第二代互联网医学：从数据到价值

“医学互联网”和“互联网医学”是两个不同层次的概念，前者强调的是互联网在医学中的应用，后者强调的是互联网对传统医学研究和实践的改变和颠覆。在互联网技术发展的早期，人们只是将互联网技术作为一种工具应用到医学的方方面面，如临床数据的传递、医生和患者之间的通讯、医学教育的普及方式等。这些互联网在医学中的应用，只是方便了医学的日常生活，降低了成本和提高了速度，并没有改变医生和患者的日常生活和交流方式。然而“互联网医学”的发展正在改变和颠覆传统的就医模式、诊疗方式和健康管理方案等。尽管目前社会大众与学术领域对这种传统医学模式被改变或颠覆的速度有不同的看法，但传统医学研究和实践的方式将被互联网医学所改变、颠覆并引起巨大的范式演变是毫无疑问的。本文将探讨“互联网医学”产生的社会经济和科学背景、“互联网医学”将怎样改变和颠覆传统医学、互联网医学实现的关键问题和挑战、第二代互联网医学如何利用生物医学大数据为精准医学和个性化健康管理服务等。

1 互联网医学发展趋势：文献证据

互联网医学最密切相关的学科为医学信息学，对医学信息学相关文献的研究可以反映这一学科和互联网医学发展的大体趋势。Ohno-Machado Lucila课题组对JAMIA杂志2009-2014年期间发表的论文进行了统计分析[1]，结果显示这5年的主要研究热点是自然语言处理、医学病历系统和计算机化等，说明这几年的互联网医学主要处在平台建设和数据积累的初级阶段，应用还很少。在平台建设方面最著名的有PatientsLikeMe[2-3], 该平台通过建立患者的社交网络，达到相互分享病历、寻找到与自己疾病症状相似的病人，利用口碑相传、经验共享等提高治疗效果。另一个例子是互联网血糖监测系统(Internet blood glucose monitoring systems ,IBGMS) ，它可以通过监控血糖变化而改善糖尿病患者的血糖控制、增加患者自我激励、改善患者-医生沟通等[4]。

移动健康(Mobile health)、生物数据分析(Biological data analysis)、医院信息系统的组织方面(Organizational aspects of Hospital information system)、健康电子记录的知识表示(Electronic health records-knowledge representation)和临床信息学(Clinical informatics)等是当今互联网医学的主要发展趋势。移动健康是互联网医学的主要应用之一，其迅猛发展标志着互联网医学向应用发展，追求数据价值。如直接通过智能手机测量血糖浓度，再通过4G移动通信网络将数据上传到个人健康中心等，从而实现对患者的生化指标的实时监控[5]。PatientsLikeMe平台收集到的数据也得到进一步分析和应用而不断产生价值[6-7]。这些研究表明互联网医学正在从平台建设向应用转变、从数据收集向价值挖掘转变。

2 互联网医学发生的社会和科学技术生态

互联网医学的兴起是社会需要、科学和技术发展的必然结果。全球老龄化和临床资源的缺乏是互联网医学兴起的内在动力，科学与技术的发展为互联网医学提供了可能。图1显示在技术层面，现阶段发展起来的可穿戴传感器、云计算、智能手机可以帮助实时、动态地收集如心电图、脑电图、心率、脉搏、身体态势等个人的生理数据[8]。科学技术的进步可帮助人们全方位地获得人体的各种信息和参数，使以全息模型的方式监控人体的状态演变成为可能，帮助人们深入理解基因、营养、肠道菌群与疾病的关系。第二代互联网医学将充分挖掘个人数据和群体数据，用于精准的诊疗和健康管理。

根据Garter 公布的2018年十大战略技术趋势，将来互联网医学所处的技术生态包括智能、数字和格网3个方面。无论是其中的人工智能基础、智能物件和智能应用分析，还是数字孪生、云到边缘(将数据处理推送到网络边缘)、区块链等都将极大地推动第二代互联网医学对价值和精准应用的实现。

