訪ASCO主席：腫瘤大數據如何引導癌癥療法創新？

　　在2015年美國臨床腫瘤學會（ASCO）年度會議來臨之際，ASCO主席Peter Yu教授在采訪中簡要介紹了今年會議計劃的主要主題之一——大數據，并概述了ASCO牽頭的大數據項目CancerLinQ?的未來。此外，他還為 ASCO與會者推薦了一些重要的會議主題，并對為什么恰好是腫瘤科醫生引領醫藥領域大數據發展的情況做了解釋。

Peter P. Yu教授

　　記者：Peter P. Yu博士，請問您為什么會選擇“啟示與創新：將數據轉換為知識”作為今年的主題？

　　Dr Yu：我們正處在一個信息時代，我們正在受到大量的信息、大量的數據不斷地沖擊。任何一位參與電子醫療病例（EHRs）的醫生已經成為全天候的工作者。這方面的數據是非常有效率的，一旦你開出了檢查，它能馬上落實并且反饋結果。你需要處理并決定的是“對此，接下來我該怎么辦？”既往在你開出檢查到獲悉結果思考下一步治療方案之間有幾天的間隔時間。而現在它是即刻完成的。醫生幾乎要被數據及其衍生出來的數據所淹沒。現實問題是，你將要如何處理這些所有數據，如何理解它？

　　同樣地，就精確醫學和分子醫學而言，科學發現的積累速度已經大大地加快。我們將要面臨數據爆炸的時代。如果你因為不確定下一步的最佳治療方案而為腫瘤患者訂購了新一代的測序面板，那你可能會得到一份在10或12個不同的基因突變上的300400個不同的遺傳熱點的報告。擁有這些數據當然好，但它對你有什么提示呢，對病人又意味著什么呢？因此，我們需更加睿智、更加靈活地對待這些數據，理解并從中獲得知識，作出正確的決策，改善患者的預后。新一代的腫瘤專家將要處理越來越多的數據，并且需嘗試如何從數據的理解中獲取知識。

　　這就是本次ASCO年會中我們所做的。與會者帶著從他們過去一年的研究工作中獲得的數據，在芝加哥展現他們的數據。他們展現不僅僅是數據，還有結論——從他們的數據提取出來的知識——向癌癥界發出聲音，“你是否同意我的觀點？”同行的腫瘤學家互相探討，并在某些情況下這些發現將改變臨床實踐，轉化為我們已知的東西。

　　但是我認為數據只是它的一個開始；接著我們需要一個過程來理解，之后我們從數據告知我們的內容中發掘知識和建立模型，再在年會上進行知識討論與爭辯。與會者通過此獲得某些結論，這就是他們所真正學到的。所以，在會議上我們所需要做的是展現數據并將其轉換為實際的知識。在不斷增長的大量的數據中，現在我們只從分子和臨床的角度來處理。

　　記者：最近幾年“大數據”在腫瘤學中已然成為一個時髦詞。然而，在社區腫瘤科醫生中對于這個詞的含義仍有一些困惑。對于執業腫瘤醫師來說，“大數據”包括那些內容？

　　Dr Yu：這是一個時髦詞，而像其它的時髦詞一樣，經過了幾年使用，它開始失去它本來的意義，成為了只是一個包羅萬象的短語。現在我要說的是“大數據”術語沒有其它的含義，它就是指創建大型數據集和挖掘該數據集的能力。在這一點上，我們尚未真正建立起這些大型數據集。我們已經擁有電子醫療病例（EHRs）；這是數據的數碼展現。是我們的第一步。

　　但電子病歷間彼此尚未連接。互通性差，即從一臺電腦系統訪問另一臺計算機系統的能力差。即使你擁有了——目前我們還未擁有——那做這些基礎是什么？誰是合適的代理人？采用什么機制來搜集所有的數據？

　　現在說腫瘤學“大數據” 是一個毫無意義的詞。這就是開展CancerLinQ項目的原因所在。 ASCO正在創建一個平臺，基于這個平臺醫師們可以開始分享數據。我們要創建一個大的數據集，并借此達到發掘大數據的目的。為此，ASCO啟動了 CancerLinQ，它可以將EHRs轉入ASCO的數據庫。這些數據將被去標識和匯總。然后，我們將創建大數據，可供我們發掘這些數據并達到學習的目的。

　　記者：社區腫瘤科醫生對大數據需盡快了解的基本看法或概念是什么？

　　Dr Yu：他們應該去ASCO展覽大廳，其中有一個專設的展位為我們的會員解釋和呈現——解釋數據共享的概念，通過CancerLinQ創建大型數據庫，和培養發掘數據的能力。

　　數據發掘具有多種用途。它在分析如何參考全國平均水平進行基準測試的醫療實踐中非常實用。我們可以對腫瘤醫生的行為進行匯總，然后給出在既定的情況下你會如何行事。該基準測試可用于過程質量的改進。還可用于就診效率的分析。例如，安排PET掃描還是MRI掃描，醫生在臨床實踐中的差異有多大？這些是否會抬高你的醫療費用？有潛在的效率改進空間嗎？

　　從現實出發，就醫療實踐而言，它在保證質量的同時需兼顧成本效益，這是一項醫療實踐得以存在的本質。眾所周知，最好的醫療實踐是以最低的成本達到最佳效果，當病人的診療不只有一個候選方案時，我們可以為臨床醫師提供決策幫助。就臨床實踐而言，這是務實的一面。

　　這是對我們從臨床試驗中得到的知識的一個補充。臨床試驗之于醫學，就像面包和黃油之于我們一樣重要。在臨床試驗中，我可以設計問題，以一個科學的方式，比較不同的治療方法或不同的組。隨機臨床試驗是金標準，是一級證據。

　　但你不能運用臨床試驗來回答每一個重要的問題。我們需要一種有效的方法從已有的實踐中獲取知識，而不是僅僅依賴于臨床試驗，因為臨床試驗不能回答我們所有的問題。因耗時長耗資巨，所以我們沒有足夠的時間和經費來通過臨床試驗來回答每一個問題。臨床試驗有明確的入組和排除標準，其試驗對象是一組同質的人群。但當你嘗試應用到現實生活中的病人時，他們往往不符合臨床試驗的標準。研究結果并不適用于一般的患者人群。在實踐中，我們會看到當腫瘤醫師想要減少使用劑量，或者更改治療的日程安排時，他們無從著手。而大數據彌補了我們從臨床試驗中獲得的知識的不足，可以快速地幫助我們了解如何治療現實生活中的患者。