劉義， 王霄英

·影像信息學(xué)專題·

大數(shù)據(jù)概念在醫(yī)學(xué)影像中的應(yīng)用探索

劉義， 王霄英

大數(shù)據(jù)(big data)概念的興起是隨著信息技術(shù)和統(tǒng)計(jì)技術(shù)的發(fā)展而來的，在商業(yè)和社會科學(xué)領(lǐng)域展現(xiàn)了一定的應(yīng)用價值，在健康領(lǐng)域的應(yīng)用也初步得到認(rèn)可。但由于醫(yī)學(xué)影像專業(yè)的特點(diǎn)，大數(shù)據(jù)的應(yīng)用仍處于初步探索階段。本文對大數(shù)據(jù)在醫(yī)學(xué)影像學(xué)領(lǐng)域的應(yīng)用進(jìn)展作一綜述。

大數(shù)據(jù)； 影像信息學(xué)； 醫(yī)學(xué)影像學(xué)

“大數(shù)據(jù)(big data)”是近十年來被信息、商業(yè)領(lǐng)域廣泛提及的一個概念，是近年來數(shù)據(jù)存儲和計(jì)算能力、統(tǒng)計(jì)分析能力顯著提高而衍生出的數(shù)據(jù)處理、獲得利益的能力。大數(shù)據(jù)概念的興起是隨著信息技術(shù)和統(tǒng)計(jì)技術(shù)的發(fā)展而來的，在商業(yè)和社會科學(xué)領(lǐng)域展現(xiàn)了一定的應(yīng)用價值，在健康領(lǐng)域的應(yīng)用也初步受到認(rèn)可。但由于醫(yī)學(xué)影像專業(yè)的特點(diǎn)，大數(shù)據(jù)的應(yīng)用仍處于初步探索階段。

大數(shù)據(jù)基本概念

通常認(rèn)為大數(shù)據(jù)是具有以下特征的數(shù)據(jù)集：體量大(volume)、種類多(variety)、生成速度快(velocity)、有潛在挖掘價值(veracity)。處理大數(shù)據(jù)超過傳統(tǒng)數(shù)據(jù)分析技術(shù)的能力，需很強(qiáng)的存儲、計(jì)算能力，數(shù)據(jù)統(tǒng)計(jì)和結(jié)果呈現(xiàn)也異于傳統(tǒng)方法。實(shí)際上，現(xiàn)階段對大數(shù)據(jù)的定義尚未得到公認(rèn)，這個概念有很強(qiáng)的商業(yè)意味，在不同的應(yīng)用場景下、對不同的人有不同的含義，大數(shù)據(jù)通常被用來描述和定義信息爆炸時代產(chǎn)生的海量數(shù)據(jù)，并命名與之相關(guān)的技術(shù)發(fā)展與創(chuàng)新。在大數(shù)據(jù)理念中，數(shù)據(jù)被認(rèn)為是有價值(價格)的資源，大數(shù)據(jù)的關(guān)鍵價值是新的應(yīng)用，技術(shù)的關(guān)鍵要素是云技術(shù)和開源性分析工具(如人工智能、Hadoop[1]和數(shù)據(jù)挖掘工具)等。

與傳統(tǒng)科學(xué)研究的"數(shù)據(jù)"概念不同，大數(shù)據(jù)不追求精確度和因果關(guān)系，而是承認(rèn)混雜性，探索相關(guān)關(guān)系，使用數(shù)據(jù)的直接目的是開發(fā)新產(chǎn)品和新服務(wù)。隨著計(jì)算效率的指數(shù)級提升、數(shù)據(jù)的數(shù)量、深度和廣度的增加、數(shù)據(jù)分析理論的進(jìn)步以及現(xiàn)代社會對于個性化的追求，新的產(chǎn)業(yè)應(yīng)運(yùn)而生，全社會及每個人的決策等都會受到影響。無形的數(shù)據(jù)與有形的礦產(chǎn)、石油等資源一樣，在合理利用的情況下，具有成為巨大經(jīng)濟(jì)資產(chǎn)的可能，帶來全新的創(chuàng)業(yè)方向、商業(yè)模式和投資機(jī)會。

