公共衛(wèi)生大數(shù)據(jù)研究進展
——生物信息的新領(lǐng)域

馬天有，胡 曦， 王麗娜，杜建強，吳曉明*

(1. 環(huán)境與疾病相關(guān)基因教育部重點實驗室(西安交通大學(xué)),西安710061；2. 生物醫(yī)學(xué)信息工程教育部重點實驗室(西安交通大學(xué))，西安710049)

目前健康相關(guān)的檢測和測試手段，產(chǎn)生了大量數(shù)據(jù)，這些數(shù)據(jù)包括來自醫(yī)院的門診和臨床數(shù)據(jù)、家庭小型便攜式設(shè)備的檢測監(jiān)護數(shù)據(jù)、醫(yī)療保險機構(gòu)的就醫(yī)數(shù)據(jù)，可穿戴設(shè)備產(chǎn)生的個人健康數(shù)據(jù)、以及來自公共平臺的人口、微生物分布、食品保健、產(chǎn)品銷售等信息。這些信息能從不同角度對公共衛(wèi)生相關(guān)情況進行呈現(xiàn)。通過利用并開發(fā)合適的數(shù)據(jù)處理和挖掘方法，能發(fā)現(xiàn)公共衛(wèi)生數(shù)據(jù)中隱含的信息，并形成指導(dǎo)改善公共健康的方案和措施。但是由于信息的多元化和不確定性，此類數(shù)據(jù)如何進行有效利用，需要政策、技術(shù)、資金、算法、數(shù)據(jù)管理等多方面的支撐。

通訊網(wǎng)絡(luò)不斷深入到日常生活，將成為獲取和傳播公共衛(wèi)生數(shù)據(jù)的重要手段。對其進行合理利用，可將信息采集功能拓展到更廣泛的領(lǐng)域，也有助于提高傳染病、突發(fā)事件監(jiān)測的準確性，以便科學(xué)合理地實現(xiàn)快速響應(yīng)，降低疾病和公共衛(wèi)生事件的危害?；驍?shù)據(jù)和健康數(shù)據(jù)涉及生命活動機理，對其進行挖掘和分析，也可以提供更為準確的風(fēng)險評估及個體化干預(yù)措施，人們可就此改變不良生活習(xí)慣，減少危險因素[1]。進行公共衛(wèi)生數(shù)據(jù)分析將在健康領(lǐng)域發(fā)揮重要作用。本文對公共衛(wèi)生大數(shù)據(jù)研究的方法、技術(shù)和前景進行探討，認為需要從政策、人才、硬件等方面形成支持，同時對數(shù)據(jù)進行收集、管理、分析和挖掘，最終形成個人和社會的受益。

1 公共衛(wèi)生數(shù)據(jù)來源廣泛

用于公共衛(wèi)生研究的數(shù)據(jù)有非常廣泛的來源，它們互相補充，相互支撐，能體現(xiàn)群體性健康問題的各種特征，數(shù)據(jù)的種類可以包括以下幾方面：

1)醫(yī)療數(shù)據(jù)。醫(yī)療機構(gòu)擁有患者個人的多種信息，其中的臨床數(shù)據(jù)是和個人健康密切相關(guān)的信息。當(dāng)作為整體進行考察時，能夠體現(xiàn)同大規(guī)模公共衛(wèi)生事件相關(guān)的信息。隨著中國推進分級診療和家庭醫(yī)生簽約服務(wù)，家庭醫(yī)生更能夠?qū)颊哌M行健康監(jiān)測，形成健康數(shù)據(jù)，會成為公共衛(wèi)生數(shù)據(jù)的重要源頭。

2)家庭護理和便攜式設(shè)備檢測數(shù)據(jù)。家用智能健康測量裝置均可產(chǎn)生和記錄健康相關(guān)數(shù)據(jù)。一些產(chǎn)品已經(jīng)面市，包括智能體重秤、藍牙血糖儀、電子血壓計等。智能手環(huán)、計步器、專門測量呼吸的運動背心等，也可產(chǎn)生大量健康數(shù)據(jù)。如WellDoc公司研發(fā)的基于手機App和云端大數(shù)據(jù)的糖尿病管理平臺，是獲得美國食品和藥品管理局批準的手機應(yīng)用，用戶可以通過手機實時記錄、存儲和利用糖尿病數(shù)據(jù)。通過進行實時挖掘分析，可為患者提供個性化反饋，指導(dǎo)患者進行改變生活方式，并為醫(yī)生的診療提供有效依據(jù)[1-2]。這些數(shù)據(jù)的特點是數(shù)據(jù)量大、種類繁多，但準確性較差，需進行有效的校準和過濾方可使用。

3)地理信息數(shù)據(jù)。由于公共衛(wèi)生數(shù)據(jù)大都具有空間屬性，進行大數(shù)據(jù)分析時也常結(jié)合地理信息系統(tǒng)(GIS)來分析研究其空間特征和規(guī)律[3]。通過結(jié)合地理位置、行政區(qū)域、氣象條件等，數(shù)據(jù)的空間特點可以進一步體現(xiàn)。

