隨著數(shù)據(jù)的飛速積累和方法加速更新?lián)Q代，未來醫(yī)學范式將向以數(shù)據(jù)和計算方法為主的計算醫(yī)學（Computational Medicine，CM）發(fā)生轉變。通過計算模型和超算技術，這種新的醫(yī)學范式以逼近真實的方式理解生命機理和疾病機制，并將提高疾病預測、臨床診療和健康維護水平，使個性化決策成為可能，從而可能徹底改變從單個病人護理到政策制定的整個醫(yī)學領域。

近日，浙江數(shù)字醫(yī)療衛(wèi)生技術研究院、浙江樹人大學和動脈網(wǎng)聯(lián)合發(fā)布了《計算醫(yī)學：數(shù)智時代的醫(yī)學發(fā)展新范式》白皮書。白皮書認為，計算醫(yī)學正在加速改變整個醫(yī)學領域。

為方便閱讀，本文對白皮書做了不改變原意的刪減。如需下載白皮書原文，請至文末掃碼下載。

計算醫(yī)學是如何興起的？

醫(yī)學實踐具有相當大的不確定性，且一直存在。傳統(tǒng)醫(yī)學面對這些決策中的不確定性，通常的處理方式是通過從經(jīng)驗中積累的專業(yè)知識進行判斷，后發(fā)展為通過循證醫(yī)學的形式對研究進行系統(tǒng)的評估實現(xiàn)。然而，循證醫(yī)學主要以群體證據(jù)作為核心依據(jù)，往往無法有效的解釋個體差異。

隨著基因測序、檢查檢驗設備、可穿戴設備等新的檢測方法和檢測工具的不斷涌現(xiàn)，獲取個人不同尺度上的健康、疾病數(shù)據(jù)成為可能。這也導致醫(yī)療健康相關的數(shù)據(jù)指數(shù)級增長。同時，大數(shù)據(jù)賦予了醫(yī)生和臨床科研人員更多、更細致的維度去了解疾病發(fā)生發(fā)展過程，大大拓展了醫(yī)學研究的深度和廣度。

這些復雜數(shù)據(jù)的處理已經(jīng)遠遠超出個人的處理能力，急需新的方式與手段幫助醫(yī)生從多維、立體、融合的數(shù)據(jù)中摸索出規(guī)律，從而更精確地進行疾病的預測、預防、診斷和治療。因此，以數(shù)據(jù)和計算方法為主的計算醫(yī)學開始出現(xiàn)并發(fā)展。這也預示著未來醫(yī)學發(fā)展范式的轉向。

”人“系統(tǒng)涉及的數(shù)據(jù)維度尺度

早在上世紀八十年代，如何在醫(yī)學領域里應用計算技術的研究就已經(jīng)開始。1994年，于美國奧斯汀舉行的首屆計算醫(yī)學、公共衛(wèi)生和生物科技大會，計算醫(yī)學已經(jīng)開始顯現(xiàn)成為醫(yī)學重要前沿研究方向的趨勢。不過，這在當時仍然是一個非常小眾的研究，只有一小部分生物醫(yī)學科學家在使用計算方法開展數(shù)學建模。

2012年10月，美國約翰霍普金斯大學生物醫(yī)學工程教授Raimond L．Winslow在《科學轉化醫(yī)學》（Science Translational Medicine）上發(fā)表了一篇名為《計算醫(yī)學：從模型到臨床》（Computational Medicine： Translating Models to Clinical Care）的綜述性文章。在文中，他指出計算醫(yī)學已經(jīng)從理論走向實踐。Winslow也因此被公認為計算醫(yī)學新領域的創(chuàng)始人。

近年來，隨著數(shù)據(jù)的飛速積累以及大數(shù)據(jù)的處理挖掘方法不斷成熟，以深度學習為代表的人工智能方法在圖像識別、自然語言處理等領域取得了令人矚目的成就。這些數(shù)據(jù)和技術領域的革新也推動了計算醫(yī)學進入新的快速發(fā)展周期。

計算醫(yī)學是什么？包含哪些知識體系？

那么，什么是計算醫(yī)學呢？對于這個問題，不同的專家或機構的定義在細節(jié)上略有區(qū)別。舉例來說，紐約大學和約翰霍普金斯大學的解釋就代表了兩種不同的側重定義。

