發布日期：2017-04-20
國家癌癥中心/中國醫學科學院北京協和醫學院腫瘤醫院 胸外科 高亦博
國家癌癥中心依托中國醫學科學院腫瘤醫院，是全國腫瘤防治研究和信息交流的中心，承擔著采集和發布全國腫瘤登記數據、建立全國癌癥防治協作網絡、開展全國癌癥防控科學研究的職責，牽頭組織實施城市、農村、淮河流域癌癥早診早治項目以及腫瘤高發現場工作，也是國家腫瘤規范化診治質控中心、國家腫瘤臨床醫學研究中心等，是全國腫瘤臨床大數據匯集、分析、研究、上報、發布的中心。在參與國家癌癥中心/中國醫學科學院腫瘤醫院承擔的腫瘤臨床大數據相關研究項目過程中，也曾反復遇到一些難點和問題，在處理過程中得出了一些經驗和體會，由此對未來的腫瘤大數據研究重點和難點有了更深認識。
腫瘤臨床大數據系列研究布局
醫科院腫瘤醫院胸外科早在“十五”、“十一五”時期，即依托中國抗癌協會食管癌專業委員會，牽頭開展全國食管癌規范化診治監察網絡平臺的建設工作。作為國內最早建立的腫瘤專病大數據智能化信息網絡平臺，聯網全國82家在食管癌臨床診治方面具有較大規模和較高水平的三級甲等醫院，并設立了12個地區級分中心，涵蓋了除臺灣、西藏的所有省級行政單位，采用規范化的數據標準和網絡直報平臺，累計錄入食管癌的手術和綜合治療病例3.26萬例，為全國食管癌診治技術和模式的規范化做出了獨特貢獻，作為“食管癌規范化診治關鍵技術的研究與應用推廣”的重要組成部分，獲得2013年國家科學技術進步獎一等獎。
十二五期間，在此前食管癌臨床大數據網絡建設和研究成功經驗的基礎上，國家癌癥中心/腫瘤醫院承擔了國家科技支撐計劃項目“基于癌癥監測信息網絡的腫瘤規范化診治研究”和國家高技術發展（863）計劃“惡性腫瘤大數據處理分析與應用研究”的任務，針對我國發病率、死亡率高，社會負擔較重的八大腫瘤：肺癌、肝癌、食管癌、胃癌、結腸癌、直腸癌、乳腺癌、宮頸癌，聯網東北、華北、華中、華東、華南、西南、西北七個大區，14家有代表性和地區領先示范作用的省級腫瘤醫院/癌癥中心，開展腫瘤大數據獲取、存儲、處理與分析的關鍵技術研究，構建腫瘤大數據中心和系統平臺；應用大數據技術對腫瘤治療過程中產生的海量臨床數據進行處理與分析，形成以腫瘤單病種為主題的數據集；構建知識庫及分析模型庫，為腫瘤疾病的診治提供決策支持；開展腫瘤規范化診治研究，建立質量控制體系，優化腫瘤防控策略，提高腫瘤的綜合診治水平等。
腫瘤臨床大數據系列研究主要內容和進展
當前腫瘤大數據研究的具體內容可以簡要概括為以下幾個方面：①確定采集數據的內容及規范：包括患者人口學基本信息、發病及診斷信息、治療信息、隨訪信息、科研信息等；②構建全國癌癥監測網絡：搭建網絡基礎架構、數據交換、數據中心、業務應用、綜合管理等；③構建腫瘤單病種數據庫：確定各專業數據庫字段，將結構化字段自動導入系統，采用數據挖掘工具將非結構化數據納入等；④綜合數據分析：預定報表模型深入挖掘分析腫瘤分型，診療，癌癥死亡分析，癌癥控制統計分析，治療費用等；⑤數據上報質量控制：設計信息系統標準數據接口，規范數據字典；收集各醫院的接口數據，校驗上報數據，對整體性、種類完整性、數據項完整性等進行檢查；數據清洗，處理問題數據，收集原始資料，保障數據溯源；組織醫療專業人員進行業務邏輯核查和數據修正，并對數據字典和采集規范進行補充、完善等；⑥癌癥規范化診治研究：制定或更新適合中國國情的癌癥診治規范，修改完善符合我國患者特點的癌癥分期標準，獲得符合循證醫學的高級別證據用以指導臨床。
截至2016年，項目已經由行業專家協商制定擬采集的數據內容及規范，編制統一的數據字典，結合我國廣泛采用的醫療信息化系統特點，確定了包括電子病歷、檢驗檢查、處方醫囑、治療計劃、隨訪信息等在內的20個大項、400余個小項的采集規范；完成國家癌癥中心與 14 家省級腫瘤醫院的加密VPN網絡接入，完成服務器、防火墻、網關等基本硬件的部署，實現了數據推送和抓取；建立了自主知識產權的集成開發環境，支持各種結構化、半結構化、非結構化數據的處理。參考大數據項目的數據規范和工作經驗，制定了多種常見腫瘤的單病種規范化診治的醫療質控指標，已上報國家衛生計生委醫政醫管局。
腫瘤臨床大數據研究中的常見問題與解決
