大數(shù)據(jù)背景下生物醫(yī)學(xué)論文

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了大數(shù)據(jù)背景下生物醫(yī)學(xué)論文范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

1大數(shù)據(jù)

來(lái)自生物、醫(yī)藥、醫(yī)械、臨床實(shí)驗(yàn)與健康管理等各個(gè)方面的數(shù)據(jù)，構(gòu)成生物醫(yī)學(xué)的各類大數(shù)據(jù)資源，它們形式多樣，具有自身的特殊性，主要表現(xiàn)在以下幾個(gè)方面：

（1）原始數(shù)據(jù)量大，且呈異構(gòu)、多樣性。

（2）難以用數(shù)學(xué)方式表達(dá)其結(jié)構(gòu)及特征。例如：醫(yī)生對(duì)醫(yī)學(xué)影像、信號(hào)和其他臨床數(shù)據(jù)的解釋多是非結(jié)構(gòu)化的語(yǔ)言或文字形式自由的口述，難以標(biāo)準(zhǔn)化。

（3）數(shù)據(jù)可能包含冗余的、無(wú)意義的或不一致的屬性，并且數(shù)據(jù)經(jīng)常要更新。

（4）數(shù)據(jù)采集很難完全避免噪聲干擾，而噪聲往往會(huì)影響處理結(jié)果。生物醫(yī)學(xué)大數(shù)據(jù)處理包括數(shù)據(jù)的收集、抽取與集成、分析與挖掘、解釋和共享等諸多方面，涉及數(shù)據(jù)庫(kù)、信息科學(xué)、統(tǒng)計(jì)學(xué)、高性能計(jì)算、網(wǎng)絡(luò)科學(xué)、心理學(xué)等多個(gè)領(lǐng)域。

2生物醫(yī)學(xué)信息處理

2.1數(shù)據(jù)挖掘在生物醫(yī)學(xué)信息分析中的應(yīng)用

數(shù)據(jù)挖掘是對(duì)海量數(shù)據(jù)進(jìn)行處理和分析，找出數(shù)據(jù)間的隱含聯(lián)系，發(fā)現(xiàn)未知規(guī)律，最終獲得知識(shí)的過(guò)程。挖掘的過(guò)程包括信息收集、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約、數(shù)據(jù)清理、數(shù)據(jù)變換、數(shù)據(jù)挖掘、模式評(píng)估和知識(shí)表示8個(gè)步驟[5]。近年來(lái)，數(shù)據(jù)挖掘是生物醫(yī)學(xué)信息分析的常用手段，尤其是在循證醫(yī)學(xué)研究、基因組和蛋白質(zhì)組的研究領(lǐng)域中有很廣泛的應(yīng)用價(jià)值。KDNuggets在2011年全球數(shù)據(jù)挖掘應(yīng)用行業(yè)調(diào)查的結(jié)果表明：健康行業(yè)位居10大數(shù)據(jù)挖掘應(yīng)用領(lǐng)域的第3位。生物醫(yī)學(xué)領(lǐng)域大數(shù)據(jù)多是不完整的、不一致的、有噪聲的，數(shù)據(jù)具有獨(dú)特的復(fù)雜性、豐富性、規(guī)模和重要性，需要數(shù)據(jù)挖掘的特殊關(guān)注。數(shù)據(jù)挖掘經(jīng)典算法，如：分類、聚類、關(guān)聯(lián)分析、序列等在生物醫(yī)學(xué)數(shù)據(jù)挖掘時(shí)都可使用。

2.1.1　分類（Classification）

分類是根據(jù)己知數(shù)據(jù)的特征和分類結(jié)果，為每個(gè)類找到合理的模型(構(gòu)造分類器)，然后用這些模型對(duì)新數(shù)據(jù)進(jìn)行分類。K最鄰近算法、決策樹、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等是常用的分類模型構(gòu)造方法。疾病的診斷和鑒別就是典型的分類過(guò)程。例如：美國(guó)學(xué)者利用數(shù)據(jù)挖掘軟件Clementine，以決策樹算法為模型，分析挖掘了醫(yī)療機(jī)構(gòu)HealthOrg的數(shù)據(jù)倉(cāng)庫(kù)中有關(guān)年齡、BMI指數(shù)、腰臀比和周鍛煉次數(shù)等數(shù)據(jù)，得出糖尿病患病危險(xiǎn)因素的分析結(jié)果。此外，還有一些國(guó)內(nèi)外研究者針對(duì)肺癌、乳腺癌的診斷數(shù)據(jù)，通過(guò)分類挖掘的方法提高診斷的精確性。

