李言生 龔后武 栗翊超

摘要：21世紀(jì)醫(yī)學(xué)發(fā)展的重點(diǎn)任務(wù)從防病治病已轉(zhuǎn)向健康維護(hù)，醫(yī)學(xué)模式從單純的疾病治療模式轉(zhuǎn)向4P醫(yī)學(xué)模式，面對醫(yī)學(xué)復(fù)雜性的挑戰(zhàn)，臨床研究方法學(xué)體系也在不斷發(fā)展。本文從真實(shí)世界數(shù)據(jù)出發(fā)，闡述了疾病風(fēng)險預(yù)測模型及構(gòu)建流程及其應(yīng)用，并對基于真實(shí)世界數(shù)據(jù)的疾病風(fēng)險預(yù)測研究進(jìn)行總結(jié)和展望，旨在為疾病的風(fēng)險預(yù)測提供幫助。

關(guān)鍵詞：真實(shí)世界研究;疾病風(fēng)險預(yù)測;人工智能;機(jī)器學(xué)習(xí)

中圖分類號：TP393 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：B ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?DOI：10.3969/j.issn.1006-1959.2020.23.006

文章編號：1006-1959（2020）23-0017-03

Abstract：In the 21st century， the key task of medical development has changed from disease prevention and treatment to health maintenance， and the medical mode has changed from simple disease treatment mode to 4P medical mode. Facing the challenge of medical complexity， the clinical research methodology system is also developing.Based on the real world data， this paper expounds the disease risk prediction model， the construction process and its application， and summarizes and prospects the on disease risk prediction based on real world data， in order to provide help for disease risk prediction.

Key words：Real world research;Disease risk prediction;Artificial intelligence;Machine learning

21世紀(jì)醫(yī)學(xué)發(fā)展的重點(diǎn)任務(wù)從防病治病轉(zhuǎn)向健康維護(hù)，醫(yī)學(xué)模式從單純的疾病治療模式轉(zhuǎn)向預(yù)防（prevention）、預(yù)測（prediction）、個體化（personalization）和患者參與（participation）為主的4P醫(yī)學(xué)模式[1]，面對醫(yī)學(xué)復(fù)雜性的挑戰(zhàn)，臨床研究方法學(xué)體系也在不斷發(fā)展。近年來，真實(shí)世界研究（RWS）日益被廣泛接受。RWS遵照循證醫(yī)學(xué)的理念，在積累足夠數(shù)量觀察數(shù)據(jù)的基礎(chǔ)上，應(yīng)用流行病學(xué)、衛(wèi)生統(tǒng)計學(xué)、信息科學(xué)等方法和技術(shù)，探索干預(yù)措施在現(xiàn)實(shí)狀況下的疾病風(fēng)險、臨床終點(diǎn)事件、生活質(zhì)量、衛(wèi)生經(jīng)濟(jì)學(xué)等指標(biāo)，已成為臨床評價領(lǐng)域不可或缺的重要組成[2]。本文主要對基于真實(shí)世界數(shù)據(jù)的疾病風(fēng)險預(yù)測模型進(jìn)行研究，旨在為疾病的風(fēng)險預(yù)測提供幫助。

1真實(shí)世界數(shù)據(jù)

真實(shí)世界數(shù)據(jù)[3]是指從傳統(tǒng)臨床試驗(yàn)以外，定期從不同來源收集的患者健康狀態(tài)和/或提供的保健服務(wù)相關(guān)的數(shù)據(jù)。真實(shí)世界數(shù)據(jù)來源非常廣泛，既可以是研究數(shù)據(jù)，即以特定目的開展的觀察性研究數(shù)據(jù)，以及基于真實(shí)醫(yī)療條件開展的干預(yù)性研究的數(shù)據(jù);也可是非研究數(shù)據(jù)。

醫(yī)學(xué)領(lǐng)域的真實(shí)世界數(shù)據(jù)根據(jù)收集內(nèi)容的差異可分為：①常規(guī)醫(yī)療數(shù)據(jù)，包括個人健康和醫(yī)療數(shù)據(jù)（如人口社會學(xué)特征、診斷、實(shí)驗(yàn)室檢查、影像學(xué)檢查、醫(yī)囑、手術(shù)、成本數(shù)據(jù)等），即通常所指的醫(yī)療大數(shù)據(jù)，其典型實(shí)例包括醫(yī)院電子病歷庫等;②在部分或全部收集常規(guī)醫(yī)療數(shù)據(jù)的基礎(chǔ)上，根據(jù)特定研究目的收集生物標(biāo)本檢測的檢測數(shù)據(jù)（如基因組學(xué)、蛋白組學(xué)、代謝組學(xué)檢測等）[4，5]。從本質(zhì)上講，醫(yī)療大數(shù)據(jù)滿足真實(shí)世界數(shù)據(jù)的所有特征，屬于真實(shí)世界數(shù)據(jù)[6]。但真實(shí)世界數(shù)據(jù)涵蓋的范疇顯然比醫(yī)療大數(shù)據(jù)更廣。其中一個核心要素是真實(shí)世界數(shù)據(jù)并不一定要求數(shù)據(jù)達(dá)到海量，也不一定強(qiáng)調(diào)數(shù)據(jù)的多樣性。

電子病歷（EMR）是主要的醫(yī)療大數(shù)據(jù)來源，EMR是電子化的個人健康記錄或健康檔案，包含人口學(xué)統(tǒng)計信息、診斷信息、化驗(yàn)信息、處方信息、自由文本等?，F(xiàn)有的基于電子病歷進(jìn)行疾病風(fēng)險預(yù)測的研究方法主要有兩類：一類是基于傳統(tǒng)的機(jī)器學(xué)習(xí)和統(tǒng)計技術(shù)，如Logistic回歸、支持向量機(jī)和隨機(jī)森林;一類是基于深度學(xué)習(xí)技術(shù)搭建模型，在海量電子病歷數(shù)據(jù)上進(jìn)行臨床信息分析。

2疾病風(fēng)險預(yù)測模型構(gòu)建流程

疾病風(fēng)險預(yù)測模型（DRPMs）是指利用數(shù)學(xué)公式估計特定個體當(dāng)前患有某病或?qū)戆l(fā)生某結(jié)局的概率[7，8]。建立疾病風(fēng)險預(yù)測模型是一項(xiàng)復(fù)雜的系統(tǒng)工程，涉及研究問題、數(shù)據(jù)集、變量、模型以及結(jié)果報告諸多環(huán)節(jié)。建模流程包括真實(shí)世界數(shù)據(jù)采集匯聚、大數(shù)據(jù)治理、疾病風(fēng)險模型構(gòu)建、模型利用，具體如下：

2.1真實(shí)世界數(shù)據(jù)采集匯聚 ?基于平臺數(shù)據(jù)集成，以服務(wù)器作為基礎(chǔ)硬件平臺，采用集群技術(shù)、分布式存儲技術(shù)、分布式計算技術(shù)、ETL技術(shù)[9]，制定數(shù)據(jù)采集標(biāo)準(zhǔn)及處理流程，對結(jié)構(gòu)化數(shù)據(jù)抽取入庫，對非結(jié)構(gòu)化數(shù)據(jù)采用自然語言處理（NLP）進(jìn)行結(jié)構(gòu)化改造[10]，主要包括患者的基本信息、病歷信息、病程信息、醫(yī)囑信息、檢驗(yàn)信息、影像信息、護(hù)理信息等內(nèi)容。實(shí)現(xiàn)真實(shí)世界數(shù)據(jù)存儲與共享，針對不同的需求提供更精細(xì)化、精準(zhǔn)化的支持。