CHC 2017｜胡盛寿：“大数据”时代下的心血管病防控 ——CHC 2017开幕式主题演讲

医学“大数据”时代的来临源于：一、信息大爆炸，计算机＋互联网时代背景下的产物；二、是对现今医疗模式客观审视“倒逼”的结果。过去以疾病类型为中心的医疗模式存在诸多问题，如生活方式干预性低造成患者主动性差，过度医疗导致医疗资源浪费、疗效不佳甚至药物不良反应使医患矛盾加剧等。如果以“小数据”代表如今的医疗模式，则具有以下特点：随机小样本去替代庞大的群体，更聚焦于疾病某一环节，而非整体，更注重直接的因果而淡视关联。“大数据”模式则重视分析所有数据，而非少量的样本；接受和承认数据的繁杂，而去挖掘深处的真知；不刻意寻求“完美”的直接因果，而在意于事件之间的关联。具体到心血管疾病，可发现当前模式下心血管疾病针对性差，China PEACE研究显示我国急性心梗住院死亡率和并发症发生率十年间无改善，而高血压治疗者仅60％得到有效控制。因此，医学“大数据”时代对我们有着十分重要的意义。

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。对心血管疾病的发生机制研究、诊断和治疗需要系统化的信息集成，而现今对心血管疾病发生发展的认识局限和肤浅，海量的未被发觉和利用的数据，可能对我们的健康影响深远，而这些数据在目前的医疗系统之外。因此，未来对疾病信息的处理从碎片化将向集成化、系统化发展。

传统疾病分型系只关注疾病在某一阶段或某一方面的特征，片段化、碎片化。我们对疾病群体－个体的认识存在明显的局限，而忽略的信息决定了疗效的差异。“大数据”时代下，新的疾病分类系统将由治疗某一特定表征（疾病），转变为对表征（疾病）关联因素的整体控制；从确诊疾病前移到对疾病的预警、预测，通过早期发现遗传倾向，实现对疾病的早期（危险因素）干预，抑制或延缓发病。“大数据”时代促使心血管疾病防控模式由治疗疾病向预防疾病转变。

目前，我国整体医疗可及性改善，技术规模持续增长，然而规模的快速扩增未转化为更好的患者结局，同时地区间、单位间诊疗质量差异显著。当前医疗质量评价体系存在的关键问题是未纳入基于研究证据的关键诊疗环节以及缺少完善的评价反馈机制，使临床证据转化和质量问题突出。

运用医疗“大数据”，可以构建学习型医疗体系，促进诊疗质量持续改善；支持质量干预手段的研发、验证和推广；针对重点问题设计质量手段，遵循科学理念支持干预措施的研发、验证和逐步推广。学习型医疗体系的数据来源多种多样，包含基本信息、门诊信息、住院信息、检查信息、社会经济信息。对医疗质量的全方位评价，需要用“数据”来提升医师自我学习，完善临床实践能力。

在“大数据”时代，深度学习的人工智能表现耀眼。可以充分理解和应用“大数据”的“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。传统医学教育模式能否适应“大数据”时代的挑战呢？过细的专科化培训使医师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。“大数据”时代的医学人才培养观念需要进行转变，由医师经验的积累到医疗数据的积累，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。优秀医师还应是Data Scientist，在数据获取、构架、处理和解读的各方面都应积极主导。