国的斯坦福大学，国内的清华大学和中科院数学所等。

江教授对遗传学与基因组学大数据智能整合分析进行了总结，提出了一个主旨——即用智能与系统的方法研究生物医学问题、两个基础——即生物医学大数据和人工智能、两条主线——即基因组学和医学遗传学，以及一个结合点——即复杂生物网络实现遗传学与基因组学大数据的智能整合。相信大数据的智能整合分析将使人们在基因水平上对疾病的理解更加深刻、更加准确。

转载：请标明“中国循环杂志”

欢迎购买图书《中国心血管病报告 2016》

长按图片，显示识别二维码，或用手机扫描二维码即可进入购买流程：

关于非法网站冒用我刊名义进行征稿的特别提醒

近期我们发现一些网站冒用“中国循环杂志”名义征稿，并承诺“职称论文权威快速发表”。

我刊郑重提醒各位作者，向《中国循环杂志》投稿，一定要登录中国循环杂志官方网站

http://www.chinacirculation.org

进入“作者投稿”，在“作者投稿管理平台”中投稿。

本刊联系电话：010-68331974