我国宫腔镜诊治医学的奠基人与开拓者。现任首都医科大学附属复兴医院妇产科教授、科主任, 硕士研究生导师, 卫生部四级妇科内镜技术培训主任, 国际宫腔镜培训中心主任。从事妇产科临床、教学、科研工作62年，与团队合作在妇科内镜领域有多项创新，“宫腔镜的临床应用与基础研究”获2004 年度国家科技进步二等。宫腔镜诊治子宫畸形和极简式腹腔镜宫颈环扎术达世界领先水平。发表论著251篇，主编宫腔镜参考书4部，主译宫腔镜参考书5部。担任《国际妇产科学》等国内多家编委。1992年享受国务院特殊津贴。2017年5月3日在西班牙巴塞罗那召开的全球第一届宫腔镜学术会议上，作为全球4位“宫腔镜之父”之一，授予荣誉。
进入数字化时代，数字化、标准化、网络化、海量存储和大数据的应用，已成为医学发展的必然和大势所趋。大数据、人工智能、精准医学、智慧医疗等不断向传统医学发起挑战，面临着前所未有的变革，临床医生需要改变传统的思维方法与实践模式，从循证医学、医学到精准医学，最后到整合医学，目标是实现精准诊断、治疗及预防的全过程，于全人类。
据统计一个国内中等城市50年所积累的医疗数据量可达到10 PB级。10 PB级是个什么概念？在计算机领域，用字节的多少表示物理存储大小。英特尔公司对美国电子健康病历（Electronic Health Record，EHR）统计时发现，一个身体健康年轻人入院的EHR（不含影像学检查的内容）约1MB大小，存在某些健康问题的EHR约有40 MB（不含影像学检查的内容），若包含影像检查图片同时有多种疾患的病人其EHR大约是3～5 GB。当今全美就诊患者的电子数据，估算约为600 PB至10 EB。目前认为，大数据的起始计量单位至少是PB、EB，甚至是ZB，可形容为海量复杂性数据。
近几年的大数据特点是具备体量巨大（Volume）、处理速度较快（Velocity）、数据类型多样（Variety）以及商业价值较高（Value）等4V特点。
2015年，国务院印发并对外公布《关于促进大数据发展的行动纲要》，提出要大力发展大数据产业。这意味着国家层面对于大数据的研发表明了积极的态度。中国准备参加这场全世界范围内的竞争。
有了大数据和相应的技术，大数据最终的价值体现就是实际应用。医疗领域是大数据众多应用的一个重要部分，其数据来源主要包括四个方面，包括制药企业/生命科学、临床决策支持和其他临床应用、费用支付、利用率和欺诈监管，以及患者行为/社交网络。我们这里所说的医疗大数据，指的是与我们临床密切相关的医院医疗大数据，产生于医院常规临床诊治、科研和管理过程，包括各种门急诊记录、住院记录、影像记录、实验室记录、用药记录、手术记录、随访记录和医保数据等。这些医疗数据中的大多数都是临床医护人员参与的、用医学专业方式记录下来的，是最原始的临床记录。每一个数据都具有价值，包括记录不完善或错误的数据，都可能隐藏了有待发掘和利用的重要医学信息。
如何更好地开发和利用庞大的医疗大数据成为人们关注的焦点，也是推动医疗大数据研究与发展的关键因素。海量的数据信息有助于医学工作者更加客观的认识和掌握各种疾病的规律，甚至重新理解一些疾病的内涵。但是至今没有人知道在医疗行业，什么量级的数据能够发挥效用，能够发生量变到质变的飞跃。临床提供高质量的数据，即标准化、规范化、有临床价值的数据，才是医疗大数据研究的前提条件。
很多人会把人工智能（Artificial Intelligence， AI）与科幻小说、科幻电影联系在一起，觉得是一件很遥远、很缥缈的事情。其实放眼四周，从机器语言翻译、语音对话机器人、扫地机器人到无人驾驶汽车等，人工智能早已逐步走进我们的生活。是这样定义人工智能的，由人工制造出来的系统所表现出来的智能。通工智能是指计算机实现的智能，同时也指研究这样的智能系统是否能够实现，以及如何实现的科学领域。
