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
交通大数据
智能交通
气象大数据
天气预报
股票
金融大数据
商业大数据
生物医学大数据
智慧医疗和
个性化医疗
?
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
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
35212工程
美国VS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- 沉睡的金矿
临床大数据
临床大数据分析与挖掘
临床大数据分析与挖掘-病因识别
相关性
分析
大数据驱动
的病因分析
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
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
Source: http://blog.digitalpathologyinsights.com/2014/04/23/moreefficient-clinical-trials-with-tissue-phenomics/
临床大数据分析与挖掘-临床决策支
持
Treatment C
Treatment A
Treatment B
Treatment D
Treatment E
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
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”
http://home.ccr.cancer.gov/connections/2010/Vol4_No1/features_pg2.asp
http://blog.sciencenet.cn/blog-41174-719048.html
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 latestage cancers.
Inefficacy of the one-dose-fits-all
approach. The average response rate
of a cancer drug is the lowest at 25%.
Personalized medicine drugs for breast
cancer as of July 2012
http://www.ox.ac.uk/media/news_stories/2014/140313_2.html
J Breast Cancer 2012 September; 15(3): 265-272
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 - 8.85
R2=0.83
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
Wu et al., 2010, Plos Computational Biology;
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
《流感重要的科学问题》
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)
24
世界卫生组织(WHO)在全球建立了一个流感监控网络。
目前流感疫苗推荐不是非常有效
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
Based on 7 seasons during 2002-2009.
Du et al. Nature Communications 2012.
26
临床大数据分析与挖掘-流感疫苗推荐
大规模病毒采样
与基因测序
流感病毒关联
网络
疫苗推荐
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
Du, et al., 2012, Nature Communications.
新方法优于目前WHO使用的方法
我们预测的准确度:
对中国地区 6/7；其他北半球地区6/7。
X
X
Based on 7 seasons during 2002-2009.
X
X
X
X
X
X
X
X
世界卫生组织WHO：对中国地区 2/7；其他北半球地区4/7
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.
X
X
X
X
X
X
X
X
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
进化分析
大规模病毒采样
与基因测序
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
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
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。
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
http://www.eeworld.com.cn/medical_electronics/2012/0101/article_2627.html