生物醫學大數據的現狀與發展趨勢研究

徐滿茗

（南京師范大學附屬中學，江蘇 南京 210012）

生物醫學大數據的現狀與發展趨勢研究

徐滿茗

（南京師范大學附屬中學，江蘇 南京 210012）

生物醫學與多個學科的理論與知識有緊密聯系。隨著大數據時代的到來，生物醫學對數據的需求也越來越多。當前，大數據技術越來越普及，生物醫學的數據規模逐漸擴大。在大數據背景下，生物醫學的內涵也變得越來越豐富。鑒于此，如何將大數據和生物醫學進行更好的融合，這對于生物醫學的研究意義重大。主要對生物醫學大數據的特點、現狀與發展趨勢進行了研究。

生物醫學；大數據；微生物群落；高維性

生物醫學，它是將生物醫學信息與基因芯片和納米技術等結合起來的學術研究和創新領域。隨著21世紀的到來，現代系統生物醫學逐漸形成。系統的生物學研究與人類健康是息息相關的。

1 生物醫學大數據的特點及發展現狀

在21世紀，新一代生物分析平臺不僅具有單細胞檢測功能，還有實時動態圖像系統，能夠為生物醫學研究提供大量的數據信息，在對海量數據中的深刻規律進行研究時，必須保證大數據的3特征，即數據量大，處理數據效率高、速度快，數據源要有多變性。通過借助大數據的這些特點，可以實現大數據的分析和預測。

與其他科學大數據一樣，生物醫學大數據也呈現出典型的“3H”特點，那就是高維性、高度計算復雜性和高度不確定性。高維性指的是生物醫學大數據不僅能夠對樣本進行多重分析，還能夠使用多組數據，樣本量較多，這些特點使多維數據的索引成為了可能。例如，近年來一時興起的“智慧醫療”的概念，是通過建立健康檔案區域的醫療信息平臺，使用大數據技術和物聯網技術，將患者和醫療服務商、保險公司緊密聯系在一起的一種醫療方案。通過高維數據的分析，實現對數據規律的剖析，但數據整合與分析的難度是較大的。高度計算復雜性指的是由于生物醫學中存在不同的數據，對系統性整合提出了更高的要求，且樣本的對比需求也是必備的。生物醫學研究的樣本來源不一樣，這就使研究對象難以確定。大數據的研究與以往的邏輯推理研究有著本質的差異，因為大數據研究需要對龐大的數據進行多項分析歸納和相關性分析。

目前，大數據已經滲透到社會的各個領域，為各行各業的發展提供了更加龐大的數據。在生物醫學領域，大數據技術的應用推動了生物醫學研究的高速發展。

2 生物醫學大數據的發展趨勢研究

在大數據時代，生物醫學大數據的發展不再是假設驅動而是數據驅動。以往，分子生物學水平上實驗的最終目的要么是獲得一些結論，要么是提出一些新的假設。然而，當生物醫學遇到了大數據時，就可以通過大量的數據分析來研究其規律，通過這個步驟，就可以直接得到靠譜的假設或者結論。生物醫學大數據的高維性、高度計算復雜性和高度不確定性必將在生物醫學中發揮越來越重要的作用。同時，由于數據具有差異性，如何對海量的數據進行數據整合，這將成為一個瓶頸。

2.1 不同類型生物醫學數據的高度整合

在對各種各樣的樣本進行充分整合之后，就能夠得到一個更加系統的數據模型，通過該模型，能夠對不同類型和尺度的數據進行集成化分析。另外，當數據的格式存在不統一的問題時，就需要借助智能化的數據模型和方法進行研究。未來，對不同類型的生物醫學大數據進行更好的整合，將是一大發展方向。

圖1 生物醫學產業聚集的新模式

2.2 生物醫學數據的實時分析和臨床處理

在生物醫學逐步發展的過程中，對大量的樣本進行快速提取，對數據進行深入的挖掘，將成為重要的任務。所以，對生物醫學數據的實時分析和臨床處理，必將成為生物醫學研究的一大發展趨勢。近年來，一種多層次、跨界融合的生物醫學產業聚集的新模式被提出，這種新模式就是利用生物醫學大數據，實現傳統醫療和現代醫療的結合。圖1所示為生物醫學產業聚集的新模式。

2.3 數據的個性化分析、預測和保存

在我們對生物醫學數據逐步采集的過程中，數據的規模也會越來越大。相關數據的個性化分析、預測的需求也增長，如何對個性化的數據進行分析和保存，這是我們應當關注的問題。

2.4 人體微生物群落研究

生物醫學大數據對人體研究領域的范圍較廣，不僅包括了人體基因型，還包括了表型數據。另外，它還與人體微生物群落研究有一定的關聯。通過人體微生物群落的研究，我們能夠更好地了解人體健康的影響因素。具體而言，可以從以下幾個方面入手：①通過構建病原菌數據庫，可以為患者的病因分析提供參考。②人體微生物的檢測結果，可以為病人健康狀況的診斷提供科學預測，通過使用有效的預防手段，從而避免疾病的發生。例如，有科學家將腸道微生物稱為“第二大腦”。有研究表明，微生物與多種神經類疾病有著緊密的聯系，比如自閉癥和帕金森疾病。當研究手段越來越先進時，科學家們越來越認識到了微生物的重要性。微生物群落的研究，對于結腸炎、心臟病、糖尿病等的治療都有很大的幫助。③通過恰當地利用有益菌，實現人體免疫能力的提高。④生物醫學數據中需要使用多種研究方法，這些方法能夠促進基礎醫學研究的進一步發展。

3 結束語

在大數據時代，生物醫學數據規模逐漸擴大，如何使生物醫學數據分析工作得到快速發展，從而促進大數據分析平臺的建設，這是生物醫學需要研究的。筆者相信，在不久的將來，生物醫學大數據將在我國生物醫學領域發揮越來越重要的作用。

［1］滕琪，樊小毛，何晨光，等.醫療大數據特征挖掘及重大突發疾病早期預警［J］.網絡新媒體技術，2014（1）：50-54.

［2］李頌.大數據改變生活［J］.決策與信息，2014，374（10）：12-13.

［3］李偉.大數據時代的健康信息分享與安全［J］.中國衛生產業，2014，35（11）：23-24.

［4］陳惠芳，徐衛國.大數據視角下醫療行業發展的新思維［J］.現代管理科學，2015（4）：70-72.

TP274+.2；R318

A

10.15913/j.cnki.kjycx.2018.02.088

2095－6835（2018）02－0088－02

劉曉芳〕