隨著數(shù)據(jù)的飛速積累和方法加速更新?lián)Q代，未來醫(yī)學(xué)范式將向以數(shù)據(jù)和計算方法為主的計算醫(yī)學(xué)（Computational Medicine，CM）發(fā)生轉(zhuǎn)變。通過計算模型和超算技術(shù)，這種新的醫(yī)學(xué)范式以逼近真實的方式理解生命機理和疾病機制，并將提高疾病預(yù)測、臨床診療和健康維護水平，使個性化決策成為可能，從而可能徹底改變從單個病人護理到政策制定的整個醫(yī)學(xué)領(lǐng)域。

近日，浙江數(shù)字醫(yī)療衛(wèi)生技術(shù)研究院、浙江樹人大學(xué)和動脈網(wǎng)聯(lián)合發(fā)布了《計算醫(yī)學(xué)：數(shù)智時代的醫(yī)學(xué)發(fā)展新范式》白皮書。白皮書認為，計算醫(yī)學(xué)正在加速改變整個醫(yī)學(xué)領(lǐng)域。

為方便閱讀，本文對白皮書做了不改變原意的刪減。如需下載白皮書原文，請至文末掃碼下載。

計算醫(yī)學(xué)是如何興起的？

醫(yī)學(xué)實踐具有相當大的不確定性，且一直存在。傳統(tǒng)醫(yī)學(xué)面對這些決策中的不確定性，通常的處理方式是通過從經(jīng)驗中積累的專業(yè)知識進行判斷，后發(fā)展為通過循證醫(yī)學(xué)的形式對研究進行系統(tǒng)的評估實現(xiàn)。然而，循證醫(yī)學(xué)主要以群體證據(jù)作為核心依據(jù)，往往無法有效的解釋個體差異。

隨著基因測序、檢查檢驗設(shè)備、可穿戴設(shè)備等新的檢測方法和檢測工具的不斷涌現(xiàn)，獲取個人不同尺度上的健康、疾病數(shù)據(jù)成為可能。這也導(dǎo)致醫(yī)療健康相關(guān)的數(shù)據(jù)指數(shù)級增長。同時，大數(shù)據(jù)賦予了醫(yī)生和臨床科研人員更多、更細致的維度去了解疾病發(fā)生發(fā)展過程，大大拓展了醫(yī)學(xué)研究的深度和廣度。

這些復(fù)雜數(shù)據(jù)的處理已經(jīng)遠遠超出個人的處理能力，急需新的方式與手段幫助醫(yī)生從多維、立體、融合的數(shù)據(jù)中摸索出規(guī)律，從而更精確地進行疾病的預(yù)測、預(yù)防、診斷和治療。因此，以數(shù)據(jù)和計算方法為主的計算醫(yī)學(xué)開始出現(xiàn)并發(fā)展。這也預(yù)示著未來醫(yī)學(xué)發(fā)展范式的轉(zhuǎn)向。

”人“系統(tǒng)涉及的數(shù)據(jù)維度尺度

早在上世紀八十年代，如何在醫(yī)學(xué)領(lǐng)域里應(yīng)用計算技術(shù)的研究就已經(jīng)開始。1994年，于美國奧斯汀舉行的首屆計算醫(yī)學(xué)、公共衛(wèi)生和生物科技大會，計算醫(yī)學(xué)已經(jīng)開始顯現(xiàn)成為醫(yī)學(xué)重要前沿研究方向的趨勢。不過，這在當時仍然是一個非常小眾的研究，只有一小部分生物醫(yī)學(xué)科學(xué)家在使用計算方法開展數(shù)學(xué)建模。

2012年10月，美國約翰霍普金斯大學(xué)生物醫(yī)學(xué)工程教授Raimond L．Winslow在《科學(xué)轉(zhuǎn)化醫(yī)學(xué)》（Science Translational Medicine）上發(fā)表了一篇名為《計算醫(yī)學(xué)：從模型到臨床》（Computational Medicine： Translating Models to Clinical Care）的綜述性文章。在文中，他指出計算醫(yī)學(xué)已經(jīng)從理論走向?qū)嵺`。Winslow也因此被公認為計算醫(yī)學(xué)新領(lǐng)域的創(chuàng)始人。

近年來，隨著數(shù)據(jù)的飛速積累以及大數(shù)據(jù)的處理挖掘方法不斷成熟，以深度學(xué)習(xí)為代表的人工智能方法在圖像識別、自然語言處理等領(lǐng)域取得了令人矚目的成就。這些數(shù)據(jù)和技術(shù)領(lǐng)域的革新也推動了計算醫(yī)學(xué)進入新的快速發(fā)展周期。

計算醫(yī)學(xué)是什么？包含哪些知識體系？

那么，什么是計算醫(yī)學(xué)呢？對于這個問題，不同的專家或機構(gòu)的定義在細節(jié)上略有區(qū)別。舉例來說，紐約大學(xué)和約翰霍普金斯大學(xué)的解釋就代表了兩種不同的側(cè)重定義。