2.1.2　聚類（Clustering）

分析聚類分析是將有共同特征或相似度高的數(shù)據(jù)對(duì)象實(shí)例聚成一類的過(guò)程，常用來(lái)研究樣品或指標(biāo)分類問(wèn)題。聚類分析在生物醫(yī)學(xué)領(lǐng)域已經(jīng)得到廣泛的應(yīng)用，例如：可以根據(jù)流行病學(xué)特征屬性的相似程度將病例數(shù)據(jù)劃分成若干類，通過(guò)比較各個(gè)類別之間的臨床醫(yī)學(xué)狀態(tài)特征屬性的差異來(lái)分析某類疾病。國(guó)外學(xué)者選取SEER數(shù)據(jù)庫(kù)中的217558例肺癌病例，通過(guò)分析每個(gè)病例的22個(gè)臨床醫(yī)學(xué)特征屬性和23個(gè)流行病學(xué)特征屬性的相似度后，將這些病例劃分為20類，這就是典型的聚類分析。

2.1.3　關(guān)聯(lián)（Association）分析

關(guān)聯(lián)反映的是一個(gè)事件和其他事件之間依賴或關(guān)聯(lián)的知識(shí)，可以通過(guò)表征事物特征的兩個(gè)或多個(gè)變量的取值之間存在的某種規(guī)律性，找出數(shù)據(jù)之間隱藏的關(guān)聯(lián)關(guān)系。關(guān)聯(lián)現(xiàn)象在生物醫(yī)學(xué)領(lǐng)域普遍存在，例如：臨床上的某些疾病會(huì)同時(shí)呈現(xiàn)幾種不同的病癥，這些病癥之間就表現(xiàn)為一定程度的關(guān)聯(lián)性，而醫(yī)生診斷病癥的過(guò)程常常以觀察癥狀為基礎(chǔ)。

2.1.4　序列挖掘（SequenceMining）

序列是指按一定順序或規(guī)律排列構(gòu)成的一系列符號(hào)、數(shù)值或事件。存儲(chǔ)于DNA、RNA和蛋白質(zhì)中的遺傳和功能信息可用符號(hào)序列表示，分析序列數(shù)據(jù)能找到其統(tǒng)計(jì)規(guī)律或發(fā)現(xiàn)序列組成部分片段之間的相似性或相同性，這是生物信息學(xué)研究中最常用方法。此外，還可用時(shí)間序列數(shù)據(jù)進(jìn)行某些疾病的研究與治療，例如：歐盟資助的T-IDDM（TelemetricManagementofInsulinDependentDiabetesMellitus）項(xiàng)目通過(guò)Internet采集糖尿病患者的連續(xù)監(jiān)測(cè)數(shù)據(jù)，經(jīng)時(shí)間序列分析后找到患者一天內(nèi)血糖水平變化的規(guī)律和趨勢(shì)，為醫(yī)生調(diào)整或精確胰島素治療方案提供有效的數(shù)據(jù)和支持。

2.1.5　圖挖掘（GraphMining）

利用待研究的數(shù)據(jù)對(duì)象構(gòu)建圖這種數(shù)學(xué)模型，然后從圖中尋找頻繁出現(xiàn)的子圖，從而挖掘出有價(jià)值的信息。例如：美國(guó)學(xué)術(shù)界整合出2003年H5N1禽流感感染風(fēng)險(xiǎn)地圖，經(jīng)過(guò)圖挖掘分析出2013年H7N9人類病例區(qū)域[11]。此外，從政府管理角度來(lái)看，公共衛(wèi)生部門可以針對(duì)覆蓋全國(guó)患者的電子病歷數(shù)據(jù)庫(kù)進(jìn)行圖挖掘，從而完成全面疫情的監(jiān)測(cè)。

2.2文本挖掘——生物醫(yī)學(xué)文獻(xiàn)信息的大數(shù)據(jù)處理

2.2.1　文本挖掘

目前，全球醫(yī)藥類期刊近3萬(wàn)種，每年200多萬(wàn)篇，并且以每年7%速度遞增，互聯(lián)網(wǎng)上的信息資源約有30%以上的是與醫(yī)學(xué)信息相關(guān)的。文本挖掘（Text-Mining）和信息可視化（InformationVisualization）是分析這些數(shù)據(jù)，揭示知識(shí)領(lǐng)域的內(nèi)在聯(lián)系的最有效手段。文本挖掘主要結(jié)合文字處理技術(shù)，利用智能算法，分析大量的半結(jié)構(gòu)化和非結(jié)構(gòu)化文本源（如文檔、電子表格、電子郵件、網(wǎng)頁(yè)等），抽取散布在文本文件中的有價(jià)值知識(shí)，并轉(zhuǎn)化為可利用的知識(shí)的過(guò)程，其工作流程如圖2所示，挖掘前要完成包括文本收集、文本分析和特征修剪三個(gè)步驟的預(yù)處理工作。文本挖掘多以計(jì)算機(jī)技術(shù)實(shí)現(xiàn)，文檔聚類、文檔分類和摘要抽取是應(yīng)用最多的技術(shù)。文檔聚類主要完成大規(guī)模文檔集內(nèi)容的概括、識(shí)別文檔間隱藏的相似度、減輕瀏覽相關(guān)、相似信息等功能。文檔分類多以統(tǒng)計(jì)方法或機(jī)器學(xué)習(xí)自動(dòng)實(shí)現(xiàn)，簡(jiǎn)單貝葉斯分類法，矩陣變換法、K最鄰近分類算法以及SVM等都是其常用的分類方法。摘要抽取主要是利用計(jì)算機(jī)自動(dòng)地從原始文檔中提取全面、準(zhǔn)確反映該文檔中心內(nèi)容的簡(jiǎn)單連貫的短文。此外，文本挖掘的結(jié)果評(píng)價(jià)常用分類正確率、查準(zhǔn)率、查全率、支持度和支持度置信度等世界公認(rèn)的重要參數(shù)進(jìn)行評(píng)價(jià)。生物醫(yī)學(xué)信息處理領(lǐng)域所涉及的DNA序列綜合特征分析、蛋白質(zhì)功能和相互作用分析、疾病基因發(fā)現(xiàn)、藥物作用靶點(diǎn)預(yù)測(cè)等都與文本挖掘技術(shù)密不可分。在我國(guó)，已經(jīng)有一些研究者利用文本挖掘技術(shù)來(lái)研究醫(yī)學(xué)文獻(xiàn)背后隱藏的知識(shí)。臨床上，醫(yī)生用文本挖掘技術(shù)對(duì)疾病的處方和中藥用藥規(guī)律進(jìn)行了分析。

