转自：（维权）
在此背景下，精准健康致力于根据每个患者的疾病特征量体裁衣式地制定个性化预防和治疗方案，早筛早诊早治，最大限度地减少治疗副反应，提高患者生存率和整体生活质量。肿瘤危险因素发现、风险预测、诊断、治疗与预后监控都离不开对肿瘤大数据的收集、处理和分析。因此，高效收集和有效利用健康医疗大数据将是推动肿瘤精准防诊治的关键。
该综述全面概述了当前大数据计算分析的最新技术，重点介绍了健康医疗大数据和人工智能技术在癌症研究中的应用及进展，探讨了癌症研究中大数据管理、分析和利用面临的关键挑战，并提出要建设人工智能驱动的综合在线服务平台，整合健康医疗大数据，支持个性化健康管理和居民健康水平提升，助力健康中国建设。
健康医疗大数据的收集和管理共享
健康医疗大数据通常来源于流行病学调查问卷、电子病历和随访信息、影像数据、分子生物学检测产生的组学信息、移动医疗设备数据、医保数据及公共健康监测等。这些数据体量非常庞大，通常存在数据分散、异质性高、数据缺失、准确性有待验证等问题，此外，数据存储和安全隐私等方面仍有待完善。针对上述挑战，吴息凤教授指出，我们可以利用云计算、分布式架构、标准化处理等方式管理不同来源的原始数据；对于缺失数据，在能够溯源的情况下，尽可能通过数据补充采集来完善数据；对于无法溯源的情况使用人工智能算法处理缺失值；此外，还可应用泛化技术、隐私计算和联邦学习等分布式计算存储、脱敏技术，以实现安全合规的数据共享，使数据可用不可见，保护个人数据安全与患者隐私。
健康医疗大数据融合分析
近年来，生命组学（基因组学、转录组学、蛋白组学、代谢组学）、影像组学和临床表型组学等多组学的不断发展，为肿瘤患者的精准医疗提供了大数据支撑，但海量的多源异构大数据也带来了分析上的巨大挑战。随着人工智能的快速发展，尤其是深度学习技术的不断成熟，跨尺度、高维度、多模态生物医疗大数据的融合分析及临床应用成为可能。在文中，吴息凤教授深入描述了如何通过生物技术与信息技术跨界融合来深度挖掘和利用海量健康医疗大数据，包括医疗影像、组织病理、跨尺度多模态数据融合计算、知识图谱构建、多组学联合分析、电子病历分析等进行了详细阐述。
健康医疗大数据在肿瘤疾病全过程中的实际应用
肿瘤发生受遗传与环境因素的共同作用，传统的肿瘤全过程风险评估准确率不高且缺乏个体特异性。面向肿瘤风险预测、诊断、治疗、预后监控等临床全过程，吴息凤教授对人工智能技术如何应用于该场景进行了归纳和总结。包括环境、饮食、生活方式等癌症相关的可改变风险因素的辨析，肿瘤易感性、诊断和预后、治疗反应和不良事件的生物标志物识别，药物发现和再利用，药物剂量调整，影像识别，以及精准构建风险分层、治疗反应、疾病复发和生存预测等模型。
展望：肿瘤防诊治综合在线服务平台搭建
浙江大学公共卫生学院李文渊研究员及涂华康教授为共同作者。李文渊研究员，博士毕业于美国哈佛大学，从事人工智能驱动的环境健康及医学影像研究。涂华康教授，博士毕业于美国埃默里大学，从事基于电子病历的肿瘤真实世界大数据研究。
扫码阅读全文
Wu X#, Li W, Tu H. Big data and artificial intelligence in cancer research. Trends Cancer. 2023 Nov 15:S2405-8033(23)00217-0. doi: 10.1016/j.trecan.2023.10.006. Epub ahead of print. PMID: 37977902.
通讯作者简介
吴息凤
国家级特聘专家、长江学者讲席教授，浙江省“鲲鹏计划”顶尖人才。浙江大学公共卫生学院院长、浙江大学医学院附属第二医院副院长、浙江大学陈廷骅大健康学院执行院长、浙江大学健康医疗大数据国家研究院院长、浙江大学医疗保障大数据和政策研究中心主任。研究横跨遗传学、健康医疗大数据、流行病学、精准医学等领域，包括基于大型人群队列的健康医疗大数据和生物样本库构建、可改变风险因素辨析、新型生物标志物挖掘、精准风险预测与医学人工智能应用等。发表论著920余篇，包括柳叶刀、新英格兰医学杂志、美国医学学会杂志、自然、英国医学杂志等顶级期刊，H指数108，累计被引47106次，单篇最高引用2387次（Lancet,2011）。曾获MD安德森癌症中心从教学到科研到预防的最高奖，以及“休斯顿市50位最具影响力女性奖”等荣誉，担任十多个国家/国际的评审委员会委员及顾问。