紐約大學(xué)從計算技術(shù)和醫(yī)學(xué)的關(guān)系層面，將計算醫(yī)學(xué)描述為“計算醫(yī)學(xué)是利用數(shù)據(jù)驅(qū)動的分析來發(fā)現(xiàn)復(fù)雜動態(tài)生物系統(tǒng)的結(jié)構(gòu)、功能和進化”。約翰霍普金斯大學(xué)計算醫(yī)學(xué)研究所則更強調(diào)計算技術(shù)對醫(yī)學(xué)的價值：“計算醫(yī)學(xué)是計算機科學(xué)和醫(yī)學(xué)交界的一個跨學(xué)科領(lǐng)域，計算方法被開發(fā)來了解人類疾病。數(shù)學(xué)、信息學(xué)和計算模型被應(yīng)用于為疾病的機制、診斷和治療提供見解，并最終改善病人的護理”。

作為一門新興學(xué)科，計算醫(yī)學(xué)的核心是通過應(yīng)用數(shù)學(xué)、計算科學(xué)來理解人類疾病的機理，為醫(yī)學(xué)服務(wù)提供新洞見，提高并改善疾病診療水平。廣義上，應(yīng)用計算機和計算模型來支持醫(yī)療保健服務(wù)的醫(yī)學(xué)研究的所有方面都可以被納入到計算醫(yī)學(xué)范疇。

另一個與計算醫(yī)學(xué)密切相關(guān)的學(xué)科為計算生物學(xué)（Computational Biology）。根據(jù)美國國家衛(wèi)生研究院的定義，計算生物學(xué)是指開發(fā)和應(yīng)用數(shù)據(jù)分析及理論的方法、數(shù)學(xué)建模和計算機仿真技術(shù)，用于生物學(xué)、行為學(xué)和社會群體系統(tǒng)的研究的學(xué)科。

不難發(fā)現(xiàn)，計算醫(yī)學(xué)和計算生物學(xué)有部分交叉，例如在計算基因組學(xué)領(lǐng)域。相對而言，計算生物學(xué)作為生物學(xué)的一個分支，歸屬于基礎(chǔ)科學(xué)，主要是為醫(yī)學(xué)研究提供基礎(chǔ)支撐；計算醫(yī)學(xué)則更偏向于應(yīng)用科學(xué)，關(guān)注的是人體健康與疾病相關(guān)問題的研究。

計算醫(yī)學(xué)的研究重點大致經(jīng)歷了三個階段的演變：人體仿真與計算建模研究階段、基因大數(shù)據(jù)驅(qū)動的計算醫(yī)學(xué)應(yīng)用研究階段以及基于人工智能的計算醫(yī)學(xué)與應(yīng)用研究階段。伴隨現(xiàn)代醫(yī)學(xué)向微觀和宏觀兩方面的發(fā)展，計算醫(yī)學(xué)的研究內(nèi)容逐漸包含了計算基因組學(xué)、醫(yī)學(xué)信息學(xué)、計算神經(jīng)遺傳學(xué)建模、計算神經(jīng)科學(xué)、人體建模、數(shù)字人體、精準醫(yī)學(xué)等領(lǐng)域。

中國科學(xué)院計算技術(shù)研究所高性能計算機研究中心主任譚光明闡釋的計算醫(yī)學(xué)內(nèi)涵

作為一門較高難度的交叉學(xué)科，計算醫(yī)學(xué)需要綜合來自計算機科學(xué)、數(shù)學(xué)、統(tǒng)計學(xué)、生物化學(xué)、化學(xué)工程、生物醫(yī)學(xué)工程、生物物理學(xué)、分子生物學(xué)、遺傳學(xué)、生態(tài)學(xué)、解剖學(xué)等學(xué)科的知識。

計算醫(yī)學(xué)研究理論基礎(chǔ)

計算醫(yī)學(xué)會涉及到使用近現(xiàn)代的數(shù)學(xué)工具來對生物對象進行數(shù)學(xué)建模，所以對數(shù)學(xué)的要求會比較高，尤其是動力系統(tǒng)和概率。而微積分和線性代數(shù)又是動力系統(tǒng)和概率的基礎(chǔ)。其他必要的基礎(chǔ)知識還包括生物學(xué)基礎(chǔ)、醫(yī)學(xué)基礎(chǔ)、計算機基礎(chǔ)和工程基礎(chǔ)領(lǐng)域知識。

計算醫(yī)學(xué)主要涉及學(xué)科及基礎(chǔ)知識

中美領(lǐng)銜，剖析計算醫(yī)學(xué)研究歷史及現(xiàn)狀

白皮書在知領(lǐng)·全球科研項目庫中進行了搜索，發(fā)現(xiàn)最近10年題名或關(guān)鍵詞包含計算醫(yī)學(xué)相關(guān)的項目共計3417條，并對這些項目進行了分析。

全球近十年計算醫(yī)學(xué)相關(guān)領(lǐng)域的研究投入經(jīng)費波動較大。其中，2019年全球在計算醫(yī)學(xué)總研發(fā)投入經(jīng)費和平均項目研發(fā)投入經(jīng)費均達到了歷年最高值。

全球近10年計算醫(yī)學(xué)研究投入情況

在國家分布上，研發(fā)經(jīng)費投入最高的前三位國家分別為美國、比利時和英國，平均項目研發(fā)經(jīng)費投入最高的國家分別為比利時、斯洛伐克和澳大利亞。