4)生物醫(yī)學(xué)數(shù)據(jù)庫和政府基礎(chǔ)平臺?；ヂ?lián)網(wǎng)的各類公共生物數(shù)據(jù)庫提供了有關(guān)生物分子、微生物分類等的詳細信息[4]。中國最新建設(shè)的“國家人口與健康科學(xué)數(shù)據(jù)共享平臺”(http://www.ncmi.cn/1)，也已經(jīng)包含237個數(shù)據(jù)集，數(shù)據(jù)量達到49.1 TB，覆蓋包括生物醫(yī)學(xué)、基礎(chǔ)醫(yī)學(xué)、臨床、公共衛(wèi)生、中醫(yī)藥學(xué)、藥學(xué)、人口與生殖健康七大類，將帶動生物醫(yī)學(xué)數(shù)據(jù)資源整合與共享，為實現(xiàn)健康中國2030年的戰(zhàn)略目標發(fā)揮作用。

5)其他數(shù)據(jù)。氣象、輿情、疫情、農(nóng)作物和食品安全等數(shù)據(jù)，均可用于公共衛(wèi)生研究。未來，數(shù)據(jù)的種類和數(shù)量將會繼續(xù)增加。事實上，所有可用于進行公共衛(wèi)生狀況分析的數(shù)據(jù)，都應(yīng)該被考慮，并被廣泛收集，從而形成全面的數(shù)據(jù)支撐。但是，這些數(shù)據(jù)存在非常高的異質(zhì)性，數(shù)據(jù)中有價值信息少，含金量不高，需要采用合適的數(shù)據(jù)管理和分析方法才能夠達到對數(shù)據(jù)的有效利用。

2 數(shù)據(jù)的復(fù)雜性和有效管理面臨的挑戰(zhàn)

當(dāng)數(shù)據(jù)不斷的被收集整理之后，隨之而來產(chǎn)生了對大數(shù)據(jù)管理的軟硬件系統(tǒng)和管理模式的需求，而數(shù)據(jù)的復(fù)雜性為有效解決這個問題提出新的挑戰(zhàn)。圖1是進行公共衛(wèi)生大數(shù)據(jù)分析研究的典型框架。公共衛(wèi)生大數(shù)據(jù)來源廣泛，其種類和格式也在隨技術(shù)進步不斷變化，數(shù)據(jù)規(guī)模均不相同，需要開發(fā)相應(yīng)的存取技術(shù)和數(shù)據(jù)管理方式。傳統(tǒng)數(shù)據(jù)庫MySQL，新型非關(guān)系化數(shù)據(jù)庫Mongodb，內(nèi)存數(shù)據(jù)庫TimesTen等，能夠在一定程度上對數(shù)據(jù)進行管理，但當(dāng)數(shù)據(jù)規(guī)模和種類更大時，需要分布式數(shù)據(jù)庫來實現(xiàn)。目前的技術(shù)能夠?qū)崿F(xiàn)數(shù)據(jù)的管理，例如支持淘寶的Oceanbase，能夠管理數(shù)百T的數(shù)據(jù)，但需要多臺服務(wù)器，成本高昂。對數(shù)據(jù)管理的瓶頸是數(shù)據(jù)的異質(zhì)性，不同類型的數(shù)據(jù)需要有針對性的過濾、導(dǎo)入、檢索模塊，通過合適的接口，把數(shù)據(jù)轉(zhuǎn)換成為標準的形式，對軟件開發(fā)提出了很高的要求。

3 生物信息數(shù)據(jù)庫提供廣泛支持

生物領(lǐng)域有多種實驗數(shù)據(jù)，已經(jīng)有完備的數(shù)據(jù)庫系統(tǒng)進行數(shù)據(jù)管理，也提供給公眾進行免費訪問和數(shù)據(jù)檢索，它們能對公共衛(wèi)生數(shù)據(jù)的管理和應(yīng)用提供借鑒。例如，許多生物數(shù)據(jù)庫提供數(shù)據(jù)分析功能。利用NCBI的blast(ncbi.nlm.nih.gov/blast/)能夠進行序列比對和檢索，Lynx等數(shù)據(jù)庫提供富集分析等功能，Reactome提供網(wǎng)絡(luò)可視化功能[5]，UCSC Xena(http://xena.ucsc.edu/)也提供針對多種臨床數(shù)據(jù)結(jié)合基因數(shù)據(jù)的分析方法。廣泛的生物數(shù)據(jù)庫形成了解讀生命活動規(guī)律的知識庫，對于公共衛(wèi)生數(shù)據(jù)分析提供的重要支撐。同時，生物數(shù)據(jù)庫也正在走向廣泛集成和存貯、分析并重的方向，其技術(shù)手段和分析流程也為公共衛(wèi)生數(shù)據(jù)分析提供借鑒。

圖1 公共衛(wèi)生大數(shù)據(jù)研究框架及其應(yīng)用Fig.1 Framework of public health big data research and its application

4 數(shù)據(jù)挖掘方法不斷創(chuàng)新

通過數(shù)據(jù)挖掘能獲取數(shù)據(jù)中和公共衛(wèi)生相關(guān)的信息，而分析方法的選擇對于獲取有效結(jié)果非常關(guān)鍵。傳統(tǒng)的統(tǒng)計學(xué)手段將繼續(xù)發(fā)揮重要作用，而基于機器學(xué)習(xí)和人工智能的方法，能夠包容多種不同的數(shù)據(jù)形式，并形成對數(shù)據(jù)的深度分析。基于神經(jīng)網(wǎng)絡(luò)、HMM模型、動態(tài)規(guī)劃、貝葉斯推斷、隨機森林的分析方法，也普遍應(yīng)用于醫(yī)療、衛(wèi)生數(shù)據(jù)的分析[6-7]。這也對軟件開發(fā)、計算資源的使用提出了更高的要求。