紐約大學從計算技術和醫(yī)學的關系層面，將計算醫(yī)學描述為“計算醫(yī)學是利用數(shù)據(jù)驅動的分析來發(fā)現(xiàn)復雜動態(tài)生物系統(tǒng)的結構、功能和進化”。約翰霍普金斯大學計算醫(yī)學研究所則更強調計算技術對醫(yī)學的價值：“計算醫(yī)學是計算機科學和醫(yī)學交界的一個跨學科領域，計算方法被開發(fā)來了解人類疾病。數(shù)學、信息學和計算模型被應用于為疾病的機制、診斷和治療提供見解，并最終改善病人的護理”。

作為一門新興學科，計算醫(yī)學的核心是通過應用數(shù)學、計算科學來理解人類疾病的機理，為醫(yī)學服務提供新洞見，提高并改善疾病診療水平。廣義上，應用計算機和計算模型來支持醫(yī)療保健服務的醫(yī)學研究的所有方面都可以被納入到計算醫(yī)學范疇。

另一個與計算醫(yī)學密切相關的學科為計算生物學（Computational Biology）。根據(jù)美國國家衛(wèi)生研究院的定義，計算生物學是指開發(fā)和應用數(shù)據(jù)分析及理論的方法、數(shù)學建模和計算機仿真技術，用于生物學、行為學和社會群體系統(tǒng)的研究的學科。

不難發(fā)現(xiàn)，計算醫(yī)學和計算生物學有部分交叉，例如在計算基因組學領域。相對而言，計算生物學作為生物學的一個分支，歸屬于基礎科學，主要是為醫(yī)學研究提供基礎支撐；計算醫(yī)學則更偏向于應用科學，關注的是人體健康與疾病相關問題的研究。

計算醫(yī)學的研究重點大致經(jīng)歷了三個階段的演變：人體仿真與計算建模研究階段、基因大數(shù)據(jù)驅動的計算醫(yī)學應用研究階段以及基于人工智能的計算醫(yī)學與應用研究階段。伴隨現(xiàn)代醫(yī)學向微觀和宏觀兩方面的發(fā)展，計算醫(yī)學的研究內容逐漸包含了計算基因組學、醫(yī)學信息學、計算神經(jīng)遺傳學建模、計算神經(jīng)科學、人體建模、數(shù)字人體、精準醫(yī)學等領域。

中國科學院計算技術研究所高性能計算機研究中心主任譚光明闡釋的計算醫(yī)學內涵

作為一門較高難度的交叉學科，計算醫(yī)學需要綜合來自計算機科學、數(shù)學、統(tǒng)計學、生物化學、化學工程、生物醫(yī)學工程、生物物理學、分子生物學、遺傳學、生態(tài)學、解剖學等學科的知識。

計算醫(yī)學研究理論基礎

計算醫(yī)學會涉及到使用近現(xiàn)代的數(shù)學工具來對生物對象進行數(shù)學建模，所以對數(shù)學的要求會比較高，尤其是動力系統(tǒng)和概率。而微積分和線性代數(shù)又是動力系統(tǒng)和概率的基礎。其他必要的基礎知識還包括生物學基礎、醫(yī)學基礎、計算機基礎和工程基礎領域知識。

計算醫(yī)學主要涉及學科及基礎知識

中美領銜，剖析計算醫(yī)學研究歷史及現(xiàn)狀

白皮書在知領·全球科研項目庫中進行了搜索，發(fā)現(xiàn)最近10年題名或關鍵詞包含計算醫(yī)學相關的項目共計3417條，并對這些項目進行了分析。

全球近十年計算醫(yī)學相關領域的研究投入經(jīng)費波動較大。其中，2019年全球在計算醫(yī)學總研發(fā)投入經(jīng)費和平均項目研發(fā)投入經(jīng)費均達到了歷年最高值。

全球近10年計算醫(yī)學研究投入情況

在國家分布上，研發(fā)經(jīng)費投入最高的前三位國家分別為美國、比利時和英國，平均項目研發(fā)經(jīng)費投入最高的國家分別為比利時、斯洛伐克和澳大利亞。