醫學信息學教育在大數據環境下的變革研究

趙玉暉

[摘要]醫藥信息學屬于交叉科學，包括醫院信息、臨床信息、護理信息、醫學教育信息、生物醫學信息等內容。從學科定位來看，醫學信息學主要研究信息技術與信息科學在醫學領域中的應用，是一門重點面向醫學應用的重要學科。而隨著信息技術的飛速發展，醫學信息學教育已受到前所未有的機遇與挑戰。本文主要簡述大數據的時代背景、生物醫學大數據與醫學信息學的關系;并從醫學信息教育的最新目標、內容及準則對大數據環境下的醫學信息教育變革進行探析。

[關鍵詞]醫學信息學;大數據;變革;發展需求

[中圖分類號] R-058? ? ? ? ? [文獻標識碼] A? ? ? ? ? [文章編號] 1674-4721（2019）1（c）-0185-04

伴隨信息技術的飛速發展，臨床科研研究、醫藥研發等醫學領域逐漸與信息技術相掛鉤，并產生大量信息數據，促進生物醫學往大數據方向發展。為此，在大數據環境下，怎樣應用、儲存、分析與發揮臨床數據則成為醫學人員主要探究的問題之一。醫學信息學屬于交叉性學科，在醫學數據的利用、分析中具有一定的優勢[1]。但在大數據背景下，傳統的數據處理方式已難以滿足數據信息的需求，故醫學信息學發展受到極大挑戰。

1大數據時代背景

托夫勒曾表明大數據時代即將到來，并影響著數據信息的存儲、應用與管理[2]。而國外研究則對數據洪流所面臨的挑戰進行分析，并做出相關的技術報告，即大數據對未來信息的影響，對各個領域的應用技術等做出詳細分析，并受到各個領域的關注與探究。2012年維克托·邁爾-舍恩伯格等雖對大數據的思維、商業及管理變革進行探究，但大數據的基本定義還未得到統一論證。麥肯錫認為，大數據是超過常規數據庫的存儲、分析與應用的數據集，并強調超過設定TB級的數據集不一定就是大數據[3]。部分研究機構及人員則認為，大數據屬于信息資產，需經過新的處理模式后才能發揮其價值。若從數據類型分析，大數據則主要指無法采用傳統處理工具及傳統流程來分析的大型數據。當前，大數據主要存在數據量體巨大、類型繁多、處理迅速、價值密度低的特征。而部分研究人員則將其特征進行拓展，認為大數據還應包括數據有效性、數據可視化與真實性特征。

2生物醫學大數據與醫學信息學的關系

隨著全球醫療信息技術的不斷完善與發展，生物醫學數據信息也得到不斷提升。大量的醫學數據均來源于各種藥物的研究數據、電子病歷影像數據等。而生命科學基礎研究的深入發展與變化，使生物醫學逐漸往數據驅動與實驗科學相結合的趨勢發展。因此，在大數據環境下，生物醫學需面臨更大的挑戰與機遇。只有將生物醫學與信息技術有機結合與互動，才能實現海量數據的有效應用[4]。而醫學信息學是在信息技術與生物醫學的應用下所產生學科，作為一門交叉性學科，可將生物醫學所產生的數據進行收集、儲存與利用，以作為臨床診療、衛生管理的決策與分析的科學依據。對此，生物醫學數據及其信息是醫學信息學的主要研究對象，可通過信息技術的方式，對生物醫學數據存在科學規律及價值進行分析與應用。