2.2.2　信息可視化

信息可視化是一種運(yùn)用計(jì)算機(jī)圖形學(xué)和圖像處理技術(shù)，將信息轉(zhuǎn)換為具有一定意義圖形或圖像，并進(jìn)行交互處理的理論、方法和技術(shù)。它能有效發(fā)掘、過(guò)濾和研究海量數(shù)據(jù)，以更直觀、有效的方式使研究人員更容易發(fā)現(xiàn)隱藏在信息內(nèi)部的特征和規(guī)律，深層次地發(fā)掘包括生物醫(yī)學(xué)領(lǐng)域在內(nèi)的多個(gè)學(xué)科的研究熱點(diǎn)和研究前沿信息，為研究人員把握研究方向提供幫助。信息可視化的常用工具有TDA、CiteSpace、Histcite、Vxinsight等軟件，主要完成數(shù)量統(tǒng)計(jì)、共現(xiàn)分析和統(tǒng)計(jì)圖表、共現(xiàn)矩陣、節(jié)點(diǎn)鏈接圖、技術(shù)報(bào)告展示等功能。例如：國(guó)外學(xué)者針對(duì)PubMed數(shù)據(jù)庫(kù)中2002年到2011年的文獻(xiàn)，分析了以“電子健康檔案”、“醫(yī)療記錄系統(tǒng)”和“計(jì)算機(jī)輔助診療”為主題的文獻(xiàn)的引用情況后，用可視化工具展現(xiàn)其研究結(jié)果，使相關(guān)領(lǐng)域的科研人員很直觀的了解了該領(lǐng)域的研究狀況。

3總結(jié)與展望

生物醫(yī)學(xué)領(lǐng)域的大數(shù)據(jù)時(shí)代已經(jīng)來(lái)臨，與大數(shù)據(jù)處理相關(guān)的新理論、新技術(shù)和新方法將給該領(lǐng)域的實(shí)質(zhì)性進(jìn)展提供有效的技術(shù)支持，不斷進(jìn)步的信息處理技術(shù)和方法必將是廣大研究人員和醫(yī)生從事研究和診療工作的利器。目前，我國(guó)相關(guān)的大數(shù)據(jù)的技術(shù)和應(yīng)用還處在學(xué)習(xí)和跟隨的階段，掌握生物醫(yī)學(xué)知識(shí)和大數(shù)據(jù)處理技術(shù)的復(fù)合型人才還十分有限，亟需在國(guó)家層面制定生物醫(yī)學(xué)領(lǐng)域大數(shù)據(jù)方面的政策、加大資源投入，從而建立良好的大數(shù)據(jù)生態(tài)環(huán)境。同時(shí)，重視大數(shù)據(jù)科學(xué)和生物醫(yī)學(xué)的基礎(chǔ)研究和相關(guān)人才的培養(yǎng)。此外，在生物醫(yī)學(xué)飛速發(fā)展越來(lái)越依賴數(shù)據(jù)的同時(shí)，也應(yīng)該多關(guān)注隱私問(wèn)題、數(shù)據(jù)的安全性問(wèn)題以及由此涉及的倫理道德問(wèn)題。我們相信，通過(guò)國(guó)家和廣大科研工作者的共同努力，一定能出色完成生物醫(yī)學(xué)信息處理的各項(xiàng)任務(wù)，為我國(guó)的生物醫(yī)學(xué)發(fā)展做出更大的貢獻(xiàn)。

作者：張艷 單位：上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院 復(fù)旦大學(xué)數(shù)字醫(yī)學(xué)研究中心 上海市醫(yī)學(xué)圖像處理與計(jì)算機(jī)輔助手術(shù)重點(diǎn)實(shí)驗(yàn)室