大數(shù)據(jù)在健康領(lǐng)域的應(yīng)用

大數(shù)據(jù)在健康領(lǐng)域應(yīng)用的第一個著名案例是2009年Google成功預(yù)測了甲型H1N1流感病毒的爆發(fā)[2]，在流感爆發(fā)前幾周，研究論文已發(fā)表在《Nature》雜志上。研究論文不僅預(yù)測了全美國范圍內(nèi)將要傳播的冬季流感，而且具體到特定的地區(qū)和州。這項(xiàng)研究使用的預(yù)測依據(jù)與傳統(tǒng)流行病學(xué)檢測疾病的方式完全不同，并未使用任何醫(yī)學(xué)檢測手段(如血清化驗(yàn)檢查、病原學(xué)檢查等)，而是分析了大眾在網(wǎng)上搜索的詞條。Google把數(shù)千萬條美國人最頻繁檢索的詞條與近年來流感傳播時期的數(shù)據(jù)進(jìn)行了對比，處理了上億個模型，挖掘出了特定檢索詞條的頻繁使用與流感之間的聯(lián)系。由于其龐大的數(shù)據(jù)資源、處理能力和統(tǒng)計(jì)技術(shù)，預(yù)測流感的結(jié)果與疾控中心數(shù)據(jù)的相關(guān)性達(dá)97%。更重要的是，與傳統(tǒng)流行病學(xué)數(shù)據(jù)的發(fā)布不同，這篇文章是在流感爆發(fā)前預(yù)測了疫情的發(fā)生，而傳統(tǒng)的疾控?cái)?shù)據(jù)是在疫情爆發(fā)之后一兩周才能得到。由于Google保存了多年來所有的搜索記錄，而且每天都會收到來自全球超過30億條的搜索指令，正是由于龐大的數(shù)據(jù)資源以及相應(yīng)的處理能力才能支撐它完成這項(xiàng)工作[3]。這個大數(shù)據(jù)應(yīng)用的案例引起了公共衛(wèi)生專家的極大關(guān)注，此后，大數(shù)據(jù)在健康領(lǐng)域的應(yīng)用逐漸增多，其優(yōu)勢逐漸被認(rèn)識。

隨著醫(yī)學(xué)技術(shù)的進(jìn)步，不同尺度的生物和臨床數(shù)據(jù)以前所未有的速度和規(guī)模產(chǎn)生并被收集起來，用于健康管理[4]。在微觀領(lǐng)域，新一代基因測序技術(shù)每天可以處理數(shù)十億的DNA序列數(shù)據(jù)；在宏觀領(lǐng)域，廣泛應(yīng)用的電子健康病歷(electric health record，EHR)可記錄大量患者個體及人群的數(shù)據(jù)。面對迅速產(chǎn)生的海量數(shù)據(jù)，傳統(tǒng)的方法不具備處理能力，而大數(shù)據(jù)為生命科學(xué)領(lǐng)域的研究者提供了從中挖掘規(guī)律的工具[5]。以IBM Watson為代表的健康大數(shù)據(jù)分析工具已應(yīng)用于藥物研發(fā)和輔助制訂臨床決策[6]。在患者就診過程中，大數(shù)據(jù)分析可以幫助臨床醫(yī)師做出治療決策[7]。在住院過程中，大數(shù)據(jù)分析工具可以實(shí)時記錄監(jiān)護(hù)患者(如新生兒)的大量生命體征數(shù)據(jù)進(jìn)行分析，及時發(fā)現(xiàn)患者的異常，以便針對性地采取措施，能明顯改善患者的預(yù)后[8]。出院后，大數(shù)據(jù)管理工具可以幫助患者監(jiān)測健康狀態(tài)，將患者健康信息反饋給管理中心，對患者的服藥、就診等進(jìn)行提示[9]?？傊?，在實(shí)際應(yīng)用方面，大數(shù)據(jù)在健康領(lǐng)域快速滲透，在過去的幾年里有許多新的發(fā)現(xiàn)和方法獲得推廣；在學(xué)科方面，大數(shù)據(jù)對以下幾個生物醫(yī)學(xué)領(lǐng)域的發(fā)展有重要促進(jìn)作用：生物信息學(xué)、臨床信息學(xué)、影像信息學(xué)和公共衛(wèi)生信息學(xué)。