3大數據環境背景下醫學信息學教育的主要變革

3.1醫學信息學教育將以實現大數據的應用價值為新目標

在《大數據時代》[5]一書中，維克托·邁爾-舍恩伯格曾提出：在大數據時代背景下，數據原有的用途價值將轉變為未來潛在用途。而數據價值的極大轉變、數據及訪問者的方式等均可影響公司原有的商業模式，并對公司使用數據的方式、部門組織等造成影響。由此可知，擁有大量的數據并不是最終的目標，而是需要研究人員不斷的從大量數據中提取最為真實的數據，繼而實現生物醫學大數據的應用價值;進而將這些數據廣泛應用于醫療診治、醫學研究、醫學教育中。生物醫學大數據與各醫學領域具有緊密聯系性，可涉及多個方面，如公共衛生、藥物研發、醫療費用、臨床診治、醫療環境以及人類遺傳學等。而要想在各醫學領域中發揮醫學信息學的價值，展開有效的生物醫學大數據試驗，并利用大數據推動人類醫療事業的發展，就應發揮醫學信息學專業的樞紐作用，實現醫學科研與臨床應用的有機結合;并發揮與拓展醫學信息學的專業優勢，對大數據進行收集、存儲、整合、分析與處理，使大數據成為高價值密度的數據資源體系，并使其成為醫學信息學教育的最新目標，發揮與實現大數據的應用價值。

3.2醫學信息學教育將以生物醫學數據的挖掘和分析技術為新內容

目前在我國，醫學信息學專業教學課程主要分為三大類，即公共課程、專業基礎及學科基礎課程。其中，公共課程主要有《醫學倫理學》《馬克思主義基本原理》《大學計算機基礎》《形勢與政策》《基礎醫學文獻閱讀技巧》《臨床醫學英語文獻分析》《概率統計》等課程;而學科基礎課程主要有《生物化學》《人體解剖學》《醫學遺傳學》《病理生理學》《組織胚胎學》《醫學科學研究與設計》等課程;專業基礎課程主要有《醫學信息學概論》《醫院信息系統》《衛生信息資源》《信息計量學》《生物信息學概論》[6]等課程。從我國多醫學信息學課程體系及結構進行分析，主要分為理論性課程與實踐應用性課程兩大類。而醫學信息學屬于交叉性學科，不僅涉及大量的醫學管理學內容、醫學基礎知識、醫學統計學內容，還涉及相關的信息技術內容，如《計算機網絡》《數據結構》等計算機課程。但盡管如此，在大數據環境下，醫學信息學教育仍缺乏一定的技術學習，即缺少數據挖掘與數據分析等方面的學習。如可視化工具、分布式系統基礎架構（Hadoop、云計算等）、分布式文件系統（HDFS或GFS）等。為了順應大數據的發展趨勢，成為醫學數據與數據價值兩者間的橋梁，醫學信息學專業教育應在更新內容的基礎上不斷完善與優化教學課程體系。設置與信息技術操作的相關課程，融入生物醫學數據的挖掘和分析技術課程;進而滿足學生的學習需求，使其完成與大數據分析有關的教學任務，如大數據可視化分析、預測性分析、數據質量等[7]。

3.3醫學信息學教育將以醫學倫理與數據使用規范為新準則

大數據雖能加快數據使用與分析的速度，但也存在隱私等方面的客觀性問題。在大數據環境背景下，醫學數據的開源與共享逐漸成為生物醫學研究的主要催動力。為此，在解決醫學科研數據共享等問題時，應立足于隱私保護與數據使用的平衡狀態，遵守相關規則，進而在保護隱私的前提下，獲取一定的數據價值。對此，應建立完善的管理政策，制定并明確醫學數據的使用規范、醫學數據的共享規范等[8]。并從生物醫學的本質出發，建立與完善醫學數據的共享與使用的法律法規，而遵循醫學數據的共享準則，明確劃分數據使用與共享的具體范圍;利用法律促使生物醫學數據的使用與分享往規范化發展。此外，還應健全與數據使用、共享有關的監督體制與倫理審查制度;并以保護個人隱私為基本前提，有效使用或分享醫學數據。而在醫學信息學專業教學過程中，教師要熟悉并遵守生物醫學數據的使用與分享的基本道德，并感染學生，使其明確生物醫學數據的使用與分析的思想觀念;立足醫學信息學專業的未來發展，使其往積極、健康的方面發展，進而順應與滿足大數據時代背景下的發展需求[9]。