通常認為，可以視為大數據的數據資源一般具有：數據總量大、數據結構和類型復雜、單位數據價值密度較低、生成速度快等幾個共同特征。因此其數據特征與常規的基礎和臨床醫學研究、循證醫學臨床試驗等均有比較顯著的區別，對開展和從事大數據研究的醫療機構和相關專業人員提出了獨特的需求和挑戰。在此僅舉三個典型話題進行初步的探討。
1.保障醫院信息化系統運營安全是開展臨床大數據研究的前提
醫院信息化系統已成為大型醫院臨床業務正常運轉的必備條件，其持續穩定運行的保障是醫院信息部門的工作重點。另一方面由于工作職責優先級的不同，醫療機構開展的公共衛生、基因組學研究對大數據存儲、管理和分析的需求往往不能從院級醫療信息平臺得到充分保障，時常造成資源的重復建設，提高了研究的時間、人力和經費成本。兩方面的矛盾需求可以采用與醫院業務系統相對獨立建立大數據研究專用數據倉庫，并且在運行壓力較小時與集成平臺或臨床數據倉庫通信的方式獲取數據來解決，直至開發成具有比較完整獨立的業務邏輯的產品后，再反哺業務系統。
2. 臨床大數據內涵和外延的延伸模糊了數據規范性、規則完備性、參照完整性的邊界
除了臨床診療中被動積累的業務系統運行數據、電子病歷和影像檢查數據以外，醫療機構主動開展的腫瘤相關基礎和臨床研究也產生了具有龐大數據量或涉及大規模人群的基因組學、人群或隊列篩查體檢數據等，已成為腫瘤大數據的重要來源。但由于各自數據類型和結構特征的巨大差異，很少有成熟的醫療信息化平臺或工具可以將之整合，導致付出很高成本獲得的數據資源難以充分發揮其作用和價值。此外，盡管臨床大數據的采集不再設置很高門檻，然而循證醫學臨床研究范式中的選擇性偏倚、幸存者偏倚、測量偏倚等混雜偏倚和數據間的交互作用仍是設計數據分析策略、報表、發布研究結論等過程中需要充分考慮的問題，即腫瘤臨床大數據研究本質上仍然屬于醫學研究，其結論的得出不應因為采用大數據技術而對方法的合理性或結論的可信度降低要求。
3. 需要著力注意避免專業偏見和關注虛假需求
當前從事大數據研究開發的復合型人才嚴重缺乏，從業人員很大一部分來自于IT產業，或者具有分子生物學或生物信息學基礎研究背景，然而不同學科、不同角色的需求大相徑庭，在研究和產品中常會限于先驗偏見或偏離真實需求。比較典型的例子如以下四種。
（1）不能擺脫原有專業思維習慣：腫瘤學和基因組學研究常傾向于使用覆蓋數百個基因，可能有較多新發現的基因測序Panel，甚至用全外顯子組、全基因組測序在臨床樣本中進行篩選，然而臨床應用需求則主要集中于有靶向和免疫治療藥物使用指征的個別基因甚至個別突變位點的檢測。過多的基因分析結果給臨床解讀、醫患溝通和實際應用都帶來了過多的工作量，卻難有明確的臨床獲益。
（2）對研發成本和實用難度估計不足：部分醫療大數據研究團隊在尚無充分證據時，貿然將產品定位為替代醫生的智力勞動，然而其成本或效率優勢仍主要存在于紙面估算，只關注到理論邊際成本很低的優勢，而對前期開發、驗證和推廣的時間成本和社會成本估計不足。
（3）研究目的與真實需求錯配：例如以媒體報道的看病難、看病貴為默認前提，而實際上在很多情況下一般性醫療服務可及性不差，但是有效需求不足；優質醫療服務可及性差，但由于負荷已滿而缺乏進一步提高可及性的動力。部分所謂顛覆性技術成果并未設置嚴格的對照，缺乏專業權威認可的嚴格實踐檢驗，并且沒有充分考慮醫療行為主客體即醫生與患者的心理訴求。
（4）超越知識和技術發展階段：通過機器學習支持臨床決策支持和提高診療水平，必須依賴大批高質量的訓練數據和詳盡臨床轉歸、結局、隨訪等信息的迭代優化，這樣的數據仍然十分稀缺。近年來生物醫學界已經越來越多地意識到公開發表論文中，大部分的結論無法嚴格重現。根據眾所周知的“Garbage In，Garbage Out”（無用輸入，無用輸出）一般規律，當大多數醫生診療水平無法與頂尖專家相比時，大數據研究方式反而有可能成為劣勢。
結語和展望
隨著大數據和互聯網技術的飛速發展，以及臨床大數據研究開發的快速推進，腫瘤臨床大數據研究未來的發展方向仍會繼續堅持科學審慎原則，整合生物-醫學大數據，推動臨床真實需求導向和應用驅動的增量改進。以國家級重大研發項目為牽引，依托腫瘤早診早治和規范化診治體系、醫保單一付費體系等，醫療大數據的所有權、使用權、收益權的歸屬問題，患者知情同意、隱私保護，醫療機構信息煙囪、信息孤島等長期困擾臨床大數據技術發展的問題有望得到緩解。
來源：中國數字醫學
