在人的一生中或多或少都會與醫生打交道，醫生對于我們來說一一份圣神的職業，我們既尊敬他們，也怕與他們打交道，畢竟誰會愿意天天往醫院跑呢?隨著技術的發展，我們有沒有可能擺脫醫生而可以自己去對常見疾病去自救呢?
現在看來，這件事并不是不可能實現的，在國外有一個團隊，匯集了一部分技藝精湛的大數據專業人員和醫生, 他們正在利用技術幫助人們過更長壽、更健康的生活。這些技術人員和醫生正在構建應用程序，他們利用大量政府資助的基因組數據, 以及成熟和易于訪問的分析工具, 這可以幫助人們診斷和治療從常見到困難的疾病。
這一項目負責人叫Dexter Hadley，因為他既是工程師也是醫生。Dexter在加州大學舊金山分校運營了一個名為Hadley的實驗室，該實驗室旨在以開發技術來抗擊疾病和促進健康。他們從大量臨床數據中獲得價值，憑借基因組學和病理學臨床訓練的研究背景進行精確的分析，Dexter經常對外說“他使用大數據來行醫”。
筆者有幸能訪問到Dexter并向他了解在科技與醫藥交叉點產生的新技術，并向我們講述技術的平民化如何真正影響人們的生活。
Q：人們可能會好奇為什么你既是醫生也是工程師，你又是如何做到雙重身份這一點的?
Dexter：我一直想成為一名醫生，但在我10歲那年自學了計算機編程之后，我的人生軌跡發生了巨大的改變。從那以后，我一直沉迷于如何利用計算來更好地促進醫藥發展。這段經歷也使我從一所以計算機編程為中心的本科教育大學轉到了賓夕法尼亞大學醫學院，在那里我獲得了工程碩士學位、博士學位還有基因組學和醫學碩士學位。
我曾經作為實習醫生在賓夕法尼亞州進行普通外科手術，然后在斯坦福大學進行病理學實習，激發了我作為一個醫生和科學家的激情，將醫學和軟件工程相結合，以改善醫生及其患者的醫療保健
Q： Hadley實驗室主要的工作是什么呢?你個人在其中是扮演什么樣的一個角色呢?
Dexter：Hadley實驗室利用大數據來改善醫學實踐和醫療保健。我們的工作是對疾病產生的原因進行重新詮釋，并最終將大量不同的數據存儲來，以便將來可以更好地描述疾病。我們開發先進的數據驅動的臨床智能模型，推動臨床應用更精確地篩選，診斷和管理疾病。我們整合多個大型數據存儲區, 以識別新的生物標記物和潛在的疾病療法。
我們工作的最終目的是在人類概念臨床試驗的快速證明，讓患者可以得到更好的結果，降低疾病譜上的發病率和死亡率。“我是一個追求覆蓋面更廣的科學研究者，我不關心我能不能將某一種疾病研究的很深，但我更關心的是怎么能夠掌握更多的疾病治療方法，這一切都是由于數據的驅動。”
Q：你能說一下這一領域的現狀、未來和理想的研發狀態嗎?
Dexter：目前，我認為我們正在經歷一場持續的醫學復興，從十年前的人類基因組初步測序開始。現在，我們終于能夠在“精準醫學”中實際量化人體健康和疾病，這是一種截然不同的醫療保健研究方法及其交付方式，我們的重點是針對個體能夠做出個性化的精確治療方案。
雖然基因組學使我們能夠量化我們自身分子, 我認為未來是利我們現在手中掌握的科學技術, 以更好地量化我們自己的身體指標。由于基因組學的優勢在于其客觀能力與患者的身體表現相關, 因此研究和開發的理想的方案就需要對患者在分子基因型水平的床表的數據收集和分析。
例如，在健康系統的背景下，我的研究將收集到的大量的臨床數據運用最先進的大數據算法，并將智能手機，網絡和移動應用程序等集成起來，以便可以第一時間發現患者的疾病，并提供精確的藥物。
Q：聽起來像未來的很大一部分是基因組學?
Dexter：基因組學的確是未來，但它顯然比我們最初認為的要復雜得多。大多數醫生不會坐在那里看病人的基因組數據來制定治療計劃。然而，一些專家醫生整天都需要看圖像，例如放射科醫生和病理學家。我們有技術和算法能夠建立'應用程序'，可以幫助這些專家。
舉例來說, 我們正在為醫生和他們的病人在智能手機上研發一款移動醫療應用的軟件，能幫助他們更好的篩查皮膚癌。然而, 雖然智能手機上的健康數據便于皮膚癌的篩查, 但對皮膚癌的實際診斷和隨后的管理仍在基因組領域。
Q：現在哪些地方需要這種診斷呢?
Dexter：醫學實踐包括篩查一般人群，并提前對疑似病例進行診斷。 許多精密醫學研究集中在診斷和干預階段，較少關注篩查。 我的目標是通過數字應用程序，使用強大的大數據算法進行人群篩選。 雖然“任何人”都可以構建一個應用程序，但并不是每個人都有知識，數據, 并獲得臨床基礎設施, 為醫生和他們的病人開發臨床級算法。
Q：在這一領域上“技術全民化”能產生多大的影響?
Dexter：大約6年前, Mark Andreessen寫了一篇《華爾街日報》的社論, 講述 "為什么軟件正在吞噬世界"。一般人今天怎么購物?銀行?交易股票?還是找輛出租車?主要是通過"應用程序"。我認為，這一現象會不可避免地滲透到我們的醫療世界里，我們利用現在的所有條件與技術做神奇的事情，包括精確的算法，以及在臨床醫學以驚人的速度產生大量的數據。
舉例來說, 在加州大學舊金山分校的醫學實驗室里我們可以擁有數百萬個臨床記錄，將近一百萬患者必須接受更好的治療方法。但是由于時間和金錢的限制，我們只能選擇數百名患者去進行干預的臨床效果實驗。
因此，我們現代的衛生系統允許最大臨床試驗應用適合快速發現新型醫療的干預措施。我認為，根據這個大數據建立的臨床級應用程序，使我們能夠立即將醫療系統的提前發現能力提供給醫生及其患者的手中。
Q："建立一個臨床級應用" 會涉及到些什么?
Dexter：構建應用程序實際上是過程中最嚴格的一部分，因為“臨床級”的性能來自我們開發的基礎應用程序接口的算法。 我們正在做的事情神奇在于學習從醫療保健中產生的大數據模式。深度學習就是這樣一種方法，它是一種向“認知計算”轉變的模式，在那里計算機基本上被訓練成像人類一樣思考。
深入了解大數據，因為它代表了當今最先進的機器學習，并且反復優于其他更傳統的方法。數據是這個過程的關鍵部分，因為這些深層學習算法非常復雜。雖然大部分的統計數據是基于線性模型，其參數可以用幾個數據點進行準確估計，但是一些最復雜的深度學習算法比宇宙中的原子具有更多的參數。
因此, 有用的深層學習需要大量的數據來準確估算最有預見性的參數。
京公網安備 11010502049343號