在医学领域，人工智能正在悄悄渗透到方方面面，无论是医疗费用、疾病的诊断和治疗，还是药物的研发等等，可以看出人工智能正带给医疗领域异常性的变化。在智能诊疗的应用中，IBM公司的Watson是目前最成熟的案例。它可以在17s内阅读3469本医学专著、248 000篇论文、69种治疗方案、61 540次试验数据、106 000份临床报告。2016年，Watson在日本曾诊断出一名60岁女性患有罕见的急性骨髓性白血病。在人工智能治疗方面， 达芬奇手术系统是目前世界上最具代表性的外科手术机器人。作为升级版的腹腔镜系统，主要应用于泌尿外科、甲状腺、妇科肿瘤、胃肠、儿童外科等相关手术。在美国，90%的前列腺癌根治手术都是由机器人完成的；妇产科手术方面，机器人参与了80%子宫癌手术。目前国内以泌尿外科开展的外科机器人手术最为活跃。
人工智能技术对患者而言，高度智能化的医疗条件使得看病更加方便，还能大幅降低医疗成本，减轻负担；对医生而言，人工智能技术可以大幅降低因主观判断或操作误差产生的风险，让诊断更加精准。如今，人工智能对某些疾病的诊断已达专家水准，甚至“青出于蓝”。有研究显示，基于机器学习的人工智能算法可以根据患者的影像检查结果识别出皮肤癌的症状，且识别率要高于医生。在通过分析心电图检测心律异常方面，人工智能的识别率也要高于心脏病专家。
20 世纪临床医学最大的进步，是从以个人经验及直觉为基础的传统个性化治疗，进化为基于基础及临床研究数据的循证医学。然而，随着时间的推移，人们逐渐发现，循证医学所推崇的最佳研究存在一定的弊端和局限性。
肖飞博士在对精准医学诠释的文章中多次提到：如果我们试着改变思维方式，重新思考疾病的本质，以症状、部位、器官为疾病诊断依据的体系，将基础研究的与临床结合，找到疾病的驱动因子，将疾病科学分类及诊断，从而实现对疾病精准的诊断、精准的评估，以达到对疾病精准的预防及治疗。
2011 年，美国科学院、美国工程院、美国国立卫生研究院及美国科学委员会共同发表文章，提出“迈向精准医学”的。在对疾病重新分类的基础上，对具有相同病因、共同发病机制的患者亚群实现精准的诊断、评估、预测、治疗和预防，辅助患者恢复健康，实现患者的价值最大化。其实这就是精准医学的精髓。
目前精准医学在妇科恶性肿瘤诊断治疗、产科胚胎学、基因学和遗传学等方面都在进行深入积极的研究，并取得卓越的。其实我们临床上每天遇到的更多是常见病，比如子宫出血、子宫内膜息肉、宫腔粘连、女性不孕、多囊卵巢综合征、子宫肌瘤、子宫腺肌病、子宫畸形、卵巢囊肿、宫颈上皮内瘤变等，这些疾病易复发、治疗周期长、严重影响生活质量，困扰着广大女性患者。如果能够结合患者的生长、性格特点、饮食习惯、家族特征、生活状态、伴发其他疾病等等，结合基础研究的，去寻找引发疾病的因子，从而对疾病精准的评估、预防和治疗，减少这些良性疾病的复发率，缩短治疗周期，最终受益的是广大女性患者。
近年来，樊代明院士大力推广整合医学。随着社会和科技的进步，出现了很多用固有模式和办法无法诊断和治疗的疾病。樊院士西医与中医结合、身体与心理结合，不要于某一专业，而是将人作为一个整体进行诊断和治疗。他认为，整合医学就是将医学各领域最先进的知识理论和临床各个专科最有效的实践经验分别加以有机整合，并根据社会、、心理的现实进行修正、调整，使之成为更加符合、更加适合人体健康和疾病治疗的全新的医学体系。这常先进的，也是今后医学进步的方向。
