導(dǎo)讀：利用大數(shù)據(jù)科研分析平臺(tái)，改善臨床研究工作流程，提高試驗(yàn)效率，加速成果轉(zhuǎn)化。以大數(shù)據(jù)科研分析平臺(tái)的建設(shè)為切入點(diǎn)，從數(shù)據(jù)采集、數(shù)據(jù)處理及統(tǒng)計(jì)分析等方面，探討其在臨床研究尤其是真實(shí)世界研究中的應(yīng)用效果。大數(shù)據(jù)科研分析平臺(tái)在臨床研究中的多個(gè)環(huán)節(jié)都起到了切實(shí)有效的輔助作用，縮短了試驗(yàn)周期，降低了研究成本。大數(shù)據(jù)科研分析平臺(tái)利用自然語言處理、機(jī)器學(xué)習(xí)等人工智能技術(shù)，深度挖掘臨床研究中的數(shù)據(jù)內(nèi)在價(jià)值，多層次、多角度滿足不同科研需求，有著廣闊的應(yīng)用前景。
隨著循證醫(yī)學(xué)、轉(zhuǎn)化醫(yī)學(xué)以及藥物經(jīng)濟(jì)學(xué)等在我國的迅速發(fā)展，以及國家對臨床醫(yī)學(xué)研究的大力倡導(dǎo)，醫(yī)生的科研需求持續(xù)增加。而傳統(tǒng)RCT（randomized controlled trial，隨機(jī)對照試驗(yàn)）試驗(yàn)由于其外部有效性、推廣性有限，無法評(píng)價(jià)藥品在真實(shí)臨床環(huán)境下的作用等，近年來，基于真實(shí)世界的研究（Real World Study，RWS）正越來越多地受到醫(yī)療衛(wèi)生領(lǐng)域的關(guān)注。RWS作為一種藥品上市后的再評(píng)價(jià)方法，可以更好地反映出藥品在實(shí)際臨床使用過程中的有效性、安全性以及經(jīng)濟(jì)性等。但由于其所需樣本量較大，通常涉及海量醫(yī)療數(shù)據(jù)，以往依靠人工操作的科研方式不僅耗時(shí)耗力，且極易出現(xiàn)人為錯(cuò)誤，難以保證數(shù)據(jù)質(zhì)量及科研實(shí)施的效率。
與此同時(shí)，隨著我國醫(yī)院信息化水平的日益提高以及信息系統(tǒng)覆蓋率的逐漸增加，各醫(yī)院積累的診療數(shù)據(jù)呈指數(shù)級(jí)增長，為開展基于大數(shù)據(jù)的RWS研究提供了廣泛基礎(chǔ)。因此，如何利用大數(shù)據(jù)及人工智能技術(shù)，積極助力RWS的開展，提高其質(zhì)量與效率，成為亟待解決的問題。
真實(shí)世界研究概念及特點(diǎn)
概念 所謂真實(shí)世界研究（RWS）是指在臨床真實(shí)條件與現(xiàn)實(shí)環(huán)境下，基于較大樣本量（覆蓋具有代表性的更廣大受試者），比較和選擇不同醫(yī)療手段的過程及其結(jié)局研究；與傳統(tǒng)RCT中對人群的高度選擇，對干預(yù)和對照的嚴(yán)格控制，以及隨訪與實(shí)際存在差異等特征都具有明顯差別。
特點(diǎn)
作用與優(yōu)勢 RWS是近年在國內(nèi)興起的一種研究理念。因藥品上市后，實(shí)際使用人群會(huì)擴(kuò)大，往往導(dǎo)致實(shí)際藥物療效無法重復(fù)臨床試驗(yàn)結(jié)果。這種情況下，利用RWS可以提供傳統(tǒng)RCT試驗(yàn)所無法提供的證據(jù)，包括：真實(shí)環(huán)境下干預(yù)措施的療效、長期用藥的安全性、依從性、疾病負(fù)擔(dān)等，進(jìn)而評(píng)估患者健康狀況、疾病及診療過程，評(píng)估防治結(jié)果、患者預(yù)后與預(yù)測，以及支持醫(yī)療政策制定等。
數(shù)據(jù)來源 開展RWS研究時(shí)，數(shù)據(jù)必須來源于真實(shí)世界中的患者數(shù)據(jù)，反映實(shí)際診療過程和真實(shí)條件下的患者健康狀況，是一種非實(shí)驗(yàn)設(shè)計(jì)數(shù)據(jù)，主要包含醫(yī)院電子病歷、醫(yī)療索賠數(shù)據(jù)庫、藥品不良事件監(jiān)測數(shù)據(jù)以及患者隨訪數(shù)據(jù)等。
