弓孟春谈精准医学信息学：从信息学角度接轨精准医学

2015年1月，美国总统奥巴马提出“精准医学计划”。精准医学是将患者的个体化差异充分纳入疾病预防及诊疗体系的全新医学模式，涵盖临床、基因组学、环境因素、生活习惯等多个维度的数据。到今天，“精准医学”已经成为年度热词。而如何实现精准医学，如何在这个过程中实现信息整合汇总和传递，将患者分类组，则离不开精准医学信息学的支持。

欧洲某科研机构搜集了1000多例新生儿糖尿病患者，并对这些患者进行了接近14年的跟踪随访，包括详细的临床数据搜集，基因检测，最终建立起基因突变与临床表现的关系网络图。这就极大的方便了临床医生的诊断和给药治疗，可节省大量的时间和资源。对于临床医生来说，以后所有新生儿糖尿病患者的诊断都有了一个参照物：根据新生儿的临床病症表现，只需这张关系网络图，就可以对基因突变位点做出初步判断；对于已知突变位点的患者，则可以较为准确的预测到患者会出现的临床病症表现。这样的知识网络，从某种意义上来讲，这就是精准医学信息学的一种表现形式。

但对于目前的信息学来说，要建立每种疾病的临床表现与基因突变对映网络是不可能的，让医生把所有技术都记住就更不可能。现在医疗一线普遍面临信息爆炸带来的危机，建立这样关系网络信息的需求越来越迫切，尤其是内分泌科、儿科这样本身资源就十分紧张的科室。医生能否第一时间得到信息，患者会出现什么样的临床表现，能否通过电子病历实现病人病历的即使传递，这都非常重要。医学信息学的研究，本身不做医学工作，不做电子病历的改造工作，而是解决如何将整个生物信息学分析数据迁移到临床系统的问题。

弓孟春分享了2015年年底一篇关于转移性传统治疗无效前列腺癌症治疗研究文章。研究人员对着几百例患者做了史上最详细的基因组学分析，包括DNA测序和RNA转录测序。研究也得到了喜人的结果：接近90%传统治疗无效的患者，通过临床上施加干预的分子标定物质都有可能性。

传统治疗无效的病人，术后恢复非常差，从某种意义上将已经是走投无路了。但经过对DNA和RNA的测序分析，90%的患者还有一次药物治疗的机会。这些患者中，有25%存在修复相关的基因突变。这一通路的部分靶向药物已经上市，非常成熟，临床效果也非常显著。随着精准医学的发展，这类病人现在能找到生存药物，至少能延长半年寿命。

“我们开始思考精准医学时代到底能给病人带来什么好处。我们看重的是研究背后体现的思路”弓孟春表示。

医学信息学是非常重要的体系。从第一天取样、第二天开始做病理分析，到第3-9天做样本、开始测序，第19-22天开始做分析，以及后续的多学科讨论，最后用药决策。这整个流程，都涉及到信息化概念。能不能做到系统性的流程监控，决定了关键信息能不能按时准备好，后续流程是否能够顺利进行。从IT角度来说，这无非是流程管理软件，或者集成信息平台，是可以利用技术开发的软件。但软件开发后，如何跟精准医学接轨，如何在临床实践，这是需要从信息学角度去讨论的问题。

未来，精准医学有四个发展方向：第一是新的分子标定物的发现；第二是新的临床试验设计方案；第三是重新建立评估体质，分析常规化疗里，为什么有的病人存活期更长，并且重新制定治疗方案。一些患者在化疗过程中，逐渐出现对化疗的不敏感，肿瘤细胞产生了新的变异，需要调整方案，进一步消灭产生变异的肿瘤细胞。

而每个方面的研究和发展都需要借力深度的信息学研究。比如说基于基因技术篮子临床试验，一开始设计的是卵巢癌，而后来发现刚才讲的前列腺癌也可以用同样的药物进行治疗。从中可以发现，这里已经不再单单看肿瘤本身的起源，而是更多从分子层面上去看问题。只要同样的DNA分子变异，就可以纳入到临床试验范围，用同样的药物进行治疗，然后对患者的治疗效果进行观察。这就是精准医学时代的新思路。在这个过程中，将信息整合汇总，将患者分类入组，即使将信息提供给临床医生，这就是精准医学信息学要做的重要工作。

