生物醫學大數據的現狀與發展趨勢研究

王淑佳

【摘 要】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。

【關鍵詞】生物醫學；大數據；微生物群落

一、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。

二、大數據思維變革在生物醫學領域的應用

（一）生物醫學領域大數據

正確認識大數據，我們需要從數據來源、類型和量化等方面入手。之前美國科學家Weston和Hood（2004）首次提出“4P醫療”觀點，提倡進行個體化預測、預防和醫療，個體化醫療需要將每位患者的各種信息綜合分析，針對個體患者的疾病診斷和治療中信息數據龐大。同時，人類基因組計劃的完成促進了對人類基因的研究，在基因組數據庫中分析基因表達、基因變異與疾病的相關性對臨床治療有很大的意義，收集到的蛋白組學、代謝組學、轉錄組學、脂類組學、糖組學等數據非常龐大，還有人類對古人類基因組的研究也不斷深入（劉瑞濤等，2015）。

（二）生物醫學大數據的挖掘

生物醫學大數據不僅可以應用于組學研究及不同組學間的關聯研究、識別生物標志物和研發藥物、實施健康管理等，而且還能實施更強大的數據挖掘，例如對數據挖掘進行關聯分析、聚類分析、分類分析和異常分析等，對生物醫學大數據挖掘能夠增加把握度并且有發現弱關聯的能力，例如對TCGA數據庫信息的挖掘，對現有研究數據進行分析。利用大數據思維挖掘TCGA數據庫中有用的信息在臨床上有非常重要的作用，通過對TCGA數據庫的數據挖掘掃描全基因組范圍內與肺腺癌預后相關的甲基化位點，可以發現對肺腺癌預后相關的基因，就能作為預后研究的生物標志物（王可等，2016）。或者可以直接研究目的基因與癌癥的相關性，從TC-GA數據庫中收集癌癥數據集，下載基因表達譜資料與臨床信息資料，就可以分析目的基因與癌癥臨床病理學參數的相關性和對癌癥預后的影響（王碩等，2016），也可以對癌癥相關的miRNA和mRNA進行聯合分析、構建共表達網絡圖進行聯合分析，找出與臨床相關的基因或miRNA做進一步研究。

（三）大數據時代的疾病風險評估與健康指導

提升大數據分析與共享的實用性，首先要建立起適合風險評估計劃進行的現場環境，觀察各個控制系統中所存在的問題，以及設計方案中需要繼續深入完善的內容，通過建立起綜合控制環境，并觀察在控制方案中存在的風險隱患，可以實現疾病評估目標。達到預期的風險控制效果。精準醫學大數據系統為健康指導提供了準確的數據參照，通過數據分析也能夠了解到健康方面存在的問題，不僅能夠根據個體不同時期的變化來加強分析，更能將不同個體的信息進行參照整合，從而綜合評比健康指數，以及需要注意的相關健康問題。將各個時期的體檢結果輸入到大數據分析系統中，形成一個健康指導數據庫，當不同時期數據庫中的信息超出了安全范圍，在系統中會自動作出提醒，將風險評估結果整理顯示出來，有關于大數據時代下的疾病風險評估，更應該充分結合健康指導來進行，觀察數據系統中存在的不同問題，并通過綜合控制方案來提升最終的風險預防效果。

（四）精準醫學藥物研發及用藥指導

數據庫系統開發完成后，所進行的各項藥品研發以及疾病治療用藥都能夠在此指導下進行，將醫學方面的安全控制體現在數據庫方面，實現用藥指導更為精準的開展。精準醫學大數據共享系統中的信息，具有極強的用藥指導價值，構建出適合現場工作內容開展的體系后，臨床用藥也可以參照共享系統中所記錄的內容來進行，避免產生用藥安全隱患，對臨床醫學能力提升有很大幫助。醫藥研發中需要大量的臨床精準數據作為支持，通過對精準醫學大數據展開分析與共享，可幫助醫學人員在短時間內搜集到更多的信息資料，包括不同醫學領域的內容。在大數據分析技術支持下，提升了數據環境的使用開發效果，為醫藥研發以及藥品應用建立更適合的現場環境。在用藥指導中也可以參照精準醫學方面的大數據來進行，提升用藥安全性。如果能堅持推廣精準用藥的臨床醫學指導，可望能有效避免卡馬西平、氯吡格雷、別嘌醇、甲氨蝶呤、巰嘌呤等藥物的嚴重不良事件，減少藥品的無效使用和醫保的不必要支出。

三、結束語

隨著大數據技術的發展與應用，同時面臨老年化社會的到來，從臨床治療到健康管理將成為一個趨勢。轉化生物醫學信息學的應用未來對于預測疾病發生趨勢將發揮重要作用。

【參考文獻】

[1]張建英，何建成.大數據在中醫學中應用的可行性分析與展望[J].中華中醫藥雜志，2017，32（01）：17-20.

[2].上海生科院（人口健康領域）生物醫學大數據中心工程師招聘啟事[J].生命科學，2017，29（06）：619.

[3]李凌英，劉建煒，李俊.國際生物醫學大數據研究可視化分析[J].醫學信息學雜志，2017，38（07）：7-11+17.

[4]謝晟堃.生物醫學大數據的現狀與展望[J].科技風，2017（20）：20.