4大數據環境下對醫學信息學教育的發展需求

4.1秉承良好的醫學信息學資源教育理念

在以往傳統的醫學信息學教育體系中，教師多采用單一的教學模式進行教學，如課前備課、制作課件、言語傳授等，過于依賴教材內容，缺乏創新教學意識與手段，故教學觀念較為傳統。在大數據環境下，不斷拓展與延伸的數據資源存在不可忽視的利用價值。為此，在實際醫學信息學教育過程中，教師要充分借助一切可利用資源，將與教學內容有關的文本、視頻、音頻等進行結合實施教學。進而在新的教學理念與模式中培養學生良好的自主探究能力與分析能力，不斷提高教師自身對資源教育的理解與應用;秉承良好的資源教育理念，發揮各數據資源的教學優勢[10]。此外，醫學信息學教師還應在教學過程中培養學生對數據資源的敏感性，樹立大數據思維，引導學生以數據的角度去看待、去理解、去分析生物醫學各領域間的聯系，準確把握生物醫學大數據間存在的差異性與多樣性特征;使其學會分析數據的動態趨勢，挖掘數據存在的必然聯系，追溯大數據時代的發展前沿，探究大數據時代背后的應用價值。

4.2建立與完善醫學信息學教學方式

以往的醫學信息學教學中，學生多通過課本與教師講課來獲取學科知識。隨著信息技術的飛速發展，計算機教學、互聯網+等均為醫學信息學課堂教學注入一份新力量，并逐漸成為學生在線學習的主要方式之一。相較于傳統的教學課堂，計算機在線教學不僅能充分利用學生的學習時間與空間，還能構建一個相對獨立與選擇性的學習環境。而大規模開放式在線課程（MOOC）等均為大數據下的醫學信息學教育方式提供更多的參考思路。這種開放式的在線課程，不僅具有多元化、資源豐富化、覆蓋面積廣的特征，還可顯著提高學生的學習興趣，體現其課堂主體地位，而有效培養學生的創新思維能力與自主學習能力[11-12]。此外，翻轉課堂也可有效彌補傳統教學中存在的互動問題。主要指通過教師發布的教學視頻，讓學生進行課前學習，在初步了解新知識的前提下，帶著疑問在課堂上進行學習。進而實現教師與學生、學生與學生間的良好互動。將翻轉課堂與線上學習相結合，不僅能充分體現線上與線下的教學優勢，還可體現以學生為本的教學原則。在自主與互動相兼的情況下，提高醫學信息學教學質量。并打開大數據環境下醫學信息學教育的新征程，不斷改革與創新，順應大數據的發展腳步，提高教學效率。

4.3設置與落實醫學信息學教育策略

醫學信息學教育策略可充分借助數據挖掘、分析、應用技術等，設置健全的教育領域模式。通過探究教育與各個變量間的關系，為教育領域的教學決策提供支持，并促進教育領域的未來發展。美國聯邦教育部曾在2012年發布相關的技術報告，內容中主要介紹了美國教育領域在大數據環境下所面臨的挑戰與相關實例，并對教育數據的挖掘提出以下5個技術方式：數據預測、數據聚類、挖掘數據關系、提煉數據以及數據建模[13]。其中，數據預測主要指通過多個變量間的整合與建立，對單一預測變量進行推斷的一種模式。數據聚類則主要指根據數據存在的特性，將完整的數據集進行劃分，并將其劃分為不同的子集。挖掘數據關系主要指發現數據集中存在的各個變量間的關系，進而利用其關系進行相應的編碼。提煉數據主要指在對數據進行描述時，應采用更易于理解的方式來判斷或區分數據間的特征。數據建模主要指經過上述過程后構建的一種利于分析與決策的解釋模型。在醫學信息學教育中，可借用此方式對教育數據進行挖掘。在構建學生知識結構模型時，可對學生的認知、學習動機、學習態度等進行構建，進而提高學生學習效率，改進與優化教學內容及模式，提供醫學信息學教育決策更為準確的參考依據[14]。