大数据是人工智能的重要组成部分，计算机将学会以往只有人类才能理解的知识，然后再将这些概念或知识应用到之前从来没有看见过的新数据上。
在医疗领域，大数据扮演的角色，就像一个优秀的编辑一样，从各种来源整合信息，比如DNA、蛋白质、细胞代谢产物、组织、器官、有机物和生态系统，通过挖掘其中有价值的内容，不但可以使人工智能系统更好的协助临床医生进行精准的诊断和治疗，而且还能帮助临床对疾病达到全新的认识。
从经验医学到循证医学，再到如今的精准医学、整合医学，大数据分析为许多医学难题的解决提供了新途径和新思，改变了疾病的诊疗方式。大数据、人工智能的存在不是为了替代医生的工作，而是做为更好地协助医生的角色。人工智能再聪明，也只是人类医生的助手。不过，在人工智能提升的同时，医生的能力也需要在互联网+时代不断得以提升。
近几年大数据在图像识别、影像诊断上展现了令人欣喜的前景。比如，以色列贝斯一家医院与哈佛医学院合作研发的人工智能系统，对乳腺癌病理图片中的癌细胞识别准确率高达92%。美国已开发出从X光照片及CT扫描图像中找出恶性肿瘤的图像识别软件，结果发现肺癌检出准确率比一名放射技师检出的高5倍。
目前，国内外很多医院逐渐认识到大数据本身的价值，从大数据中挖掘对临床有意义的内容。以色列一些医院使用数百万病人从手机应用收集的数据，让医生通过循证医学对病人进行医疗/实验室检测，而不是像传统医院一样提取样本检测。 但是这些测试有些是有效的，而大部分是昂贵且低效的。不过这是一种对数据价值挖掘的尝试。美国佛罗里达大学使用免费公共卫生数据和Google地图创建视觉数据，可以更快速地识别和有效分析医疗信息，用于慢性病的。美国麻省理工学院、密歇根大学和一家妇女医院创建了一个计算机模型，用于分析心脏病患者的心电图数据，预测未来1年内患者心脏病的发病概率。通过机器学习和数据挖掘，该模型可以通过累积的数据进行分析，发现高风险指标，从而改变了过去医生由于缺乏对之前数据的比较分析，导致对70% 的心脏病患者是否再度发病缺乏预判的现象。
阜外心血管病医院建立了中国心外科数据库，使得心血管外科治疗的成功率有了极大的提高。四川大学华西医院所建立的中国脏瓣膜置换术后抗凝治疗数据库，搜集了数万例心脏瓣膜置换术后患者有关抗凝治疗的住院及随访数据，为我国进行心脏瓣膜置换术后抗凝治疗的研究提供了的数据支持。
作为一名临床一线工作者，其实大数据离我们并不遥远，因为最基本的医疗大数据是出自于我们，那么我们可以做什么呢？结合我们的体会与大家进行的交流。
我院开展妇科腔镜已27年，一走来可谓跌跌撞撞，从不被认可，到学生来自五湖四海。无论是检查还是治疗，这些年我们做了十几万台腔镜手术，积累了大量临床资料。近10年，我们开始整理总结这些宝贵的临床资料，发现由于种种原因，临床数据采集的不完整、不规范，尤其是我们的患者来自全国各地，年代已久，电话号码多有变化，早年没有普及手机、电子信箱，故常常缺乏有效的随访。
首先，应该记录完整的医疗信息，诊疗流程中有极多的信息点可以帮助后期的临床质量提升或新治疗方案的产生。虽然在日常工作中无做临床试验那样提供详尽的数据，但至少专科领域的病人存储的信息需要保存完全。比如，自2007年我们开展的孕前/孕期极简式腹腔镜下宫颈环扎术治疗经阴环扎失败或宫颈过短的宫颈机能不全患者，术后获活婴率达96.4%。宫颈机能不全的发病率约占妊娠女性的1%，每年在中国约有140万妊娠女性患有该病。任何一个国家都不可能收集到如此多的患者，那么我们如何利用患者提供的各种数据资料，提高对该病的认识和精准的手术治疗呢？该病的病因，除了已知来自抗磷脂综合征、细菌性炎、甲状腺疾病、子宫畸形等外，据国外文献报道，仍有约46%的患者原因不明。