生物医学大数据分析与挖掘蒋太交

中国科学院生物物理研究所 研究员湖南大学国家超级计算中心 教授（兼）

北京健数通 首席科学顾问

湘雅大数据讲座 2014.5.10 于长沙

报告内容

一、生物医学大数据分析挖掘的几个方向

二、基于流感大数据发展流感预测预警新方法

大数据时代

生物医学大数据

金融大数据

气象大数据

交通大数据

商业大数据

智慧医疗和个性化医疗

智能交通 天气预报

股票

?

医院信息化产生海量临床数据

临床大数据

美国卫生信息化发展计划美国卫生信息化发展计划2011年，美国卫生信息技术协调官办公室发布全国卫生信息化发展计划，计划时限 2011-2015

我国卫生信息化发展计划我国卫生信息化发展计划3521235212 工程工程

美国美国 VSVS 中国中国

美国系统逐步成型、理念推广、政策制定、科学研究

中国系统建设和部署

临床大数据的特点与现状

临床大数据的采集与标准化

临床大数据

临床大数据 - 沉睡的金矿

临床大数据分析与挖掘

临床大数据分析与挖掘 - 病因识别

大数据驱动的病因分析

相关性分析

https://www.bgc-jena.mpg.de/bgi/index.php/People/MaartenBraakhekke

临床大数据分析与挖掘 - 样本筛选

Source: http://blog.digitalpathologyinsights.com/2014/04/23/more-efficient-clinical-trials-with-tissue-phenomics/

根据临床大数据中病人多方面的信息 , 选择满足生物医学研究 / 临床实验需要的病人 , 获取相应样本 . 相对于传统选择样本的方式，其优势在于：选择面广，便于控制干扰因素，结果更明显 ;

节约人工和经济成本；加快研究 / 实验进程

Treatment ATreatment B

Treatment C

Treatment D

Treatment E

临床大数据分析与挖掘 - 临床决策支持

临床大数据分析与挖掘 - 健康评估

统计学建模

综合健康评估

临床大数据分析与挖掘 - 疾病预测预警

..

疾病分子标志物识别：ER/PR, bcl-2， p53, AFP， CEA 等等

健康指标异常检测

疾病风险预测

F(x)

Risk = w1*SNP1+ w2*SNP2+…+ wi*SNPi

https://customercare.23andme.com/entries/21548199-Understanding-Health-Risk-Reports

临床大数据分析与挖掘 - 个性化诊疗

http://home.ccr.cancer.gov/connections/2010/Vol4_No1/features_pg2.asp

http://blog.sciencenet.cn/blog-41174-719048.html

The U.S. Food and Drug Administration defined personalized medicine as “the best medical outcomes by choosing treatments that work well with a person’s genomic profile or with certain characteristics in the person’s blood proteins or cell surface proteins”

Inefficacy of the one-dose-fits-all approach. The average response rate of a cancer drug is the lowest at 25%.

http://www.ox.ac.uk/media/news_stories/2014/140313_2.htmlJ Breast Cancer 2012 September; 15(3): 265-272

Personalized medicine drugs for breast cancer as of July 2012

The first human trial of a pioneering personalised cancer treatment developed at Oxford University will begin this week, with the potential to tackle a wide range of late-stage cancers.

临床大数据分析与挖掘 - 个性化诊疗

P4 Medicine:personalized: it takes into account a person’s genetic or protein profile.

preventive: it anticipates health problems and focuses on wellness, not disease.

predictive: it directs appropriate treatment and avoids drug reactions.

participatory: it empowers patients to take more responsibility for their health and care.

报告内容

一、生物医学大数据分析挖掘的几个方向

二、基于流感大数据发展流感预测预警新方法

临床大数据分析与挖掘 - 流感危害性预测

y = 31.31 x - 8.85R2=0.83

Wu et al., 2010, Plos Computational Biology;

通过分析流感监测产生的大数据，社会经济大数据以及大量基因序列，以及大量的相关性分析，发现了快速预测流感病毒危害性的新方法

早期预测流感危害程度的计算模型在流感防控策略上具有十分重要的应用价值，该工作在国内外引起重要关注

24

接种疫苗是控制流感传染最有效的手段

Vaccination Every season, WHO will recommend

trivalent vaccine composition: A/H1N1, A/H3N2, and B

Grown in eggs Inactivated virus or live attenuated

virus Injection (Flu shot)

《流感重要的科学问题》

世界卫生组织 (WHO) 在全球建立了一个流感监控网络。

26

目前流感疫苗推荐不是非常有效

Based on 7 seasons during 2002-2009.

世界卫生组织 WHO 推荐疫苗的准确度不高：对中国地区 ： 2/7 其他北半球地区： 4/7

Du et al. Nature Communications 2012.

临床大数据分析与挖掘 - 流感疫苗推荐

流感病毒关联网络

疫苗推荐

Du, et al., 2012, Nature Communications.

该工作发表在《 Nature Communications 》上，被选为亮点文章，并且同期《 Nature 》杂志也对该工作进行了报道

大规模病毒采样与基因测序

新方法优于目前 WHO 使用的方法

Based on 7 seasons during 2002-2009.

世界卫生组织 WHO ：对中国地区 2/7 ；其他北半球地区 4/7

我们预测的准确度 : 对中国地区 6/7 ；其他北半球地区 6/7 。

XX

X X X X XX X X

1 ，目前该方法已经申请了专利。2，在使用我们的方法向 WHO 推荐疫苗参考株。3， Nature Communcations, 2012.

XX

X X X X XX X X

新华社发布的新闻：我国科学家发明流感疫苗株快速选择新技术

我国 2013 年华东地区 H7N9 溯源

大规模病毒采样与基因测序

进化分析

Wu et al. 2013. Cell Host & Microbe

通过多源数据整合，我们发现 H7N9 是两次重配的结果

Cell Host & Microbe. Oct 2013.

该工作对流感防控具有重要的指导意义

临床大数据的价值 更深入的理解人类疾病 个性化诊疗 智能临床决策 医学研究方式的转变：假设驱动转变为数据驱动

临床大数据

卫生信息化发展计划卫生信息化发展计划“ ” “国家卫生信息化 十二五 规划 35212 ”工程

重点建设国家级、省级和地市级三级卫生信息平台

加强信息化在公共卫生、医疗服务、新农合、基本药物制度、综合管理五项业务中的深入应用

建设电子健康档案和电子病历二个基础数据库

建设一个医疗卫生信息专用网络

逐步建设信息安全体系和信息标准体系

Google Flu Trends

http://www.google.org/flutrends/

糖尿病病例识别算法 对照病例识别算法

Joint study by Northwestern University ， Mayo Clinic ，Marshfield Clinic Research Foundation, Vanderbilt University ， Group Health Cooperative

临床大数据分析与挖掘 - 临床决策支持

提高患者安全降低药物差错和不良反应改善用药与检验的顺序

提高医护质量减少临床医生处理日常事务的时间增加临床路径和临床指南的使用

提高医护信息传输的有效性提高医嘱过程，降低成本

改变了现有处方的模式

临床决策支持系统 (CDSS)是用来帮助医生和其他医护人员做临床决策支持的交互式计算机软件。现在常用的一些 CDSS包括 Archimedes IndiGO, Auminence, DiagnosisOne, Dxplain 等等。 CDSS 的发展趋势是与 HER 融合，成为后者的重要组成部分。临床大数据将极大地改善此类系统的准确率。

http://www.eeworld.com.cn/medical_electronics/2012/0101/article_2627.html