網(wǎng)絡(luò)是對復(fù)雜系統(tǒng)建模的基本工具[8]。公共衛(wèi)生中的數(shù)據(jù)可以通過網(wǎng)絡(luò)進行表示，利用網(wǎng)絡(luò)模塊識別技術(shù)，可找出模塊之間的關(guān)聯(lián)，并發(fā)現(xiàn)普遍存在于復(fù)雜系統(tǒng)中的高階信息組織和協(xié)調(diào)方式，非常適合對流行病傳播等公共衛(wèi)生問題進行描述。

公共衛(wèi)生數(shù)據(jù)往往涉及不同來源、不同類型的數(shù)據(jù)，而異構(gòu)圖(heterogeneous graph)、貝葉斯網(wǎng)絡(luò)(Bayesian network)等可以表示不同信息之間的聯(lián)系。通過圖的挖掘、聚類、排序、分割、可視化，可以對不同類型的公共衛(wèi)生數(shù)據(jù)進行融合分析，獲取傳統(tǒng)方法難以得到結(jié)果[9]。

研究表明，通過大數(shù)據(jù)分析，發(fā)現(xiàn)傳統(tǒng)體檢數(shù)據(jù)包含同心血管疾病，死亡率相關(guān)信息，而智能工具可作為評估總體健康狀況的手段[10]；利用谷歌趨勢搜索(trends.google.com)，根據(jù)各地區(qū)感染病例情況建立動態(tài)預(yù)測模型，可以對zika病毒的傳播進行預(yù)測和防范[11]。

在2014年的Ebola疫情控制中，專家利用流行病學(xué)數(shù)據(jù)建立了相關(guān)模型，預(yù)測了Ebola疫情的嚴重后果[12-13]。同時，人工智能、機器學(xué)習(xí)被證明非常具有潛力。谷歌的深度網(wǎng)平臺TensorFlow 已在醫(yī)學(xué)影像識別和疾病判斷方面取得很好的成果，甚至能夠輔助臨床診斷[14]，在多個研究中發(fā)揮作用。通過設(shè)定場景模式，新的公共衛(wèi)生大數(shù)據(jù)分析方法將借助人工智能平臺而出現(xiàn)。

5 計算平臺提供支持

公共衛(wèi)生大數(shù)據(jù)分析也需要大量的計算資源，可從3個層次進行配置。

1)傳統(tǒng)的以云計算、分布存儲和高性能計算為主體的計算平臺。這種方式通過增加硬件，以及軟件虛擬化的技術(shù)，管理大規(guī)模計算資源，提供分析和計算服務(wù)。目前的大數(shù)據(jù)處理平臺和工具中，MapReduce提供計算的分解和整合，Hadoop提供可擴展的平臺支持，HDFS技術(shù)提供分布式的大數(shù)據(jù)存儲，Hive提供數(shù)據(jù)庫的分布式管理和檢索。此種平臺的優(yōu)點是適用性好、技術(shù)成熟、軟件配置靈活。缺點是成本高、能耗高。

2)專門硬件的使用?；贕PU、FPGA的專門硬件，在一個芯片上可以部署上千計算單元或邏輯電路，能夠大大加速計算過程，對于需要進行反復(fù)迭代、包含大量簡單操作的計算而言，是最佳的選擇，其優(yōu)點是性能高、成本低、能耗低，缺點是開發(fā)難度大、適用范圍窄，適合對特定問題的解決。目前已經(jīng)有專門芯片，進行癲癇的及時預(yù)測[15]。在生物信息領(lǐng)域，基于FPGA的技術(shù)在序列比對方面，也顯示出功耗低、速度快的特點[16]。更多的專門芯片也將會有越來越多的應(yīng)用于醫(yī)療和公共衛(wèi)生方面。

3)超級計算及下一代計算技術(shù)。大規(guī)模的并行計算能夠成倍的提高計算速度，實現(xiàn)海量數(shù)據(jù)存貯，使大規(guī)模的數(shù)據(jù)處理成為可能。中國開發(fā)的天河二號由16 000個節(jié)點組成，每個節(jié)點有2顆Xeon處理器和3個Xeon Phi處理器。持續(xù)計算速度每秒3.39億億次雙精度浮點運算。2016年6月，使用中國自主芯片“SW26010”制造的“神威太湖之光”，包含40 960個處理器，浮點運算速度為每秒9.3億億次，取代天河二號登上超算榜首。這些計算能力足以同時處理大量數(shù)據(jù)。在超算平臺，許多難以求解的問題都可以得到快速處理，通過并行的方式，實現(xiàn)高復(fù)雜度問題的求解。

6 網(wǎng)絡(luò)技術(shù)推動應(yīng)用的普及

移動互聯(lián)網(wǎng)目前已經(jīng)有很大的覆蓋面，骨干互聯(lián)網(wǎng)也已經(jīng)實現(xiàn)高速的互聯(lián)互通，為多種公共衛(wèi)生大數(shù)據(jù)的收集提供技術(shù)支持。借助物聯(lián)網(wǎng)技術(shù)，各種便攜式終端、嵌入式設(shè)備借助低功耗通訊技術(shù)，可以實現(xiàn)地理區(qū)域大跨度、長時間的數(shù)據(jù)采集和獲取。