所以，我们在采集病史时，这类患者必须详细记录既往史和手术史，比如是否曾患有甲状腺疾病、自身免疫性疾病等，是否曾行广泛性宫颈切除术（RT）、宫颈环形电切除术（LEEP）、宫颈锥切术（CKC）、微波宫颈治疗（MEA）等手术、是否曾有分娩期宫颈撕裂、手术损伤等。此外，建立该类患者随访数据库，了解患者是否成功妊娠、新生儿的健康情况、妊娠环扎带如何处理、是否对分娩产生影响等等。作为疗效数据的一个部分，具有相当大的研究分析价值。对于今后选择合适的病人、评估手术风险提供了有效的依据，向该病的精准治疗又向前迈进了一大步。
其次，尽可能带着目的保留临床数据。严格来说，目前医院中的数据集几乎没有达到“科研数据集”或“临床试验数据集”的标准。一个很重要的原因是收集时的盲目性。我们开展对某个特定病种建立相对明确的医学体系梳理，以免数据挖掘时发现多种数据缺失，变量的有序组织。比如，随着三维超声和MRI的推广应用，越来越多的子宫畸形被明确诊断。同时，随着宫腔镜技术水平的提高以及宫腔镜器械的多样化，原来只能行子宫切除的子宫畸形患者，越来越多的成功妊娠并生下健康的孩子。我院拥有全世界病例数最多的Robert子宫宫腔镜治疗成功的病例资料。遇到这类患者，我们在临床记录时都带有明确目的，包括病例记录完整、辅助诊断的各种影像结果、手术记录等，并对每一例患者进行详细的随访记录。随着临床病例的积累，我们对这类疾病的认识越来越深入，得到明确诊断所花费的时间缩短，实际上间接节约了患者就医费用，而且手术治疗后妊娠分娩成为可能。
第三，在临床收集数据过程中，需要对临床数据的表达规范化和标准化。简单来说，若研究者有心存储完整的信息，同时也有良好的机制信息点可直接共享和复用，这样临床数据才会显示其应有的价值。大数据的建立和挖掘，需要依靠临床医生、统计学和计算机领域专家共同协作完成，统计学和计算机领域研究者是将临床海量数据变成有真正有临床价值的功臣。只有做到所提供的数据表达规范和标准，才能得到临床真正需要的内容。
最后，需要强调的是，医疗大数据的记录和采集不是一位临床医生或一个科室能够完成的。国外一般是由专业协会牵头来完成，他们的一些经验值得借鉴。例如，成立于1989 年的美国胸外科协会（STS）数据库，至今已经涵盖了美国95%的心脏手术，收集了500万条手术记录。其中的先天性心脏手术（CHSD）数据库是STS 数据库的重要组成部分，是最大的关注儿童先天性心脏畸形的数据库，被认为是医学专业临床结果数据库的金标准。近年来，基于CHSD 数据库所进行的数据挖掘不断增加，大型数据库对提高医疗质量所起到的正向作用正在日益凸显。目前，我国妇产科专业协会和分支学组非常多，在为妇产科医生的技术交流组织会议，搭建平台之余，是否可以借鉴别人的经验，通过有序的组织管理运作，把各种数据资源有效整合，帮助临床采集到高质量的数据，这样才会对提高医疗质量产生积极的影响，同时对中国妇产科专业的发展有深远的意义。
6总结我们正处在医疗行业的一个重要转折点。大数据将给医疗领域带来前所未有的发展和突破，我们应积极应对这一挑战。各种医疗大数据的存在，不仅提供了迅速获取大量医学经验和知识的机会，而且也提供了更为可靠地研究探讨和解决各种医学问题的新途径。我们只有了解它，才能明确自己需要做什么，如何做。通过医疗大数据的积极作用，我们能够更深入的理解人类疾病，对相应疾病个性化诊疗，对医学基础研究和医疗实践的辅助作用将为新时代医学的发展带来新的发展机遇。
来源：夏恩兰，大数据时代临床医生应该做些什么[J].中国实用妇科与产科,2018,34(1)：10-13。
