摘 要 从精准医疗的概念出发，探讨精准医疗的意义，从应用服务、应用支撑技术体系、基础设施等方面构建基于大数据的精准医疗服务体系，并分析其对现有医疗服务模式的挑战。
关键词 精准医疗 大数据 医疗服务体系
随着高通量生物技术、各类组学与生物信息学、系统学方法的快速发展，精准医疗正逐渐成为未来医疗发展的新范式[1].精准医疗以网络化的形式牵动医学领域的发展，以新的理念促进生物医学与信息科学的交叉合作，融合数据驱动的科学研究范式，力求克服传统的面向症状的疾病诊疗模式的许多缺陷，从而有效利用医疗资源，提高医疗水平。
1概述
1.1精准医疗的概念演变
精准医疗缘起费城染色体融合基因BCR-ABL靶向药物设计。1960年，该染色体被发现，为后来的基因靶向药物研发奠定了基础。2007年，美国系统生物学研究所创始人Leroy Hood教授提出“P4医学模式”,后来增加了第5个P,即精准。2008年，哈佛商学院Clayton Christensen教授最早提出精准医疗概念。2011年，美国国家研究委员会在《迈向精准医学：建立生物医学与疾病新分类学的知识网络》一文中正式提出精准医疗的概念[2].
1.2精准医疗的概念
关于精准医疗，目前还没有一致的定义。主要有以下几种理解：（1） 精准医疗是将个体基因的变异性、环境和个人生活方式考虑在内的疾病治疗和预防的新方法；（2） 精准医疗是根据每个患者的个体特征制定医疗方案的新医学模式，包括个性化的临床决策、服务和药物；（3） 精准医疗是集现代卫生信息技术与医学方法于一体，科学认知人体机能和疾病本质，实现最有效、最安全、最经济的临床应用的新型医学范畴[3].
针对精准医疗的概念演变、学科范围、实现手段，我们认为精准医疗是由基因医学、转化医学、个性化医疗演变而来的，基于系统学方法，利用大数据分析，实现患者驱动的医疗管理的新医学模式[4].
1.3精准医疗的意义
作为下一代诊疗技术，精准医疗具有重要的理论和实践意义。一方面，精准医疗理论研究有利于完善数据科学学科体系，丰富和创新临床及转化医学研究；另一方面，基于大数据的精准医疗服务可以实现在合适的时间给予患者以合适的治疗[5],保障医疗安全，改善医院经营管理。
2基于大数据的精准医疗服务体系
2.1应用服务
基于大数据的精准医疗服务主要提供精准诊断、精准治疗与精准药物。
（1） 精准诊断。目前精准诊断主要是指分子诊断。首先，通过电子病历等系统完整收集患者临床信息记录，利用生物样本库等完整采集患者生物样本信息；其次，通过基因测序平台采集患者分子层面的信息；最后，利用基于大数据的生物信息学分析工具对所有信息整合分析、可视化展现，形成精确的临床诊断报告，帮助医生预测疾病的发生、发展和结局。
（2） 精准治疗。对医生而言，这一环节是指收集患者信息及样本，利用组学和大数据分析技术对大样本人群与特定疾病类型进行生物标记物的分析、鉴定、验证、应用，从而精确寻找到病因和治疗靶点，为临床决策提供精确的支持和依据。对患者来说，精准治疗则指患者将获得精确的最佳药物及用药效率、无效药物及副作用等信息。
（3） 精准药物。精准药物是精准医疗的本质体现，是指根据疾病类别进行靶向特异性药物研发，利用基因组个体差异指导用药。靶向特异性药物在提高临床疗效方面已经取得巨大进展[5],但在药物毒性和治疗抵抗领域面临巨大挑战。未来的药物研发需针对疾病亚型，体现更高的特异性和更低的毒性。
2.2应用支撑技术体系
技术体系主要包括生物样本库、生物信息学、电子病历和大数据分析技术。前3个方面是精准医疗的前提条件，最后一个方面则是实现精准医疗的关键。
（1）生物样本库。转化医学研究为精准医疗提供重要的组学数据和临床医学信息，是其重要的组成部分。生物样本库保存并提供人类生物资源及其相关信息[6],是转化医学研究的重要资源，因此被认为是精准医疗的前提条件之一。通过统计学、分子生物学、计算机科学等领域的方法和软件，结合组学技术，开展队列和疾病研究，分析生物样本库中的生物样本，发现和验证生物标志物，真正体现生物样本的资源保障作用。
（2）生物信息学。生物信息学综合利用统计学、分子生物学、计算机科学，存储和分析生物数据，研究重点包括基因组学、蛋白质组学、蛋白质空间结果模拟、药物设计等。结合患者信息和实验结果，生物信息学可以发现蛋白质、基因、代谢产物等生物标志物，从而帮助确定药物设计和诊疗方案。
（3）电子病历。生物标志物的发现需要临床数据与患者样本数据相结合。因此，电子病历需要承载整合生物信息数据、临床数据、患者基本信息等信息的功能，从而为基因和分子信息分析以及其他数据分析奠定基础。
（4）大数据分析。利用数据挖掘、本体等大数据分析技术方法对医疗云、服务器集群等数字化平台中存储的精准医疗大数据进行转化规约，并可视化展现给患者、医生、生物制药公司等不同用户，实现“正确的目标、正确的药物、正确的患者”的“金三角治疗”[7].
