科技博客网站recode.net称，许多机构的研究人员正在探索如何利用人工智能和大数据，为癌症等疑难病症找到更好治疗方法，目前已取得进展，但他们在收集患者信息上遇到难题。

IBM、波士顿制药公司 Berg Pharma、纪念斯隆-凯特琳癌症中心（Memorial Sloan Kettering）、加州大学伯克利分校（UC Berkeley）及其它机构的研究人员，正在探索如何利用人工智能和大数据，找到更好的疾病治疗方法。

但是，在医疗领域充分利用这些计算工具面临的最大挑战是，这方面的海量数据被束之高阁——或者说从一开始就没有数字化。

早期的医学研究成果或病人的病历，往往锁在医药公司的档案或医生办公室的文件柜中。

病人的隐私问题、公司间的利益冲突以及纯粹缺乏电子病历，阻碍着医疗领域的信息共享，让每一次治疗都像一个孤立的事件。如果医疗领域的信息共享能取得进展，人们很有可能发现更具普遍意义的治疗方案。

加州大学旧金山分校的讲师迈克尔·凯泽（Michael Keiser）指出，当你能够对10万个病人的临床试验数据、基因组数据和电子病历进行分析时，与以往只能接触少数病人的信息相比，你将能发现以往所不能发现的治疗方案。

鉴于这样的前景，一些组织开始着手将医疗数据整合在一起。

去年年底，美国临床肿瘤学会（American Society of Clinical Oncology,ASCO）宣布了旗下“CancerLinQ”项目的初步进展情况。“CancerLinQ”是一个“快速学习系统”，允许研究人员进入、访问和分析匿名癌症患者的病历。

今年4月，一个有众多主要制药公司参与的非营利性组织——“癌症生命科学协会CEO圆桌会（the CEO Roundtable on Cancer）”，宣布推出PDS计划（Project Data Sphere）。该计划将打造一个第三阶段癌症临床试验数据共享和分析平台，初始数据集已由阿斯利康、拜耳、新基医药（Celgene）、纪念斯隆-凯特琳癌症中心、辉瑞、赛诺菲等共同提供。

这些数据已去除患者的个人信息，并进行了统一编号，供生命科学公司、医院、医疗机构以及独立研究者可以免费使用。他们可以访问平台内置的分析工具，或者将数据插入到自己的软件中。

癌症CEO圆桌会议首席执行官马丁·墨菲（Martin Murphy）表示，PDS计划可能有助于发现鲜为人知的癌症候选药物，这些药物可能对某些癌变有一定的疗效。而在某一特定研究中，这些药物可能会因为没有达到研究的主要目标而被抛弃。

其它推进医疗领域信息共享的努力还包括：由从多医疗机构、研究型大学、生命科学公司等组建的全球基因组学与健康联盟（Global Alliance for Genomics and Health）、欧洲生物信息研究所（EMBL-EBI）维护的分子生物数据库，以及美国国立卫生研究院（National Institute of Health, NIH）成立的“生物标记共同体（Biomarker Consortium）”等。

与此同时，用大数据服务肿瘤医疗行业的初创公司Flatiron Health上月完成了1.3亿美元 B 轮融资，由谷歌旗下风投机构谷歌风投（Google Ventures）领投。Flatiron Health 打造了一个“肿瘤学云平台（OncologyCloud）”，能提取和整合病人电子病历（EMR）中的临床数据以及医疗费用数据。

该系统使在医生办公室和医院以不可持续和非结构化格式留存的数据变得有意义，从而能够对大规模癌症患者群体的治疗情况进行分析。理想情况下，它可以发现哪种治疗方法对哪些类型的癌症患者有效。

Flatiron Health 联合创始人奈特·特纳（Nat Turner）表示：“Flatiron Health专注于所谓‘真实世界’患者的临床资料。在美国，只有4%的癌症患者会参与前瞻性临床试验，因此我们正在努力提取和整合剩下96％患者的数据。”

他说：“要真正了解什么对癌症有效，其他患者正在接受什么样的治疗，以及癌症领域的研究取得了什么样的成果，相关机构应该开放“去识别（de-identified）”的医疗数据和匿名的典型病例，这是Flatiron Health愿景的一部分。”

隐私风险

可以肯定的是，推进医疗信息的开放应该非常谨慎。医疗信息是高度敏感的，所以任何隐私风险需求应慎重考虑。

医疗信息能开放到什么程度，取决于全社会所做出的让步。许多人坚定地持有这样的观点：挽救生命最重要。但受旧习惯和过时规章制度的影响，社会的转变速度还不够快，这一点加州大学伯克利分校的计算机科学教授大卫·帕特森（David Patterson）深有感触。帕特森致力于用于癌症研究的机器学习工具。

他说：“对于计算机领域的研究人员，我们习惯于互联网时间和摩尔定律。但现在我们无法让官方达成一致，让我们能够大量快餐收集数据并进行整合，这是非常令人沮丧的。”

他指出：“患者的隐私很重要，但争取癌症治疗领域取得进展同样很重要。将大量治疗信息汇集在一起的好处是，我们可以在攻克这种可怕疾病方面取得进展。”

这些接受采访的专家，还没有谁能例举出目前为止大数据等计算技术对癌症治疗带来了什么突破。毕竟，这些技术都是新的，而且医疗数据集刚刚整合在一起，临床试验又需要数年时间。

但几乎所有人都同意，在癌症治疗方面，研究人员正处于重大突破的边缘。

墨菲称，如果把攻克癌症比喻为一座高山，目前已接近顶峰的边缘，这一高度是前所未有的。

大数据时代需要新“元素周期表”（陈彬）

 

