導讀：利用大數據科研分析平臺，改善臨床研究工作流程，提高試驗效率，加速成果轉化。以大數據科研分析平臺的建設為切入點，從數據采集、數據處理及統計分析等方面，探討其在臨床研究尤其是真實世界研究中的應用效果。大數據科研分析平臺在臨床研究中的多個環節都起到了切實有效的輔助作用，縮短了試驗周期，降低了研究成本。大數據科研分析平臺利用自然語言處理、機器學習等人工智能技術，深度挖掘臨床研究中的數據內在價值，多層次、多角度滿足不同科研需求，有著廣闊的應用前景。
隨著循證醫學、轉化醫學以及藥物經濟學等在我國的迅速發展，以及國家對臨床醫學研究的大力倡導，醫生的科研需求持續增加。而傳統RCT（randomized controlled trial，隨機對照試驗）試驗由于其外部有效性、推廣性有限，無法評價藥品在真實臨床環境下的作用等，近年來，基于真實世界的研究（Real World Study，RWS）正越來越多地受到醫療衛生領域的關注。RWS作為一種藥品上市后的再評價方法，可以更好地反映出藥品在實際臨床使用過程中的有效性、安全性以及經濟性等。但由于其所需樣本量較大，通常涉及海量醫療數據，以往依靠人工操作的科研方式不僅耗時耗力，且極易出現人為錯誤，難以保證數據質量及科研實施的效率。
與此同時，隨著我國醫院信息化水平的日益提高以及信息系統覆蓋率的逐漸增加，各醫院積累的診療數據呈指數級增長，為開展基于大數據的RWS研究提供了廣泛基礎。因此，如何利用大數據及人工智能技術，積極助力RWS的開展，提高其質量與效率，成為亟待解決的問題。
真實世界研究概念及特點
概念 所謂真實世界研究（RWS）是指在臨床真實條件與現實環境下，基于較大樣本量（覆蓋具有代表性的更廣大受試者），比較和選擇不同醫療手段的過程及其結局研究；與傳統RCT中對人群的高度選擇，對干預和對照的嚴格控制，以及隨訪與實際存在差異等特征都具有明顯差別。
特點
作用與優勢 RWS是近年在國內興起的一種研究理念。因藥品上市后，實際使用人群會擴大，往往導致實際藥物療效無法重復臨床試驗結果。這種情況下，利用RWS可以提供傳統RCT試驗所無法提供的證據，包括：真實環境下干預措施的療效、長期用藥的安全性、依從性、疾病負擔等，進而評估患者健康狀況、疾病及診療過程，評估防治結果、患者預后與預測，以及支持醫療政策制定等。
數據來源 開展RWS研究時，數據必須來源于真實世界中的患者數據，反映實際診療過程和真實條件下的患者健康狀況，是一種非實驗設計數據，主要包含醫院電子病歷、醫療索賠數據庫、藥品不良事件監測數據以及患者隨訪數據等。
實現難點 首先，RWS要求的數據量十分龐大，只有在足夠大的樣本量基礎上，才能高效滿足RWS的研究和開展；其次，要保障數據質量，在RWS開展過程中，一旦出現多個虛假或殘缺不全數據，將直接影響后續基于數據進行的群體性分析，使科研失去價值；最后，RWS本身對巨大數據量的需求，也對后續的數據處理及統計分析提出更高要求，需要強大的采集和分析系統予以支撐。
大數據科研分析平臺功能及技術特色
大數據科研分析平臺以自然語言處理、機器學習等人工智能技術為支撐，在數據的收集、整合、處理和統計、分析等方面，都有著巨大的先天優勢，這對開展RWS起到強大的輔助作用。
平臺架構設計 大數據科研分析平臺的構建是以醫院數據中心（HDR）為基礎，輔以基因組學、eCRF表單及隨訪數據等，形成全量的專病數據庫；在經過數據整合、清洗、自然語言處理、機器學習及去隱私化等技術處理后，形成數據集市，包含結構化及后結構化數據；在此基礎上，通過語義分析模型、同義詞字典、知識圖譜等算法，進一步挖掘疾病癥狀之間潛在關聯等，實現數據的深度應用。平臺架構如圖1所示。
圖1 平臺架構示意圖