大數(shù)據(jù)在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用探索

大數(shù)據(jù)可用于醫(yī)學(xué)影像專業(yè)問題的解決和流程優(yōu)化。醫(yī)學(xué)影像大數(shù)據(jù)主要分兩類：物理世界測量的數(shù)據(jù)(如圖像和檢查過程信息)和人類活動產(chǎn)生的影像解讀數(shù)據(jù)(如報(bào)告)。與其它領(lǐng)域的大數(shù)據(jù)比較，醫(yī)學(xué)影像大數(shù)據(jù)的特點(diǎn)是客觀性強(qiáng)、內(nèi)容復(fù)雜、體量大、獲取成本高和復(fù)用性強(qiáng)等。大數(shù)據(jù)分析方法的主要應(yīng)用方向：1)實(shí)現(xiàn)個性化圖像解讀；2)促進(jìn)研發(fā)新的成像技術(shù)；3)量化影像服務(wù)的價值；4)優(yōu)化影像工作流程。

大數(shù)據(jù)在醫(yī)學(xué)影像領(lǐng)域的最早應(yīng)用是衛(wèi)生經(jīng)濟(jì)學(xué)分析。醫(yī)學(xué)影像檢查在整體醫(yī)療費(fèi)用里占了很大比例[10-11]，所以從降低費(fèi)用、提升價值的角度引起了廣泛的關(guān)注[12-13]，業(yè)界提出了“Value-based radiology”的概念[14]，影像的收費(fèi)不應(yīng)基于檢查數(shù)量，而是基于影像信息對患者診治的作用，且對患者和付費(fèi)者公開透明[15]。大數(shù)據(jù)研究分析了人群中大量影像檢查的項(xiàng)目、費(fèi)用和結(jié)果，提出影像檢查對患者整體診治結(jié)局、整體花費(fèi)的影響，為影像檢查適應(yīng)證的制訂提供幫助：在申請過程中，可基于數(shù)據(jù)分析提示申請者應(yīng)選擇何種檢查方法及相關(guān)的費(fèi)用情況[16]，對中風(fēng)、腫瘤患者的合理化檢查建議已獲得較好的評價[17-18]。市場中已有不少相關(guān)產(chǎn)品，典型的如美國放射學(xué)會(ACR)發(fā)布的Appropriateness Criteria，根據(jù)大量循證醫(yī)學(xué)證據(jù)和專家意見，對影像診斷、介入治療的適應(yīng)證給出了較全面的建議[19-20]。