大數(shù)據(jù)分析可從兩個維度實現(xiàn)。一是計算機的角度，利用計算能力和人工智能，進行數(shù)據(jù)分析處理。另一維度以人作為分析主體，進行人機交互，將人所具備的認知能力融入分析過程中[17]。此時，數(shù)據(jù)的交互可視化尤為重要?；诰W(wǎng)絡(luò)，可通過瀏覽器收集用戶分析需求，利用后臺服務(wù)器實現(xiàn)分析結(jié)果，然后通過可視化界面顯示給用戶，實現(xiàn)交互處理和分析，大大提高獲取分析結(jié)果的效率。HTML5包含有豐富的網(wǎng)頁對象表示方式，獲得了廣泛的支持，為網(wǎng)絡(luò)應(yīng)用的開發(fā)提供了很好的支持。PHP(hypertext preprocessor)超文本處理程序，能實現(xiàn)數(shù)據(jù)庫處理，響應(yīng)用戶請求。AJAX(asynchronous JavaScript and XML)能實現(xiàn)網(wǎng)頁和服務(wù)器之間的交互操作，并能達到實時響應(yīng)的效果。借助D3.js，vis.js，CartoDB等工具能夠增強數(shù)據(jù)的可視化效果，可以形成的顯示方式包括層次數(shù)據(jù)、空間映射、時變數(shù)據(jù)、地理信息、空間標量等，凸顯分析結(jié)果。R、Python能夠?qū)崿F(xiàn)多種數(shù)據(jù)的統(tǒng)計分析，是服務(wù)器端分析程序的最佳選擇，這些技術(shù)的綜合運行，能形成基于網(wǎng)絡(luò)的可視化。

生物信息領(lǐng)域的可借鑒平臺是Galaxy，它實現(xiàn)基于網(wǎng)絡(luò)的數(shù)據(jù)分析過程人機交互，大大方便了數(shù)據(jù)分析流程[18]。Biomart數(shù)據(jù)庫平臺本身提供數(shù)據(jù)分析服務(wù)，同時能夠連接多個后臺數(shù)據(jù)庫，提供隔離的訪問；Ensemble包含基因組信息也提供了互聯(lián)網(wǎng)服務(wù)器，利用標準SQL語句實現(xiàn)數(shù)據(jù)訪問。對于公共衛(wèi)生數(shù)據(jù)，此類數(shù)據(jù)管理方法仍舊可行。通過開發(fā)公共衛(wèi)生數(shù)據(jù)處理模塊和網(wǎng)絡(luò)分析接口，用戶可以自行選擇分析模塊，組建分析流程，實現(xiàn)交互式的數(shù)據(jù)分析，將會極大的推進公共衛(wèi)生大數(shù)據(jù)的分析和應(yīng)用。

7 有效的專業(yè)知識發(fā)揮重要作用

數(shù)據(jù)之間的聯(lián)系，有些通過專業(yè)知識可被推理和演繹，揭示隱含信息，因此，把已知知識融合到數(shù)據(jù)分析中非常有效，但也具有相當(dāng)大的挑戰(zhàn)。針對公共衛(wèi)生領(lǐng)域，宏觀的疾病流行程度、群體健康狀況，針對個體的體檢指標、精神、心理、慢性病數(shù)據(jù)等，都需要用專業(yè)的術(shù)語和特定的統(tǒng)計方式進行表示。在生物信息領(lǐng)域，許多知識已經(jīng)整理和校對，形成基礎(chǔ)知識庫，并利用生物信息的方法進行表示和處理。例如KEGG和Reactome都包含代謝網(wǎng)絡(luò)等分子互作信息，利用網(wǎng)絡(luò)的形式表示分子之間聯(lián)系的生物學(xué)知識；Uniprot包含有已知蛋白質(zhì)的修飾、結(jié)構(gòu)域知識，這些基礎(chǔ)為生命科學(xué)研究提供了重要支撐。作為類比，公共衛(wèi)生領(lǐng)域有藥品分類信息等，ICD10分類系統(tǒng)(http://www.icd10data.com/)，MeSH醫(yī)學(xué)主題詞系統(tǒng)(https://www.nlm.nih.gov/mesh/)，但此類知識庫還非常少。當(dāng)分析結(jié)果能夠同專業(yè)知識庫結(jié)合時，才能達到對公共衛(wèi)生信息的最佳應(yīng)用，因此構(gòu)建公共衛(wèi)生知識庫將是重要的發(fā)展領(lǐng)域。

8 網(wǎng)絡(luò)安全和防護不可或缺

2017年5月，勒索病毒W(wǎng)annaCry 利用微軟SMB服務(wù)漏洞(MS17-010)開始在全球大范圍傳播，充分說明網(wǎng)絡(luò)安全的重要性。云平臺相對于個人計算機，安全性有非常大的提高，但由于操作系統(tǒng)的漏洞不能被全部檢測出來，因此未知漏洞的防范，已知漏洞的修補，以及安全措施的設(shè)置都是非常關(guān)鍵的。而大數(shù)據(jù)的4V(大數(shù)據(jù)量、高速、多樣性、真實性)和1C(復(fù)雜性)特征，在公共衛(wèi)生領(lǐng)域同樣存在，新的措施和方法應(yīng)該被開發(fā)出來消除安全威脅與挑戰(zhàn)。

采用Linux平臺能夠有更好的安全措施，但更重要的是需要對安全有高度的認識。中國《網(wǎng)絡(luò)安全法》于2017年6月1日起施行，對網(wǎng)絡(luò)運行安全提出了要求，對網(wǎng)絡(luò)信息安全提出了規(guī)定，對違反法規(guī)的各類行為提出了懲治措施，這也從法律上實現(xiàn)了數(shù)據(jù)安全。