實(shí)現(xiàn)難點(diǎn) 首先，RWS要求的數(shù)據(jù)量十分龐大，只有在足夠大的樣本量基礎(chǔ)上，才能高效滿足RWS的研究和開展；其次，要保障數(shù)據(jù)質(zhì)量，在RWS開展過程中，一旦出現(xiàn)多個(gè)虛假或殘缺不全數(shù)據(jù)，將直接影響后續(xù)基于數(shù)據(jù)進(jìn)行的群體性分析，使科研失去價(jià)值；最后，RWS本身對巨大數(shù)據(jù)量的需求，也對后續(xù)的數(shù)據(jù)處理及統(tǒng)計(jì)分析提出更高要求，需要強(qiáng)大的采集和分析系統(tǒng)予以支撐。
大數(shù)據(jù)科研分析平臺(tái)功能及技術(shù)特色
大數(shù)據(jù)科研分析平臺(tái)以自然語言處理、機(jī)器學(xué)習(xí)等人工智能技術(shù)為支撐，在數(shù)據(jù)的收集、整合、處理和統(tǒng)計(jì)、分析等方面，都有著巨大的先天優(yōu)勢，這對開展RWS起到強(qiáng)大的輔助作用。
平臺(tái)架構(gòu)設(shè)計(jì) 大數(shù)據(jù)科研分析平臺(tái)的構(gòu)建是以醫(yī)院數(shù)據(jù)中心（HDR）為基礎(chǔ)，輔以基因組學(xué)、eCRF表單及隨訪數(shù)據(jù)等，形成全量的專病數(shù)據(jù)庫；在經(jīng)過數(shù)據(jù)整合、清洗、自然語言處理、機(jī)器學(xué)習(xí)及去隱私化等技術(shù)處理后，形成數(shù)據(jù)集市，包含結(jié)構(gòu)化及后結(jié)構(gòu)化數(shù)據(jù)；在此基礎(chǔ)上，通過語義分析模型、同義詞字典、知識(shí)圖譜等算法，進(jìn)一步挖掘疾病癥狀之間潛在關(guān)聯(lián)等，實(shí)現(xiàn)數(shù)據(jù)的深度應(yīng)用。平臺(tái)架構(gòu)如圖1所示。
圖1 平臺(tái)架構(gòu)示意圖
功能特點(diǎn) 大數(shù)據(jù)科研分析平臺(tái)通過收集、整合院內(nèi)/外海量醫(yī)療數(shù)據(jù)，較好地滿足了RWS對大樣本量的需求；同時(shí)，利用自然語言處理、機(jī)器學(xué)習(xí)等人工智能技術(shù)，將大量多源異構(gòu)的信息融合成標(biāo)準(zhǔn)化、結(jié)構(gòu)化數(shù)據(jù)，確保了數(shù)據(jù)質(zhì)量及后續(xù)分析的有效性；在數(shù)據(jù)統(tǒng)計(jì)、分析方面，通過接入R語言，集合多種統(tǒng)計(jì)分析方法，大大提高了統(tǒng)計(jì)分析的靈活性及科研效率；此外，還可通過描述性統(tǒng)計(jì)分析，實(shí)現(xiàn)為患者畫像、為疾病畫像。
技術(shù)特色
自然語言處理（NLP） RWS研究中所需的數(shù)據(jù)很大一部分存儲(chǔ)在電子病歷系統(tǒng)中。而電子病歷除包含結(jié)構(gòu)化數(shù)據(jù)外，還存在大量自由文本數(shù)據(jù)，為后續(xù)的搜索、統(tǒng)計(jì)、分析等帶來了困難。因此，探索利用自然語言處理技術(shù)來分析、挖掘電子病歷中的重要內(nèi)容就顯得十分必要。傳統(tǒng)自然語言處理包括詞性標(biāo)注、分詞、句子邊界識(shí)別、句法分析、命名實(shí)體識(shí)別和實(shí)體關(guān)系抽取、共指消解等。通過對電子病歷多年的研究分析，從中發(fā)現(xiàn)一些結(jié)構(gòu)規(guī)則，并在此基礎(chǔ)上進(jìn)一步提煉出獨(dú)有的算法和模型，最終形成基于醫(yī)療數(shù)據(jù)模式的文本識(shí)別方法，實(shí)現(xiàn)了病歷自由文本分析由通用的標(biāo)簽分詞到語義分析的轉(zhuǎn)變，為數(shù)據(jù)的分析利用奠定了基礎(chǔ)。
以應(yīng)用提升數(shù)據(jù)質(zhì)量 數(shù)據(jù)質(zhì)量對RWS的重要性不言而喻，而保障數(shù)據(jù)質(zhì)量最有效的方法就是在其源頭予以控制，即以應(yīng)用來驅(qū)動(dòng)數(shù)據(jù)質(zhì)量的提升。具體來講，就是根據(jù)不同的應(yīng)用場景，從不同視角去建立相應(yīng)的數(shù)據(jù)模型關(guān)系。如：對具有因果關(guān)聯(lián)結(jié)構(gòu)的病種、病情、治療、療效數(shù)據(jù)，事先充分了解其結(jié)構(gòu)內(nèi)容、相關(guān)業(yè)務(wù)邏輯及標(biāo)準(zhǔn)，并將這些內(nèi)容、規(guī)則和標(biāo)準(zhǔn)體現(xiàn)到數(shù)據(jù)采集系統(tǒng)；在診療過程中，通過制定并遵循服務(wù)流程、規(guī)范操作，從規(guī)范的診療行為中獲取可用數(shù)據(jù)；利用智能推薦、警示提醒、診療視圖等方式，強(qiáng)化醫(yī)生對高質(zhì)量數(shù)據(jù)的輸入感受，促進(jìn)數(shù)據(jù)質(zhì)量提升等。