大數(shù)據(jù)在醫(yī)學(xué)影像業(yè)務(wù)領(lǐng)域的應(yīng)用也在廣泛探索中。因影像檢查已基本數(shù)字化，所以天然具有能進(jìn)行大數(shù)據(jù)處理的可能。但在醫(yī)學(xué)影像大數(shù)據(jù)的探索過程中，要解決三類問題。第一，影像檢查的數(shù)據(jù)量極大，要求極高的存儲、處理和分析能力，進(jìn)行大數(shù)據(jù)研究的前提是有功能足夠強(qiáng)大的硬件和軟件的支撐，更需要有IT和統(tǒng)計(jì)專業(yè)人士的參與[21]。第二，在數(shù)據(jù)利用過程中，簡單的數(shù)據(jù)堆積不能進(jìn)行有效的處理，需要按一定邏輯，從微觀到宏觀進(jìn)行數(shù)據(jù)加工后方可挖掘其內(nèi)在規(guī)律。在數(shù)據(jù)加工過程中，首先應(yīng)從單個病例的影像中提取出關(guān)鍵信息(如美國國立衛(wèi)生研究院的common data element,CDE)，實(shí)現(xiàn)圖像中數(shù)據(jù)元素的標(biāo)準(zhǔn)化、結(jié)構(gòu)化[22]，其次應(yīng)開展高質(zhì)量、大范圍和長期的注冊研究和臨床試驗(yàn)[23]，并且將影像數(shù)據(jù)與臨床數(shù)據(jù)、實(shí)驗(yàn)室檢查、病理和基因組信息等整合在一起[17]，基于特定的假設(shè)和目標(biāo)[24-25]進(jìn)行大數(shù)據(jù)分析，才能得到有意義的結(jié)果。第三，醫(yī)學(xué)影像研究的思路應(yīng)改變，傳統(tǒng)的醫(yī)學(xué)研究是先提出研究假設(shè)(如假設(shè)某種因果關(guān)系的存在)，以臨床觀察或?qū)φ张R床試驗(yàn)的形式驗(yàn)證假設(shè)或拒絕假設(shè)，研究數(shù)據(jù)通常是有目的收集，數(shù)據(jù)質(zhì)量很高。但在大數(shù)據(jù)研究中，應(yīng)允許數(shù)據(jù)有瑕疵，在不能確知因果關(guān)系之前，接受以相關(guān)關(guān)系來替代因果關(guān)系輔助決策，以整體數(shù)據(jù)預(yù)測個體結(jié)局[26-27]。只有逐步適應(yīng)這些研究思路的改變，醫(yī)學(xué)影像研究者才能更好地利用大數(shù)據(jù)理念，并使其逐步完善。在完成實(shí)際任務(wù)的過程中，上述三類問題常常是互相疊加的，尚沒有很簡單的應(yīng)對措施。所以總體上講，大數(shù)據(jù)在醫(yī)學(xué)影像業(yè)務(wù)領(lǐng)域的探索還是非常初步的，理論意義大于實(shí)際意義。

醫(yī)學(xué)影像大數(shù)據(jù)工作的困難和解決方向

雖然當(dāng)今醫(yī)學(xué)影像的數(shù)據(jù)總量很大，但只有極小的一部分能被整合、理解和分析，面對海量數(shù)據(jù)研究的困難在于數(shù)據(jù)量極大、數(shù)據(jù)源過多、數(shù)據(jù)格式不統(tǒng)一以及瑕疵數(shù)據(jù)充斥數(shù)據(jù)庫。在大數(shù)據(jù)處理過程中，統(tǒng)計(jì)理論和機(jī)器學(xué)習(xí)的技術(shù)非常重要，但醫(yī)學(xué)影像專家對IT技術(shù)所知有限，而IT技術(shù)專家則不易理解醫(yī)學(xué)問題的實(shí)質(zhì)，跨學(xué)科人才稀缺。

為了克服醫(yī)學(xué)影像大數(shù)據(jù)工作的困難，應(yīng)研發(fā)適應(yīng)影像信息存儲、處理和挖掘的規(guī)范、技術(shù)和工具。為了更好地利用醫(yī)學(xué)影像大數(shù)據(jù)，應(yīng)提高數(shù)據(jù)對使用者的透明度和方便性，提高數(shù)據(jù)使用效率和數(shù)據(jù)質(zhì)量，對影像數(shù)據(jù)進(jìn)行定量化、結(jié)構(gòu)化地分析和挖掘[28-29]。具體地說，應(yīng)在保障患者隱私和數(shù)據(jù)安全的基礎(chǔ)上，建立不依賴于廠家的存儲和分析平臺，使用統(tǒng)一的術(shù)語，發(fā)展定量的影像組學(xué)、影像共享、數(shù)據(jù)挖掘和人工智能工具等[30]。

為了克服醫(yī)學(xué)影像大數(shù)據(jù)工作的困難，應(yīng)盡快培養(yǎng)跨學(xué)科人才，特別是領(lǐng)軍人才。大數(shù)據(jù)工作是系統(tǒng)工程，從確定任務(wù)、采集數(shù)據(jù)、計(jì)算分析到?jīng)Q策應(yīng)用，是一個很長的流水線。在這個流水線上的每一個環(huán)節(jié)，都存在嚴(yán)重的人才空缺。領(lǐng)導(dǎo)大數(shù)據(jù)工作的醫(yī)學(xué)影像專家則應(yīng)當(dāng)努力成為理解、掌控整個流水線的綜合性人才，并在醫(yī)學(xué)影像工作團(tuán)隊(duì)中推廣大數(shù)據(jù)的概念和方法。在商業(yè)環(huán)境中，大數(shù)據(jù)的推廣應(yīng)用有一個明確的過程，包括四個階段：教育、探索、參與和執(zhí)行[31]。我們可以參考這個過程，在本部門中宣傳大數(shù)據(jù)的相關(guān)理念，與IT技術(shù)人員合作，從解決單項(xiàng)明確任務(wù)起始，鼓勵大數(shù)據(jù)的研究、開發(fā)和利用，進(jìn)而廣泛推廣，使醫(yī)學(xué)影像學(xué)科整體借助大數(shù)據(jù)技術(shù)得到充分的發(fā)展。