與此同時，在進行科研數(shù)據(jù)共享之前，需要執(zhí)行個人信息的去隱私，保證個人及家庭的數(shù)據(jù)信息安全。其思路是對每個數(shù)據(jù)集提供唯一標識，并為數(shù)據(jù)提供者創(chuàng)立數(shù)字認證。對于個人數(shù)據(jù)，需要移除姓名地址等關(guān)鍵信息，實現(xiàn)個人隱私安全。只有能夠全面保護個人隱私，才能更好的實現(xiàn)數(shù)據(jù)的共享和利用。

9 應(yīng)用前景

公共衛(wèi)生大數(shù)據(jù)分析可以服務(wù)于多個不同的方向，為公眾衛(wèi)生水平的提升提供技術(shù)指導(dǎo)和數(shù)據(jù)支持。可預(yù)見的應(yīng)用體現(xiàn)在以下方面。

9.1 大規(guī)模流行病預(yù)測

通過對大量數(shù)據(jù)的分析，能夠?qū)膊×餍?、發(fā)展情況進行評估和預(yù)測。研究表明，2015年，全球范圍內(nèi)11.5%的死亡原因可歸咎于吸煙，而其中52.2%的死亡發(fā)生在中國、印度、美國、俄羅斯等4個國家。控?zé)熌墚a(chǎn)生很好的效果，但也需要全球各個國家的共同努力[19]。心血管疾病中，高血壓是重要的因素，而體質(zhì)指數(shù)升高、體力活動減少都是重要誘因。而飲食結(jié)構(gòu)和生活方式改變、快速城市化和工業(yè)化則可能是導(dǎo)致中國心血管病劇增的因素[20]。這些結(jié)果為制定相關(guān)的應(yīng)對措施提供重要支撐。

2013出現(xiàn)的H7N9流感病毒包含的氨基酸突變，具有哺乳動物的受體結(jié)合能力。通過對病毒傳播的監(jiān)測，以及對序列進行的進化分析表明，該病毒可能始于家鴨H7病毒，并同H9N2病毒株發(fā)生重組，進而發(fā)生廣泛的傳播[21]。實際上，病毒傳播之前，會有一些線索在各個層次顯示出來，例如在小范圍內(nèi)會形成病例增加等現(xiàn)象。應(yīng)用大數(shù)據(jù)技術(shù)分析活禽交易網(wǎng)絡(luò)數(shù)據(jù)，結(jié)合H7N9毒株的血凝素基因核酸序列構(gòu)建系統(tǒng)進化樹，可推斷禽流感疫情在各省及城市間的傳播情況，具有較高的應(yīng)用價值[22]。通過進行大尺度傳染疾病的實時監(jiān)控統(tǒng)計，實現(xiàn)時、空、事件類別的大數(shù)據(jù)分析好實時監(jiān)控，能及時提出疫情預(yù)報，進而可采取補救措施，分析流行原因，切斷傳播途徑。

9.2 典型疾病的防治

通過公共衛(wèi)生大數(shù)據(jù)分析，能夠提前預(yù)知特定疾病發(fā)生、流行的規(guī)律，這樣就能有效識傳播規(guī)律，進行有效防治。寨卡病毒被認為是伊蚊傳播，引起新生兒小頭畸形。通過防止蚊子叮咬、去除蚊蟲滋生環(huán)境可以進行有效防控。大骨節(jié)病是典型的具有地域特點的慢性病，通過對遺傳因素、地理環(huán)境、飲食結(jié)構(gòu)、基因表達等多層次的研究，識別疾病誘因，可對該病的防治提供科學(xué)有益的指導(dǎo)[23-24]。

9.3 健康影響因素的識別

飲食習(xí)慣、生活環(huán)境會對群體的健康有很大影響，通過大數(shù)據(jù)分析，可識別影響疾病健康的主要因素。銀屑病患者具有較高的代謝病發(fā)生率，代謝情況改變同該疾病的病因和治療、癥狀密切相關(guān)，不良生活習(xí)慣，如吸煙、運動減少、 肥胖等會增加伴發(fā)代謝綜合征的概率以及銀屑病的病情，導(dǎo)致惡性循環(huán)。通過對代謝譜的檢測，發(fā)現(xiàn)了同疾病相關(guān)的差異血清代謝譜，提示在治療的同時，通過改善飲食結(jié)構(gòu)、生活習(xí)慣可減緩疾病的癥狀[25]。通過大數(shù)據(jù)分析，不僅能識別疾病的相關(guān)因素，還能識別改善措施的效果。AD(老年性癡呆)會隨著年齡增長而風(fēng)險增加。通過對藏族人群AD疾病狀態(tài)的統(tǒng)計和分析，發(fā)現(xiàn)藏族特有的宗教行為，包括磕長頭、念經(jīng)、撥念珠等都是AD患病的保護因素。這些活動在增加了精細運動和整體運動的強度，使大腦得到了鍛煉，加強了神經(jīng)元之間的聯(lián)系[26]。每年有56萬人因不吃水果而死于心血管病，其中20萬人在70歲前死亡。研究人員對45萬中國健康人進行了跟蹤隨訪，發(fā)現(xiàn)每天都吃水果的人不但血壓和血糖較低，而且得心血管病的人也較少[27]。這些結(jié)果使本文有信心對公共衛(wèi)生大數(shù)據(jù)進行深入挖掘以識別有效的健康保護因素。

9.4 個人健康保健干預(yù)