統(tǒng)計(jì)分析靈活 大數(shù)據(jù)科研分析平臺(tái)通過接入R語言，覆蓋了比較均值分析、回歸分析、相關(guān)分析、定性分析、線性回歸、ROC曲線等多種常用統(tǒng)計(jì)分析算法；另外，還引入了如決策樹、主成分分析等高級(jí)挖掘統(tǒng)計(jì)算法，以支持復(fù)雜的研究案例。針對不同的研究，可靈活選擇不同算法，并自動(dòng)生成統(tǒng)計(jì)結(jié)果。同時(shí)，平臺(tái)將支持科研數(shù)據(jù)直接導(dǎo)出，供其他統(tǒng)計(jì)分析軟件使用，滿足不同科研需求
大數(shù)據(jù)科研分析平臺(tái)在RWS中的應(yīng)用
如前所述，大數(shù)據(jù)科研分析平臺(tái)在數(shù)據(jù)獲取、數(shù)據(jù)處理及統(tǒng)計(jì)分析等環(huán)節(jié)都具有強(qiáng)大優(yōu)勢，在RWS研究多個(gè)環(huán)節(jié)都能起到切實(shí)有效的輔助作用，從而縮短藥品試驗(yàn)周期，降低研究成本。
滿足數(shù)據(jù)采集需求 利用大數(shù)據(jù)科研分析平臺(tái)，可以方便地獲取到醫(yī)院各業(yè)務(wù)系統(tǒng)中的相關(guān)數(shù)據(jù)；并可針對具體科研項(xiàng)目，無縫接入患者院外隨訪數(shù)據(jù)及CRF表單數(shù)據(jù)，快速建立基于真實(shí)世界研究的數(shù)據(jù)庫。
滿足數(shù)據(jù)處理及質(zhì)量控制需求 通過大數(shù)據(jù)科研分析平臺(tái)的自然語言處理等技術(shù)，可以將海量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化及后結(jié)構(gòu)化處理，并形成完善的數(shù)據(jù)網(wǎng)絡(luò)，提高科研過程中對數(shù)據(jù)搜索的便利性及時(shí)效性。此外，通過在應(yīng)用層面對不同業(yè)務(wù)邏輯及標(biāo)準(zhǔn)、規(guī)則的設(shè)定，強(qiáng)化對數(shù)據(jù)產(chǎn)出端的質(zhì)量控制，可以有效提升數(shù)據(jù)的準(zhǔn)確性、及時(shí)性、完整性和一致性，確保RWS過程中數(shù)據(jù)的高關(guān)聯(lián)度和高可靠性。
滿足數(shù)據(jù)統(tǒng)計(jì)及分析需求 大數(shù)據(jù)科研平臺(tái)通過將R語言與常用醫(yī)學(xué)統(tǒng)計(jì)模型集成在一起，可以更加方便地為科研人員提供針對不同需求的靈活選擇；且操作簡便，通過“檢索或?qū)敕治鰯?shù)據(jù)→選擇變量和參數(shù)→查看并導(dǎo)出結(jié)果”三個(gè)步驟，即可快速完成科研統(tǒng)計(jì)、生成分析結(jié)果。此外，還可以借助大數(shù)據(jù)語義分析和知識(shí)圖譜等技術(shù)，針對某種疾病做描述性統(tǒng)計(jì)分析，實(shí)現(xiàn)為患者畫像或?yàn)榧膊‘嬒瘛?/div>
綜上所述，大數(shù)據(jù)科研分析平臺(tái)利用自然語言處理、機(jī)器學(xué)習(xí)等人工智能技術(shù)，在RWS開展過程中可以幫助其快速完成對海量醫(yī)療數(shù)據(jù)的收集、整合、處理及統(tǒng)計(jì)、分析等，深度挖掘數(shù)據(jù)內(nèi)在價(jià)值，實(shí)現(xiàn)真實(shí)世界研究在新藥開發(fā)、藥物經(jīng)濟(jì)學(xué)、醫(yī)保控費(fèi)、適應(yīng)癥/禁忌癥評(píng)價(jià)、臨床指導(dǎo)等多層次、多角度的需求，具有廣闊的應(yīng)用前景。
文章來源：《中國數(shù)字醫(yī)學(xué)》雜志2019年第2期，作者及單位：金昌曉 計(jì)虹 席韓旭 張晨 甘偉 陳聯(lián)忠，北京大學(xué)第三醫(yī)院 北京嘉和美康信息技術(shù)有限公司。
返回