總之，醫(yī)學(xué)影像大數(shù)據(jù)是資源，與實(shí)體物資(自然資源、人力資源)一樣，具有價值和價格，大數(shù)據(jù)研究和應(yīng)用將帶來醫(yī)學(xué)實(shí)踐的改變。在醫(yī)學(xué)影像發(fā)展歷史上的多次技術(shù)躍進(jìn)中，我們都是跟隨者。此次以提升影像價值為導(dǎo)向的技術(shù)革新中，中國與世界前沿的距離并不大，我們完全有創(chuàng)新甚至局部領(lǐng)先的可能性。中國醫(yī)學(xué)影像從業(yè)者應(yīng)積極參與到技術(shù)革新中，有勇氣去接受挑戰(zhàn)，引領(lǐng)行業(yè)的發(fā)展。

[1] White T.Hadoop:the definitive guide[M].Sebastopol,CA:O'Reilly Media,Inc.;2012：15-30.http://www.java1234.com/a/javabook/javaweb/2015/0513/4212.html

[2] Ginsberg J,Mohebbi MH,Patel RS,et al.Detecting influenza epidemics using search engine query data[J].Nature,2009,457(7232):1012-1014.

[3] Butler D.When Google got flu wrong[J].Nature,2013,494(7436):155-156.

[4] Luo J,Wu M,Gopukumar D,et al.Big data application in biomedical research and health care: a literature review[J].Biomed Inform Insights,2016,8(1):1-10.

[5] Hoyt RE,Snider D,Thompson C,et al.IBM Watson analytics:automating visualization,descriptive,and predictive statistics[J].JMIR Public Health Surveill,2016,2(2):e157. DOI:10.2196/publichealth.5810.

[6] Chen Y,Elenee Argentinis JD,Weber G.IBM Watson:how cognitive computing can be applied to big data challenges in life sciences research[J].Clin Ther,2016,38(4):688-701.

[7] Doyle-Lindrud S.Watson will see you now:a supercomputer to help clinicians make informed treatment decisions[J].Clin J Oncol Nurs,2015,19(1):31-32.

[8] Spitzer AR,Ellsbury D,Clark RH.The pediatrix baby steps? data warehouse——a unique national resource for improving outcomes for neonates[J].Indian J Pediatr,2015,82(1):71-79.

[9] Dimitrov DV.Medical internet of things and big data in healthcare[J].Healthc Inform Res,2016,22(3):156-163.

[10] Duszak R,Berlin JW.Utilization management in radiology.Part 2:perspectives and future directions[J].J Am Coll Radiol,2012,9(10):700-703.

[11] Duszak R,Berlin JW.Utilization management in radiology.Part 1:rationale,history,and current status[J].J Am Coll Radiol,2012,9(10):694-699.

[12] Parker L,Levin DC,Frangos A,et al.Geographic variation in the utilization of noninvasive diagnostic imaging:national Medicare data 1998-2007[J].AJR,2010,194(4):1034-1039.

[13] Smith-Bindman R,Miglioretti DL,Johnson E,et al.Use of diagnostic imaging studies and associated radiation exposure for patients enrolled in large integrated health care systems 1996-2010[J].JAMA,2012,307(22):2400-2409.

[14] Sarwar A,Boland G,Monks A,et al.Metrics for radiologists in the era of value-based health care delivery[J].Radiographics,2015,35(3):866-876.