“当前，大数据已成为社会热潮。这股热潮的主要驱动力来自网络服务公司，各地政府投资大数据的主要目的则是增加GDP，但其实发展大数据的意义不仅仅体现在经济上。”日前，在清华大学举行的大数据时代高端论坛上，中国工程院院士李国杰表示，发展大数据技术的另一个重要意义是促进社会公平正义，促进国家治理的现代化。“大数据的挖掘分析还能促进科学研究，尤其是基础科学研究的发展。面对大数据浪潮，我们的科学研究也需要作出一定的调整。”

“大数据就如同蜜蜂，其主要价值是传播花粉，自己生产的蜂蜜价值并不大。”李国杰介绍说，2013年世界范围内狭义的大数据产业产值只有186亿美元，但广义的大数据应用几乎覆盖所有产业。据麦肯锡公司预测，开放数据仅在教育、保健等7个行业便可释放3.2万亿～5.4万亿美元的经济价值。

然而，在李国杰看来，大数据对社会的贡献并不仅限于经济领域。“大数据分析是认识客观世界的新工具，将开拓计算机科学的新领域——数据科学，同时基于大数据分析的科学研究第四范式必将给全球科技发展带来深刻影响。”

当前，大数据的发展已给传统计算机科学带来挑战。李国杰坦言，计算机科学是关于算法的科学，传统的图灵计算把“输出值”当成“输入值”的函数，假定输入的数据是随意的，并不关心输入数据之间的相互关系。然而，现在的研究发现，其实输入数据本身也是值得研究的对象。“这就是数据科学要研究的内容。”

“在某些情况下，小数据条件下好的算法在大数据条件下可能不再适用。反过来，也有一些问题，数据多了反而更容易解决。大数据的兴起导致计算机科学的重点从算法研究向数据科学转移。”李国杰说，目前的大数据技术大多是针对专门应用开发的，其实应研发更加通用的大数据分析和管理技术，发展像关系数据库这样的理论指导海量非结构化Web数据的处理。

与此同时，越来越多的研究人员开始在数据不断涌现的科学领域摸索，数据驱动型发现也将成为科研的主要形式，熟练应付大数据将很快成为必备技能。对此，李国杰表示，伴随着所有科学都迅速变成“数据科学”，需要在各领域培养既有专业知识又熟悉数据分析的人才，使之拥有分属于不同领域的“双腿”支撑前进。

此外，李国杰强调，为顺应大数据时代潮流，我们需要重新构建一张以大数据为基础的“门捷列夫周期表”。

“‘门捷列夫周期表’的发现，为化学成为一门独立科学奠定了重要基础。而在很多学科中，我们也需要对某些基本元素进行系统分析。”李国杰表示，目前生物领域有基因组学，生理学、病理学、制药、干细胞等领域都在研究“基因组”，也有人在讨论人类语言的“基因组”，这些基因组其实都是构成学科整体的基本元素。而发现这些“基因组”需要通过计算机对海量数据进行分析，这导致各学科领域纷纷出现“某某信息学”的分支学科，凸显了大数据在许多学科中的基础性作用。

“从上世纪70年代开始，围绕计算复杂性，已形成了以算法研究为中心的计算机科学。但随着计算机科学与其他科学的交叉融合，其研究重点将逐步转移到以研究各种基因组学为重点的数据科学。从这个角度来说，现在已经到了发现一张新的‘门捷列夫周期表’的时候了。”李国杰说。

大数据正开启一次重大的时代转型（彭科峰）

 

“大数据已成为信息主权的一种表现形式，将是继边防、海防、空防之后大国博弈的另一个空间。”近日，中科院院士郭华东在接受《中国科学报》记者采访时表示，大数据正在开启一次重大的时代转型，“它将改变人类的生活以及理解世界的方式”。

第二次工业革命的爆发，导致以文字为载体的数据量约每十年翻一番。从工业化时代进入信息化时代后，数据量以每三年翻一番的速度持续增长。而随着计算机技术和互联网的快速发展，半结构化、非结构化数据大量涌现，数据的产生已不受时间和空间限制。

郭华东介绍说，根据2012年互联网络数据中心（IDC）发布的《数字宇宙2020》报告，2011年全球数据总量已达到1.87ZB（1ZB=十万亿亿字节），并且以每两年翻一番的速度飞快增长。预计到2020年，全球数据总量将达到35～40ZB，10年间将增长20倍以上。

“1.87ZB的数据在数量上是什么概念？将这些数据刻成DVD，排起来的长度相当于从地球到月亮之间一个来回的距离。”郭华东告诉记者。

他进一步表示，作为一种技术创新，大数据符合一般的技术创新、发展、成熟规律。根据美国一家公司发布的技术分析报告，现阶段大数据处于“膨胀的高峰期”，要达到“实质生产的高峰期”至少需要2～5年。

“大数据在政府层面已得到高度重视。”郭华东说，2012年美国政府启动大数据研究与发展计划，投资2亿美元设立了若干项目。欧盟于2011年提出“开放数据战略”，以促进经济增长。2013年，欧盟还召开了欧盟数据论坛和大数据论坛。澳大利亚则在2013年发布了《大数据战略报告》，将“促进数据开放和大数据发展”列为重大领域之一。在我国，政府部门也相继启动不同的大数据项目。

郭华东认为，大数据时代以及大数据计算的本质特征在于从模型驱动到数据驱动范式的转变，以及数据密集型科学方法的确立。

“大数据促进了科学范式的转化。”郭华东表示，几千年前，科学以实验为主要手段描述自然现象；过去数百年里，科学出现了理论研究分支，利用模型和归纳方法进行论证；过去数十年，科学出现了计算分支，对复杂现象进行仿真模拟。“今天，大数据时代的到来将理论、实验和计算仿真等统一起来，从而形成了新的科学范式——数据密集型科学。”