4.4合理制定完善的醫學信息學培養方案

從大數據生命周期來看，大數據技術體系可涉及多個方面，如大數據的采集、預處理、存儲、管理、計算模式、數據挖掘、分析、可視化等。而醫學信息學教學目的在于培養復合型的醫學人才。而在實際培養中卻發現，醫學信息學所開設的計算機課程很少，學生掌握數據分析的能力受到限制，而數據分析才是數據活用與發揮價值的重要環節。為此，在大數據環境下，醫學信息學教育要想使學生對數據進行挖掘，發揮數據的利用價值，就應開設更多與信息技術有關的教學課程。在原有的統計學、計算機基礎課程及醫學基礎課程中，添加計算機數據庫課程、計算機編程語言、數據挖掘、可視化技術等課程體系，進而實現復合型人才的培養策略[15]。此外，還應加強理論與實踐的課程設置，拓展實踐應用與實習環節，讓學生能在理論與實踐應用中掌握與穩固所學的專業知識與技能，提高職業能力的同時，順應大數據時代的發展需求。

總之，在大數據環境背景下，醫學信息學教育改革應以實現大數據價值為最新目標、以生物醫學數據的挖掘和分析技術為新內容、以醫學倫理與數據使用規范為新準則。發揮醫學信息學教育在大數據環境下的學科優勢，并順應大數據時代的發展需求，對教學模式、教育策略等進行探析，使學生更好的掌握學科知識，提高自身的專業水平與能力。

[參考文獻]

[1]劉海燕.大數據時代醫學圖書館特色服務的機遇與挑戰[J].現代醫院，2016，16（7）：1076-1078.

[2]王曉東，吳雅琴.大數據時代醫學信息管理專業人才培養[J].醫學信息學雜志，2014，35（1）：83-85.

[3]付佳，閆實.大數據時代醫學數字資源信息平臺建設[J].醫學信息學雜志，2017，38（2）：78-82.

[4]虞穎映，馬凌飛，胡天天，等.大數據環境下醫學信息服務平臺研究與實踐[J].醫學信息學雜志，2016，37（12）：72-76.

[5]弓孟春，陸亮.醫學大數據研究進展及應用前景[J].醫學信息學雜志，2016，37（2）：9-15.

[6]李后卿，郭紫.大數據戰略背景下我國醫學信息教育的戰略發展方向[J].中華醫學圖書情報雜志，2017，26（9）：1-6.

[7]李曰陽，馬敬東.基于文獻分析的國內醫學信息學教育現狀及建議[J].醫學信息學雜志，2017，38（9）：83-88.

[8]金夢，孫可欣，胡永華.大數據時代醫學信息學發展展望[J].現代預防醫學，2016，43（20）：3831-3836.

[9]羅亞瑋，陳方，任學軍，等.大數據時代高等醫學教育的啟示[J].中國教育信息化，2015，21（15）：33-35.

[10]趙霞，鄒凌云，何勇濤.大數據背景下醫學生《生物信息學》課程教學的思考[J].中華醫學教育探索雜志，2017， 16（11）：1119-1123.

[11]焦曉棟，錢建新，王湛，等.大數據時代臨床醫學教學的思考[J].海軍醫學雜志，2014，35（2）：151-152.

[12]沈洋，李小平，馬佳，等.醫藥文化視域下醫學信息素養教育改革著力點探究[J].中國管理信息化，2017，13（17）：213-215.

[13]王孟通.大數據時代的高等醫學教育[J].醫藥衛生（文摘版），2016，（5）：199.

[14]李生慧，徐志偉，鄭志杰.對醫學信息大數據趨勢下醫學統計學教學的幾點思考[J].新校園（上旬），2015，（10）：60-61.

[15]王芳，肖雪梅.大數據時代下的醫學院校數學建模課程教學改革[J].科教導刊，2015，34（12）：126-127.

（收稿日期：2018-07-20? 本文編輯：崔建中）