[15] Durand DJ,Narayan AK,Rybicki FJ,et al.The health care value transparency movement and its implications for radiology[J].J Am Coll Radiol,2015,12(1):51-58.

[16] Sistrom CL,Dreyer K,Weilburg JB,et al.Images of imaging:how to process and display imaging utilization for large populations[J].AJR,2015,204(4):405-420.

[17] 吳靜云,張曉東,王蕊,等.前列腺M(fèi)RI影像生物樣本庫的建設(shè)探索[J].腫瘤影像學(xué),2016,25(2):123-126.

[18] Regge D,Mazzetti S,Giannini V,et al.Big data in oncologic imaging[J].Radiol Med,2016 Sep 13.DOI:10.1007/s11547-016-0687-5. [Epub ahead of print].

[19] Bonow RO,Douglas PS,Buxton AE,et al.American college of cardiology foundation.ACCF/AHA methodology for the development of quality measures for cardiovascular technology:a report of the American college of cardiology foundation/American heart association task force on performance measures[J].Circulation,2011,124(13):1483-1502.

[20] Patel MR,Spertus JA,Brindis RG,et al.American college of cardiology foundation.ACCF proposed method for evaluating the appropriateness of cardiovascular imaging[J].J Am Coll Cardiol,2005,46(8):1606-1613.

[21] Boubela RN,Kalcher K,Huf W,et al.Big data approaches for the analysis of large-scale fMRI data using apache spark and GPU processing:a demonstration on resting-state fMRI data from the human connectome project[J].Front Neurosci,2016,6(9):492-?.

[22] Saver JL,Warach S,Janis S,et al.Standardizing the structure of stroke clinical and epidemiologic research data: the National Institute of Neurological Disorders and Stroke (NINDS) Stroke Common Data Element (CDE) project[J].Stroke,2012,43(4):967-973.

[23] Weiner MW,Veitch DP,Aisen PS,et al.The Alzheimer's disease neuroimaging initiative:a review of papers published since its inception[J].Alzheimers Dement,2013,9(5):111-194.

[24] Margolis R,Derr L,Dunn M,et al.The national institutes of Health's big data to knowledge (BD2K) initiative:capitalizing on biomedical big data[J].J Am Med Inform Assoc,2014,21(6):957-958.

[25] Pettigrew RI.BRAIN initiative to transform human imaging[J/OL].Sci Transl Med,2014,6(244):244ed16.DOI:10.1126/scitranslmed.3009695

[26] Murdoch TB,Detsky AS.The inevitable application of big data to health care[J].JAMA,2013,309(13):1351-1352.

[27] Badawi O,Brennan T,Celi LA,et al.Making big data useful for health care:a summary of the inaugural MIT critical data confe-rence[J].JMIR Med Inform,2014,2(2):22.DOI:10.2196/medinform.3447

[28] 秦岫波,王蕊,高歌,等.前列腺多參數(shù)MRI報(bào)告進(jìn)展：基于第2版前列腺影像報(bào)告和數(shù)據(jù)系統(tǒng)的結(jié)構(gòu)式報(bào)告的構(gòu)建[J].腫瘤影像學(xué),2016,25(2):111-116.

[29] 王可,劉慶，郭小超，等.肝癌影像報(bào)告進(jìn)展：基于LI-RADS的結(jié)構(gòu)式報(bào)告[J].肝癌電子雜志,2016,3(1):26-31.

[30] Zhao K,Wang C,Hu J,et al.Prostate cancer identification:quantitative analysis of T2-weighted MR images based on a back pro-pagation artificial neural network model[J].Sci China Life Sci,2015,58(7):666-673.

[31] Kansagra AP,Yu JP,Chatterjee AR,et al.Big data and the future of radiology informatics[J].Acad Radiol,2016,23(1):30-42.

100034 北京，北京大學(xué)第一醫(yī)院醫(yī)學(xué)影像科

劉義(1989-)，女，河北石家莊人，博士研究生，主要從事影像診斷研究工作。

王霄英，E-mail: cjr.wangxiaoying@vip.163.com

R814.4

A

1000-0313(2016)12-1124-03

10.13609/j.cnki.1000-0313.2016.12.003

??回日期：2016-11-22)