個人的健康狀況影響因素被識別出來后，就可以采取措施，實現(xiàn)更好的健康管理，減少醫(yī)療花費，提高生活水平。大規(guī)模數(shù)據(jù)監(jiān)測有助于制定合理的措施來保護公共健康。1999年的全國碘營養(yǎng)監(jiān)測結(jié)果發(fā)現(xiàn)，兒童尿碘水平為306 μg/L，處于偏高水平。2000年中國將生產(chǎn)環(huán)節(jié)的碘含量出廠不低于40 mg/kg下調(diào)為平均35 mg/kg。這樣既能向人群提供足夠的碘，又把副作用的危險性降至最低水平。缺碘和富碘都會導(dǎo)致甲狀腺疾病，沿海地區(qū)和內(nèi)地的膳食中碘攝入量也不同，隨著經(jīng)濟社會的不斷發(fā)展，讓民眾在知情的前提下進行自由選擇，是防治碘缺乏病的有力手段。

代謝是非常關(guān)鍵的生命活動，許多疾病同攝入食品的成分密切相關(guān)，糖尿病人不宜多吃甜食是眾所周知的，但其他代謝成分對人體的健康并不為人所知。不同食物的成分和存在的化合物對于慢性病干預(yù)和膳食指導(dǎo)也非常關(guān)鍵；當(dāng)涉及到食品安全問題時候，比如人們攝入被污染或者農(nóng)藥殘留超標的食品，將會導(dǎo)致各種急性和慢性疾病。通過大數(shù)據(jù)的分析，能夠及時發(fā)現(xiàn)和個人健康相關(guān)的影響因素，減少環(huán)境因素對身體產(chǎn)生的影響，能及時挖掘到營養(yǎng)素與慢性病之間的關(guān)系，及早預(yù)防慢性病。

10 遇到的問題和挑戰(zhàn)

當(dāng)前公共衛(wèi)生大數(shù)據(jù)的更廣泛應(yīng)用還面臨很多問題需要解決，主要體現(xiàn)在以下方面。

1)數(shù)據(jù)收集。數(shù)據(jù)的碎片化形式和數(shù)據(jù)的混雜性特征是數(shù)據(jù)收集的重要困難。例如，在進行疾病研究時，生存時間是評價治療效果的重要指標。然而病人的復(fù)查信息或身體狀態(tài)信息往往難以被傳遞到相應(yīng)機構(gòu)，導(dǎo)致隨訪數(shù)據(jù)缺失；有些數(shù)據(jù)需進行提取或格式轉(zhuǎn)換才能用于公共衛(wèi)生研究，而這時往往缺失統(tǒng)一標準，也難以采用自動化的處理方式，導(dǎo)致數(shù)據(jù)獲取效率低下。智能軟件的應(yīng)用會在數(shù)據(jù)收集方面提供幫助。

2)隱私保護和數(shù)據(jù)共享。通常需要合并多個機構(gòu)的不同數(shù)據(jù)進行分析，才能獲得有效結(jié)果，而不同機構(gòu)的數(shù)據(jù)格式和內(nèi)容往往不一致，個人信息通常也不能夠被全面獲取，同時也難以確定隱私保護的方案。這導(dǎo)致?lián)碛袛?shù)據(jù)的機構(gòu)難以進行數(shù)據(jù)分享以及進一步的數(shù)據(jù)分析。更高程度的信息化有助于這一問題的解決。

3)分析方案的選擇和實現(xiàn)。數(shù)據(jù)之間有千絲萬縷的聯(lián)系，但只有通過合適的分析、統(tǒng)計才能夠揭示這些聯(lián)系。采用SIR模型，能夠描述一個小區(qū)域內(nèi)某種流行病感染人數(shù)的比例。通過結(jié)合疾病傳播模型，流行病在更大范圍的發(fā)作情況就能夠得到預(yù)測[28]；利用全球的手術(shù)數(shù)據(jù)，也可以預(yù)測哪些地方對何種外科手術(shù)有需求，以便制定政策和措施，以滿足外科手術(shù)治療需求[29]。其他學(xué)科中數(shù)據(jù)分析方法的引入和借鑒，是解決不同類型公共衛(wèi)生大數(shù)據(jù)分析問題的一個重要途徑。隨著超算和云計算技術(shù)的應(yīng)用，許多占用資源多，耗機時多的方案也能夠不斷被應(yīng)用于公共衛(wèi)生領(lǐng)域。

11 前景分析

公共衛(wèi)生是居民健康的重要基礎(chǔ)和保障。采集到的各種數(shù)據(jù)資源，連同其他相關(guān)數(shù)據(jù)，形成公共衛(wèi)生大數(shù)據(jù)，發(fā)揮好這些數(shù)據(jù)的應(yīng)用，將產(chǎn)生巨大的社會效益。目前科技的進步正在以全所未有的速度進展，新技術(shù)和方法的應(yīng)用，會不斷形成新的成果，覆蓋多種公共衛(wèi)生相關(guān)疾病的預(yù)警、傳播源和傳播途徑的識別。隨著人工智能，機器學(xué)習(xí)等技術(shù)的進步，加上對健康方面知識的積累，以及人們對健康的重視，在提高人們健康水平方面，公共衛(wèi)生領(lǐng)域大數(shù)據(jù)的應(yīng)用將越來越廣泛。

在進行公共衛(wèi)生大數(shù)據(jù)應(yīng)用時，需開發(fā)科學(xué)合理的模型、進行挖據(jù)，通過提出假設(shè)發(fā)現(xiàn)新問題，并利用數(shù)據(jù)進行推理，獲取隱藏在數(shù)據(jù)中的規(guī)律，為最終決策提供支持。但在進行此類研究時候，要充分認識到原始數(shù)據(jù)的異構(gòu)性、多樣性，數(shù)據(jù)中干擾因素的存在，以及實現(xiàn)最終應(yīng)用的復(fù)雜性和挑戰(zhàn)性。