3 第二代互联网医学：算法模型和系统思维

第一代互联网医学对生物医学大数据的分析停留在简单的统计及初步价值发现阶段。随着社会的老龄化、社会对医学需求的增加和临床资源缺乏的矛盾日益加深，信息技术、大数据技术与医学不断融合形成了“互联网+医学”，预示“康德拉季耶夫经济长波”正从第五波的“信息技术”时代向第六波的“心理社会健康”时代演变。生命科学对基因组解读能力的提升，计算机网络技术和大数据科学的发展促进了人工智能技术的普及和应用。在这些技术重塑下的第二代互联网医学将更加注重价值的发现，而算法、模型将是实现价值的关键。在跨组学融合、深度“表型-基因型”关联、网络构建分析与调控、人工智能与临床决策系统等方面，算法和模型将是核心的科学问题。目前在讨论生物医学数据的分析算法和模型时，研究者通常过度强调统计或各种模式的识别方法(常常是黑箱或灰箱方法)，而往往忽略了不同的数据来源有其自身的数据产生机制和特征。基于不同的科学原理建立算法和模型，对数据的挖掘和分析有重要的意义。表1列出的常见的基于科学原理的分析方法，可以作为数据分析中统计模型的重要补充。

图1 互联网医学：社会网络、信息网络、数据分析与应用

表1 生物医学数据的分析方法

由于人体和人群社会是一个复杂的鲁棒性系统，同一种表型可能来自于不同的基因型或基因分子网络，因此生物医学数据的分析中，系统思维显得十分必要。我们早期的研究表明，不同的癌症患者所涉及的癌症基因并不相同，只是在网络或系统层次上相似，网络和系统层次的分析往往与直觉不一致，如癌症治疗药物往往对20%左右甚至更少数的病人有效。研究表明“布雷斯悖论”(即增加解决问题的路径，并不能提高效率的现象)在传染病流行数据中也能观察到[15]。

4 跨组学融合和深度表型-基因网络分析

单模态数据分析往往只能反映复杂系统的一个侧面，而多模态数据、“块数据”的融合分析能反映疾病的全貌。跨组学分析不只是在不同的分子组学间的融合分析，还包括基因组学与影像组学或其他表型组学层次的融合分析。如病理图像特征能更好地预测癌症的不同分级，而分子组学(如转录组学)则能更准确地进行分子分型或者预测药物的敏感性和生存期。跨组学融合分析不仅可以全面准确地判定疾病的状态，还能将不同组学层次的特征进行关联分析，从而可以帮助更好地寻找到分子标志物或分子网络与疾病表型的关联。

精准治疗模型的构建，依赖精准的表型-基因型关联数据，目前临床表型的描述还比较粗粒化。深度挖掘或精细的表型注解、特征标注是精准医学的重要方面，而精准的表型数据需要临床医生、病理学家和数据分析师的协作，才能建立精细的表型数据库，用于个性化的基因型-表型分析。而表型-表型之间也同样存在复杂的网络关系，从基因网络到表型网络的复杂关联是互联网医学价值发现不可逾越的挑战。

5 从精准临床治疗到个性化健康管理

第二代互联网医学的价值追求不只是精准的医学诊疗，还在于对疾病的早期监控、 “治未病”、精细的个性化健康管理[16]。疾病和健康是一个事物的两个不同方面或状态，传统的医学范式主要着眼疾病的诊断管理，互联网医学对传统医学的颠覆在于它更注重健康状态的保持、在疾病的早期进行预测和干预。健康大数据为科学研究健康状态和健康管理提供了方便。

6 总结与展望

互联网医学将从以下几个方面颠覆传统的医学：大数据成为智能医学和健康管理的驱动力，疾病的精准诊疗更加依赖于网络和数据分析、算法和人工智能。传统的医学以医生为主导，而互联网医学以患者为主导。参与性医学模式将广泛应用，个人可以全面地拥有自身的信息和数据，实时分析监控自己的身体状态，更个性化地理解自身的疾病。健康管理以及疾病的早期预测将成为现实。尽管第二代互联网医学将以数据到价值到应用的方式来改变和颠覆传统的医学模式，与机遇相伴的挑战依然存在，如在“后真相时代”[17]，网络信息的可靠性及人们对疾病的情感恐惧和对网络的信息过度依赖等问题仍需进一步研究和改进。