以“从大数据中挖掘大价值”为主题的“第二届中国大数据应用论坛”于2013年7月21日在北京大学英杰交流中心阳光大厅隆重举办。本次活动由北京大学信息化与信息管理研究中心和北京大学CIO班教务办公室主办，北达软协办，CIO时代网承办。各企事业单位信息化负责人、北大CIO班学员及有关媒体代表200多人荟萃于此，对大数据的众多议题进行了热烈讨论。

北京大学医学信息学中心常务副主任 雷健波

以“医疗大数据的有意义使用”为主题的演讲是由北京大学医学信息学中心常务副主任雷健波先生给我们带来的。他在演讲中以基因组为例，讲述了医疗卫生跨入“大数据”时代的特点；大数据将催生“科学研究方法”的巨大转变，从假设驱动的方法转向数据驱动的方法。以下为演讲实录：

大家上午好!今天很荣幸有机会在这个场合和大家共同探讨大数据应用的主题，我为大家报告的题目是“医疗卫生大数据-从理论到实践”。我想短短的30分钟无法把医疗卫生这个特殊领域当中大数据的挑战、应用前景、给我们带来哪些变化阐述得非常具体，但是我希望利用短暂的时间把大数据在医疗卫生领域一些主要大的概念、趋势给大家做个抛砖引玉。我会从四个方面进行阐述：一是医疗卫生领域的大数据有什么特点，二是医疗卫生领域的大数据学科基础是什么，三是有什么样的方法支撑来支撑我们对医疗卫生大数据的分析，四是从临床、科研几个少数领域做案例分析，为大家讲解一下医疗卫生大数据对我们医疗卫生领域带来的机会。

人类基因组的测序时代带来意味着什么？

刚才各位专家已经提到，我们现在已经进入了大数据的时代。有报告表明，全世界现在所有的数据其中的92%是在过去的两年之间产生的，可以大数据的体量之大、发展之快是有目共睹的。从医疗卫生领域来讲，一个新生儿在出生的第一天，他产生的数据就相当于美国国会图书馆所有数据的70倍;我们也知道，人类基因组是一个非常伟大的全世界协作的计划，我们每个人都有23对染色体，这23对染色体包含什么样的信息呢?我们每个人的23对染色体包括30亿的碱基对，如果写在黄页或者白页的书上，会有两百页内容，如果读出来的话需要九年半的时间，大概的数据量是3个GB DVD容量，这是一个人基因组的信息。

人类基因组计划给我们最大的贡献之一就是怎么分析每一个人的基因组。这个费用可以从图上看出，2001年对人类完整基因组的测序需要一亿美元，到了2012年是一万美元，我们期待着一千美元人类基因组的测序时代逐渐到来。这意味着什么?以后我们到了医院，每个人都可以很方便地做常规检查，把你的基因组全部测下来，这样的愿景就会带来很多机会。硅谷一个公司叫做23andMe，它可以很方便的对人体部分基因组做测序，你花99美元，把你的标本寄过去，它可以对你一些重要基因信息进行分析、测序。测序有什么作用呢？如果把你的基因信息测下来，可以得到很多信息，首先可以知道一个人祖先的信息。比如说我母亲姓孔，有人说是孔家第75代，是不是真的？我们可以通过基因测序得到这个信息;第二，可以对你现在的健康情况进行分析;第三，他可以预测你的健康以及将来的情况，通过这个分析可以知道一个人喝酒以后是否容易脸红;甚至对于妇女来讲，可以知道你得乳腺癌的机率是多少，如果超过一定界限的话，就会提示你做预防性处理，包括你的性格变化、行为变化，都可以通过这个来预测。

刚才说的是人类基因组的测序，如果每一个人都进行基因测序的话，这样的话信息体量会非常巨大。从图中可以看得出来，在生物医学领域里面，文献最大的数据库是PubMed，数据在10个五次方，发展是平缓曲线，我们再看每个人基因测序信息，它的增长首先体量是在10的15次方到10的18次方，曲线非常陡。从这个可以看出，健康信息数据是呈现爆炸性增长的趋势。随着各种传感器的发展，可以说是实时的24小时可以从人身上测量到无数健康信息，比如脑电图、心电图、血压等等，这些信息可以通过移动设备(手机、无线网)传到云计算中心，提供给医生进行管理。从这个角度上讲，健康数据也是增长非常迅速的。比如说IPhone手机，通过它的一些软件可以监测你的睡眠状况以及其他信息，以及现在发展快的无线宽带，像苹果在做IWatch，这些都产生着非常大量的数据。所以说我们已经到了医疗卫生的大数据时代。从左上角的图可以看出，传统的病历信息存储在备案库，查询、收集非常困难。而现在全世界基本上有大量的电子病历档案已经建立，还有大量公共卫生信息、收费信息、用药、检查、住院信息以及大量的图像信息、心电图信息、管理信息，刚才我们已经提到基因信息，还有医学知识库信息以及实验室检查数据，这样的多样性和大量，意味着医疗卫生领域已经到了大数据时代。