2.3基础设施
基础设施主要是指数据生成、存储、分析和展现过程中的软硬件和网络。数据生成设施包括基因测序平台、移动健康监测设备、电子病历系统等，数据存储设施包括医疗云和服务器仓库等，数据分析设施包括生物信息学、大数据分析技术和工具，数据展现设施包括基因组浏览器、IGV等图形化软件。在网络方面，主要依赖智慧医疗卫生信息专网，也需考虑与其他领域网络的融合性、共享性和安全性。
2.4生物医学研究知识网络
生物医学研究知识网络主要是指涉及人类疾病知识的各种数据库[2],其内容包括临床诊断、病理分析等表型信息和基因组、转录组、蛋白质组等各种生物分子信息。生物医学研究知识网络数据库以个体为中心，根据知识库，将从一个个体获取的各种类型的生物学数据之间建立起高度的内部连结，从而准确挖掘致病因子或者诊断标记物，对特定的个体患者进行准确地个性化诊断和治疗。
2.5安全保障
安全保障主要涉及生物样本数据、电子病历数据等的数据隐私、数据保护、数据安全和数据正确使用问题，其内容包括数据可及、数据权限、保密性和数据来源等。
3精准医疗对现有医疗服务模式的挑战
3.1支撑技术
目前，大部分医疗信息系统不具备存储、管理、分析精准医疗大数据的能力，无法将数据快速转化成知识。电子病历不支持遗传和基因组检测项目，导致医生工作站、药品管理系统、护理管理系统无法关联遗传、基因组信息，不能保证临床精准用药和科研上基因型和表型准确结合。
3.2医疗管理体系
主要面临以下挑战：（1）各国医疗卫生领域均存在医疗资源总量不足、质量与效益低下、服务体系碎片化等困境；（2）精准医疗研究水平存在地区差异，如美国和欧洲一些发达国家在全基因组数据量和管理机构方面较发展中国家相对成熟；（3）精准医疗相关的人才队伍建设、专业教育等问题还需探究。
3.3社会认知
公众对利用基因检测精准治疗疾病的方式，态度并不一致。原因在于：（1）相关实验室诊断服务、临床指导用药还未普及，成本较高；（2）传统药物疗法的理念根深蒂固，公众对基因检测的认知则处于初级阶段。
3.4法律和保险体系
在精准医疗服务模式下，移动医疗及大数据技术被广泛应用，患者数据隐私保护、基因伦理问题随之出现。而目前各国均未出台较为系统全面的法律法规，也未将精准医疗纳入医保体系。
4结语
精准医疗是一项复杂的系统工程，它将组学技术、数字影像、系统生物学、信息科学、大数据等现代科技手段与传统医疗融合创新，形成精准医疗的体系和范式，指导医学实践。目前，精准医疗主要集中在肿瘤领域[8].随着各界对精准医疗的不断研究，其思想将逐步渗透到心血管、外科、影像学[9]等诸多临床领域，其服务体系将在政府、医院管理、医学教育、医学研究、医保和商保等不同层面上得以完善。
参 考 文 献
[1] CHEN R, SNYDER M. Promise of personalized omics to precisionmedicine[J]. Wiley Interdisciplinary Reviews: Systems Biology andMedicine,2013,5（1）： 73-82.
[2] MIRNEZAMI R, NICHOLSON J, DARZI A. Preparing for precision medi-cine[J]. New England Journal of Medicine,2012,366（6）： 489-491.
[3] CHAUSSABEL D, PULENDRAN B. A vision and a prescription for bigdata-enabled medicine[J]. Nature immunology,2015,16（5）： 435-439.
[4]刘也良，韩冬野。精准医学时代来临[J].中国卫生， 2015（6）： 64-66.
[5]何明燕，夏景林，王向东。精准医学研究进展[J].世界临床药物，2015（6）： 418-422.
[6]张雪娇，李海燕，龚树生，等。国内生物样本库建设现状分析与对策探讨[J].中国医院管理， 2013, 33（7）： 76-77.
[7] COSTA F F. Big data in biomedicine[J]. Drug Discovery Today,2014, 19（4）： 433-440.
[8] RUBIN M A. Health: Make precision medicine work for cancer care[J]. Nature, 2015, 520: 290-291.
[9] HSU W, MARKEY M K, WANG M D. Biomedical imaging informatics in the era of precision medicine: progress, challenges, and opportunities[J]. Journal of the American Medical Informatics Association, 2013, 20（6）： 1010-1013.