同样的，对于一些罕见遗传性疾病，也能显现精准医学信息学的价值。例如像NICU这类遗传疾病。临床表现为新生儿表情特别少，随着年龄增长，一些患者还会表现出肢体功能下降。借力医学信息学，这类疾病的诊断是相对容易的。根据既往经验，从电子病历中提炼出相关临床信息，然后进行生物信息学分析。借助医学信息学手段，整个过程所用时间可以从一个月缩短到一天。而时间，对于新生儿的治疗和愈后判断意义重大。

基因分析产生的图谱，一半是临床表现，一半是基因表现。所以检测完成之后，如何将这些知识应用到临床层面成为医生所面临的难题：每种疾病的判断都将产生海量的数据，这些数据远远超出了医生临床日常工作的信息处理能力。要掌握所有数据，对临床医生而言几乎是不可能的。

未来，精准医学将逐步从科研开始走向临床。医疗、IT和生物医学的整合，在加上临床医生多个科室的多方协作，将实现精准医学信息学收据收集的最大化。在医院收集最多的是临床数据，包括患者的病史和家族史等等；而在患者在回到家以后的数据，像是地理位置、空气质量、过敏源信息等，也都有可能通过现代信息学手段得以实现。

目前医学信息学已经走过了拐点，各方面信息数据都呈指数倍增长。而后数据的整合，从患者群体中体现出个体差别，这就是接下来医学信息学面临的挑战。以前是行政医学，现在是一个产生证据的系统，或者可以叫做自我学习系统。

什么叫产生证据呢？就是在信息系统的支撑下，产生的数据变成了知识，知识又变成了行为，作用于这些患者，而后患者又将产生更多的数据。也就是说，数据、信息、知识和行为是未来发展的方向。

弓孟春认为，精准医学信息学的发展，首先要解决的是知情同意书以及生物样本库的机器可读性。生物样本库是生物学研究必须依赖的体系，样本库的实时跟踪，检测数据的实时汇总，这对生物样本库的管理和知情同意书的及时变更都非常重要。现在，除了国际上正在做的研究外，今年的精准医学3.1.1课题也涉及多组学的生物样本库构建。

第二是数据的标准化和可操作性。未来临床数据的结构化，以及如何将这些数据跟基因组学或者其他组学融合，如何支撑精准医学的发展，这是目前医学信息学都在关注和讨论的问题。比如说2型糖尿病，现代医学认为对这种疾病的分析已经非常透彻了，但通过医学信息学手段，发现还可以往下分为几个亚型。这种新的疾病亚型分析，主要是基于传统分子分型以及临床患者数据详细度和拓扑学研究。基于这些研究，结合基因型分析，就可以找到新的分子通路，由此回答患者个体差异。但这并非一蹴而就的，美国十几家中心的整合其背后都有大量的基因数据做支撑。国内的研究设计基本上贴近这个思路，未来也将看到这方面的一些进展。

不仅如此，知识库的构建也是未来精准医学信息学的发展方向。知识库的构建对于整个精准医学信息学的发展不可或缺，给临床医生传递的知识是实时更新的，同时还需经过人工校验，甚至是国内还没有公开的数据。目前已经有些公司取得了一定成绩，主要是基于专科的知识库。精准医学特别是临床实践的核心，一定是临床学知识的积累。国内目前的医学信息学阶段基本上是把药物基因组学知识牵引到电子病历中，为临床医生提供用药指导。

最后是罕见病注册系统，这是基于国家重点研发计划建立起来的，建立生物样本库和全面的协作网络，未来将在全国医院内推广使用。各家医院制药有这方面的临床经验和参与科研的意向，都可以申请国家罕见病注册系统。

弓孟春之前从事临床工作，目前主要集中于医学信息学研究，他表示：“目前国内罕见病注册非常不成熟，还需要各家探索。通过多方相互交流合作，逐渐建立成熟的医学信息学体系。”

医学博士，2011年毕业于北京协和医学院（临床医学八年制专业），在北京协和医院内科接受并完成内科住院医师培训，期间从事儿童肾脏病学研究，并赴加州大学旧金山分校（UCSF）任访问学者。2015年年初加入InterSystems任执行医师，负责市场拓展、产品设计规划、临床支持及用户培训等工作，构建InterSystems与医护人员之间的良性互动及高效协作。