功能特點 大數據科研分析平臺通過收集、整合院內/外海量醫療數據，較好地滿足了RWS對大樣本量的需求；同時，利用自然語言處理、機器學習等人工智能技術，將大量多源異構的信息融合成標準化、結構化數據，確保了數據質量及后續分析的有效性；在數據統計、分析方面，通過接入R語言，集合多種統計分析方法，大大提高了統計分析的靈活性及科研效率；此外，還可通過描述性統計分析，實現為患者畫像、為疾病畫像。
技術特色
自然語言處理（NLP） RWS研究中所需的數據很大一部分存儲在電子病歷系統中。而電子病歷除包含結構化數據外，還存在大量自由文本數據，為后續的搜索、統計、分析等帶來了困難。因此，探索利用自然語言處理技術來分析、挖掘電子病歷中的重要內容就顯得十分必要。傳統自然語言處理包括詞性標注、分詞、句子邊界識別、句法分析、命名實體識別和實體關系抽取、共指消解等。通過對電子病歷多年的研究分析，從中發現一些結構規則，并在此基礎上進一步提煉出獨有的算法和模型，最終形成基于醫療數據模式的文本識別方法，實現了病歷自由文本分析由通用的標簽分詞到語義分析的轉變，為數據的分析利用奠定了基礎。
以應用提升數據質量 數據質量對RWS的重要性不言而喻，而保障數據質量最有效的方法就是在其源頭予以控制，即以應用來驅動數據質量的提升。具體來講，就是根據不同的應用場景，從不同視角去建立相應的數據模型關系。如：對具有因果關聯結構的病種、病情、治療、療效數據，事先充分了解其結構內容、相關業務邏輯及標準，并將這些內容、規則和標準體現到數據采集系統；在診療過程中，通過制定并遵循服務流程、規范操作，從規范的診療行為中獲取可用數據；利用智能推薦、警示提醒、診療視圖等方式，強化醫生對高質量數據的輸入感受，促進數據質量提升等。
統計分析靈活 大數據科研分析平臺通過接入R語言，覆蓋了比較均值分析、回歸分析、相關分析、定性分析、線性回歸、ROC曲線等多種常用統計分析算法；另外，還引入了如決策樹、主成分分析等高級挖掘統計算法，以支持復雜的研究案例。針對不同的研究，可靈活選擇不同算法，并自動生成統計結果。同時，平臺將支持科研數據直接導出，供其他統計分析軟件使用，滿足不同科研需求
大數據科研分析平臺在RWS中的應用
如前所述，大數據科研分析平臺在數據獲取、數據處理及統計分析等環節都具有強大優勢，在RWS研究多個環節都能起到切實有效的輔助作用，從而縮短藥品試驗周期，降低研究成本。
滿足數據采集需求 利用大數據科研分析平臺，可以方便地獲取到醫院各業務系統中的相關數據；并可針對具體科研項目，無縫接入患者院外隨訪數據及CRF表單數據，快速建立基于真實世界研究的數據庫。
滿足數據處理及質量控制需求 通過大數據科研分析平臺的自然語言處理等技術，可以將海量數據進行標準化及后結構化處理，并形成完善的數據網絡，提高科研過程中對數據搜索的便利性及時效性。此外，通過在應用層面對不同業務邏輯及標準、規則的設定，強化對數據產出端的質量控制，可以有效提升數據的準確性、及時性、完整性和一致性，確保RWS過程中數據的高關聯度和高可靠性。
滿足數據統計及分析需求 大數據科研平臺通過將R語言與常用醫學統計模型集成在一起，可以更加方便地為科研人員提供針對不同需求的靈活選擇；且操作簡便，通過“檢索或導入分析數據→選擇變量和參數→查看并導出結果”三個步驟，即可快速完成科研統計、生成分析結果。此外，還可以借助大數據語義分析和知識圖譜等技術，針對某種疾病做描述性統計分析，實現為患者畫像或為疾病畫像。
綜上所述，大數據科研分析平臺利用自然語言處理、機器學習等人工智能技術，在RWS開展過程中可以幫助其快速完成對海量醫療數據的收集、整合、處理及統計、分析等，深度挖掘數據內在價值，實現真實世界研究在新藥開發、藥物經濟學、醫保控費、適應癥/禁忌癥評價、臨床指導等多層次、多角度的需求，具有廣闊的應用前景。
文章來源：《中國數字醫學》雜志2019年第2期，作者及單位：金昌曉 計虹 席韓旭 張晨 甘偉 陳聯忠，北京大學第三醫院 北京嘉和美康信息技術有限公司。
返回