開展公共衛(wèi)生大數(shù)據(jù)的解讀分析，需要既懂公共衛(wèi)生又懂?dāng)?shù)據(jù)分析的“雙能”人才。中國人口眾多、地域廣闊、待解決的問題多樣、復(fù)雜，急需進行問題的提煉和解決，培養(yǎng)人才隊伍相當(dāng)關(guān)鍵。

可以看到，實現(xiàn)最終目標，還需要多方的努力，包括軟硬件，政策環(huán)境等的制定。通過協(xié)調(diào)解決各個方面的問題，公共衛(wèi)生大數(shù)據(jù)分析能夠發(fā)揮更大作用，提升人群健康水平。

12 結(jié) 語

公共衛(wèi)生大數(shù)據(jù)具有廣闊的發(fā)展空間，也是解決特定人群健康問題的重要手段之一。采取如下措施，能夠促進該方向全面發(fā)展。

1)需要形成能夠包容多種數(shù)據(jù)的信息管理平臺，提供方便的數(shù)據(jù)采集和交互。

2)將高性能計算發(fā)展成易于廣泛使用的形式，形成計算資源的方便使用。

3)數(shù)據(jù)分析方法作為核心技術(shù)，需要能準確提取異構(gòu)數(shù)據(jù)中的關(guān)鍵特征。

4)需要培養(yǎng)復(fù)合型人才，形成多學(xué)科知識的融合。

5)合理、適時的法律法規(guī)、政策、標準的制定將對該領(lǐng)域發(fā)展有重要影響。以大數(shù)據(jù)為立足點，多方面的協(xié)同將能立體推進公共衛(wèi)生的健康發(fā)展。

References)

[1]賀婷, 劉星, 李瑩, 等.大數(shù)據(jù)分析在慢病管理中應(yīng)用研究進展[J]. 中國公共衛(wèi)生, 2016, 32(7): 981-984. DOI:10.11847/zgggws2016-32-07-28.

HE Ting，LIU Xing，LI Ying，et al. Application of medical big data in non-communicable chronic diseases management[J]. Chinese Journal of Public Health, 2016, 32(7): 981-984.DOI:10.11847/zgggws2016-32-07-28.

[2]KLONOFF D C. Precision medicine for managing diabetes[J]. Journal of Diabetes Science and Technology, 2015, 9(1):3-7. DOI:10.1177/1932296814563643.

[3]史倩楠, 馬家奇. 公共衛(wèi)生大數(shù)據(jù)分析方法與應(yīng)用方向[J]. 中國數(shù)字醫(yī)學(xué), 2016, 11(2): 10-12. DOI:10.3969/j.issn.1673-7571.2016.02.003.

SHI Qiannan, MA Jiaqi. Big data analytics and application in public health[J].China Digital Medicine, 2016, 11(2):10-12. DOI:10.3969/j.issn.1673-7571.2016.02.003.

[4]GALPERIN M Y, FERNNDEZ-SUREZ X M, RIGDEN D J. The 24th annual Nucleic Acids Research database issue: a look back and upcoming changes[J]. Nucleic Acids Research, 2017, 45(D1): D1-D11. DOI:10.1093/nar/gkw1188.

[5]FABREGAT A, SIDIROPOULOS K, VITERI G, et al. Reactome pathway analysis: a high-performance in-memory approach[J]. BMC Bioinformatics, 2017, 18: 142. DOI:10.1186/s12859-017-1559-2.

[6]DUMANCAS G G, ADRIANTO I, BELLO G, et al.Current developments in machine learning techniques in biological data mining[J]. Bioinformatics and Biology Insights, 2017, 11:1177932216687545. DOI: 10.1177/1177932216687545.

[7]MONTAZERI M, MONTAZERI M, MONTAZERI M, et al.Machine learning models in breast cancer survival prediction[J]. Technol Health Care, 2016, 24(1):31-42. DOI:10.3233/THC-151071.

[8]BENSON A R, GLEICH D F, LESKOVEC J. Higher-order organization of complex networks[J]. Science, 2016, 353(6295):163-166. DOI:10.1126/science.aad9029.

[9]GOGOSHIN G, BOERWINKLE E, RODIN A S. New algorithm and software (bnomics) for inferring and visualizing bayesian networks from heterogeneous big biological and genetic data[J]. Journal of Computational Biology, 2017, 24(4):340-356. DOI:10.1089/cmb.2016.0100.

[10]范婷, 婁巖. 2010-2016年大數(shù)據(jù)與健康相關(guān)SCI論文的聚類分析[J].中國數(shù)字醫(yī)學(xué), 2017, 12(1): 3-5. DOI:10.3969/j.issn.1673-7571.2017.1.001.

FAN Ting, LOU Yan. Cluster analysis on topics of big data and health from 2010 to 2016[J].China Digital Medicine, 2017,12(1):3-5.DOI:10.3969/j.issn.1673-7571.2017.1.001.

[11]TENG Yue, BI Dehua, XIE Guigang, et al. Dynamic forecasting of zika epidemics using google trends[J]. PLoS One, 2017, 12(1):e0165085.DOI:10.1371/journal.pone.0165085.

[12]任向楠, 丁鋼強, 彭茂祥, 等. 大數(shù)據(jù)與營養(yǎng)健康研究[J]. 營養(yǎng)學(xué)報, 2017, 39(1):5-9. DOI:10.3969/j.issn.0512-7955.2017.01.002.

