胡盛寿：“大数据”时代下中国医生大有作为
2017-08-13 11:55
2017年8月11日，中国心脏大会在北京国家会议中心隆重开幕，大会主席胡盛寿院士就“大数据”将如何改变传统医学发表主旨演讲：
胡盛寿院士发表主旨演讲
大会开幕式现场
认识世界的第四种方式——大数据
“In God we trust;all others must bring data.”
——除了上帝，任何人都要用数据说话。
检索当今中国卫生健康热点名词，“健康大数据”绝对名列其中。纵观中国古代，“数据”概念已蕴含其中，从二十四节气到李时珍的《本草纲目》，都在用丰富的数据信息展示自然和人类发展的内在联系。
大数据，是我们认识世界的一扇新门。大数据发展的核心动力来源于人类测量、记录和分析世界的渴望。将世界看做信息，看做可以理解的数据海洋，为我们提供了一个从未有过的审视现实的视角。它是一种可以渗透到所有生活领域的世界观。
两大动因使医学进入大数据时代：
(1) 信息爆炸与计算机、互联网+技术快速发展的时代背景
(2) 当今医疗模式客观审视的必然结果
大数据+医学＝医疗旧时代的颠覆 新时代的到来
在过去的30年甚至更长一段时间当中，我们形成了以患者和疾病为中心的医学模式，救助了无数患者的生命。随之而来的一些弊端，如过度医疗、疾病治疗针对性差、药物过度反应等现象的背后，固然需要我们进一步改革医疗体制，但无疑，这也是因为我们对医学本身的认识还存在误区和不到位之处。所以，以大数据理念来看待现代医学的发展，可以导致至少以下三方面的改变：
“大数据”时代促使心血管疾病防控模式由“治疗”到“预防”转变
随着医学分支越分越细，医生关注的中心转移到了疾病，形成了以疾病为中心的医学模式。而心血管疾病的发生发展是遗传和环境因素交互作用的结果。我们关注患者病史、症状、体征、各种检查数据，而忽略了基因组信息、环境危险因素、对疾病主要监测指标的持续动态监测和亚组分析以及性别、身高等基本信息的采集。
在对心血管疾病的发生机制研究、诊断和治疗中，我们需要将传统疾病分型系统中只关注疾病在某一阶段或某一方面的特征片段化、碎片化转向集成化、系统化。
基于“大数据”的新的疾病分类系统可以实现对疾病认识从个体（个体经验）－群体（从大样本人群中发现规律）－个体（结合个体数据精准定位进行分析预测）的过程，从确诊疾病前移到对疾病的预警、预测。
通过基因测序、智能终端监测获取信息识别有不健康行为风险的子人群；运用“大数据”分析患者环境背景和生活方式喜好，制定个性化干预策略，并通过行为监测实时反馈调整。
只关注手术、介入治疗的成功？
——大数据改变我们对医疗质量的评价
中国改革开放和经济实力的积累，促进了各类心血管疾病诊治技术快速普及，治疗规模持续增长。然而，这种规模的快速扩增，并未转化为更好的患者结局。不仅地区间、单位间诊疗质量差异显著，而且未纳入基于研究证据的关键诊疗环节信息掌握、缺少完善的评价反馈机制。
因此，我们的目标是构建学习型医疗体系，促进中国心血管诊疗质量持续改善。在医疗信息数据收集的过程中，建立支持质量干预手段的研发、验证并逐步推广，用“数据”来说话，从临床层面、花费层面、患者认知层面、功能层面提升医生自我学习、完善临床实践的能力，从而实现对医疗质量的全方位评价。
大数据必将颠覆传统医学教育模式？
AlphaGo在与世界排名第一的人类棋手柯洁的对战中，三战全胜。这向我们描绘了一幅画面：在当今时代，随着智能化的快速发展，“大数据”给了我们一种思路的创新。目前，可以深度学习的人工智能在“大数据”时代表现耀眼：“智能医生”初现端倪，在病理切片、医学影像判读上已经进入临床实践；“沃森医生”通过对比2000万份的癌症论文，用10分钟诊断出一种被长期误诊的罕见白血病。过细的专科化培训使医生对数据理解和摄取越来越局限；师徒相授模式易导致临床经验难以推广、复制和传承。
“三十年后医生会失业”——传统医学教育模式能否适应“大数据”时代的挑战？
所以，“大数据”时代的医学人才培养，需要我们从单纯的医生经验积累转化为医疗数据的积累。未来的医学人才，应该能熟练运用智能辅助工具，处理海量信息，做出正确决策。
通过数据挖掘回归医者价值
大数据时代中国医生具有“弯道”超越的可能：全球同步的互联网、实践之中的中国特色大数据、13.5亿人口庞大的数据资源、政府层面的大力支持，都为健康医疗大数据平台的建设与发展提供了强有力的支持与广阔的天地。
在“大数据”时代下，我们要用谦卑的心态重塑医学人的格局和气度。积极参与到大数据医学时代的发展中，大数据的“大”靠工程师来完成，但更关键的“全”需要医生来完善。我们要学会利用数据，重视人与环境的交互作用、从单纯治疗疾病发展为预防疾病，并在此过程中不断增强自我学习、完善实践的能力，改善疾病防控模式。
“大数据”时代已来，对于今天的医者而言，技术层面已经万事俱备。大数据的意义不在于掌握海量的数据，而在于通过数据挖掘精准定位，实现真正的医者价值。