REN Xiangnan，DING Gangqiang，PENG Maoxiang，et al. Big data in the field of nutrition and health[J]. Acta Nutrimenta Sinica, 2017, 39(1): 5-9. DOI: 10.3969/j.issn.0512-7955.2017.01.002.

[13]FUNG I C H, TSE Z, FU K W. Converting big data into public health[J]. Science, 2015, 347(6222):620. DOI:10.1126/science.347.6222.620-b.

[14]ZHANG Y C, KAGEN A C. Machine learning interface for medical image analysis[J]. Journal of Digital Imaging, 2017, 30(5): 615-621. DOI:10.1007/s10278-016-9910-0.

[15]PAGE A, OATES S P T, MOHSENIN T. An ultra low power feature extraction and classification system for wearable seizure detection[C]//Proceedings of the 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). Milan, Italy: IEEE, 2015: 7111-7114. DOI:10.1109/EMBC.2015.7320031.

[16]FERNANDEZ E B, VILLARREAL J, LONARDI S, et al. FHAST: FPGA-based acceleration of bowtie in hardware[J]. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2015, 12(5): 973-981. DOI:10.1109/TCBB.2015.2405333.

[17]王藝, 任淑霞.醫(yī)療大數(shù)據(jù)可視化研究綜述[J]. 計算機科學(xué)與探索, 2017, 11(5): 681-699. DOI: 10.3778/j.issn.1673-9418.1609014.

WANG Yi, REN Shuxia. Survey on visualization of medical big data[J]. Journal of Frontiers of Computer Science and Technology, 2017,11(5): 681-699. DOI: 10.3778/j.issn.1673-9418.1609014.

[18]AFGAN E, BAKER D, Van Den BEEK M, et al. The Galaxy platform for accessible, reproducible and collaborative biomedical analyses: 2016 update[J]. Nucleic Acids Research, 2016, 44(W1): W3-W10. DOI:10.1093/nar/gkw343.

[19]COLLABORATORS T. Smoking prevalence and attributable disease burden in 195 countries and territories, 1990-2015: a systematic analysis from the Global Burden of Disease Study 2015[J]. Lancet, 2017, 389(10082): 1885-1906. DOI:10.1016/S0140-6736(17)30819-X.

[20]LI Yanping, WANG Dong, LEY S H, et al. Potential impact of time trend of life-style factors on cardiovascular disease burden in China[J]. Journal of the American College of Cardiology, 2016, 68(8):818-833. DOI:10.1016/j.jacc.2016.06.011.

[21]LAM T T, WANG Jia, SHEN Yongyi, et al. The genesis and source of the H7N9 influenza viruses causing human infections in China[J]. Nature, 2013, 502(7470): 241-244. DOI:10.1038/nature12515.

[22]杜鵬程, 于偉文, 陳禹保, 等. 利用系統(tǒng)進化樹對H7N9大數(shù)據(jù)預(yù)測傳播模型的評估[J]. 中國生物工程雜志, 2014，34(11): 18-23. DOI: 10.13523/j.cb.20141103.

DU Pengcheng, YU Weiwen, CHEN Yubao, et al. Evaluation of the H7N9 transmission model predicted by big data by phylogenetic tree[J]. China Biotechnology, 2014, 34(11):18-23. DOI:10.13523 /j.cb.20141103.

[23]郭雄. 大骨節(jié)病病因與發(fā)病機制的研究進展及其展望[J]. 西安交通大學(xué)學(xué)報(醫(yī)學(xué)版), 2008, 29(5):481-488.

GUO Xiong. Progression and prospect of etiology and pathogenesis of Kashin-Beck disease[J]. Journal of Xi’an Jiaotong University(Medical Sciences), 2008. 29(5):481-488.

[24]WANG Shuang, GUO Xiong, WU Xiaoming, et al. Genome-wide gene expression analysis suggests an important role of suppressed immunity in pathogenesis of Kashin-Beck disease[J]. PLoS One, 2012, 7(1):e28439. DOI:10.1371/journal.pone.0028439.

[25]姜友貴.基于GC-MS尋常型銀屑病患者的代謝組學(xué)分析[D]. 西安：西安交通大學(xué), 2017.

JIANG Yougui. Metabonomics analysis of patients with psoriasis vulgaris based on GC-MS[D]. Xi’an:Xi’an Jiaotong University, 2017.

[26]尚穎. 青海省60歲以上藏族阿爾茨海默病患病率及影響因素研究[D]. 廣州: 南方醫(yī)科大學(xué), 2015.

SHANG Ying. The risk factors of Alzheimer’s disease among Tibetan aged 60 years and older in Qinghai Province[D]. Guangzhou: Southern Medical University, 2015.

[27]DU Huaidong, LI Liming, BENNETT D, et al. Fresh fruit consumption and major cardiovascular disease in China[J]. New England Journal of Medicine, 2016, 374(14): 1332-1343. DOI:10.1056/NEJMoa1501451.

[28]PAEZ CHAVEZ J, GOTZ T, SIEGMUND S, et al. An SIR-Dengue transmission model with seasonal effects and impulsive control[J]. Mathematical Biosciences, 2017, 289: 29-39. DOI:10.1016/j.mbs.2017.04.005.

[29]ROSE J, WEISER T G, HIDER P, et al. Estimated need for surgery worldwide based on prevalence of diseases: a modelling strategy for the WHO Global Health Estimate[J]. Lancet Glob Health, 2015, 3(S2): S13-S20. DOI:10.1016/S2214-109X(15)70087-2.