对循证医学和大数据若干问题的思考

历史•名家•记忆对循证医学和大数据若干问题的思考

陈德昌（北京）

一、经验医学与循证医学

传统医学是经验医学。临床医师根据自己的实践经验、遵循高年资医师和教科书的指导来医治患者。他们提出的医疗措施究竟哪些有效，哪些是无效的呢？虽说名师出高徒，青可以胜蓝，但也有部分充其量只是继承衣钵的二流人物。经验医学不能适应新时代的人才培养和医学科学快速发展的 需要。

循证医学（evidence-based medicine，EBM）， 或称“证据医学”。EBM一词由Gordon H.Guyatt在1991年提出。证据是EBM的基石，临床证据主要来自以下方面：（1）大样本的随机对照试验（randomized controlled trial，RCT）。对照、随机和双盲等法则成为EBM的基础。（2）荟萃分析。 1971年Light和Smith提出荟萃分析的概念， 1976年Glass将这一概念命名为Meta-analysis。“Meta”意指较晚出现的更为综合的分析。荟萃分析不但包括数据收集，并且对结果进行流行病学探索和评价。EBM的主要目的是促进推广真正有效的治疗，摈弃无效的甚至有害的治疗措施。现行的指南就是基于EBM证据建立的，EBM标志着临床医学从经验走向理性。

在多年的实践中，EBM面临着挑战。最初RCT显示活化蛋白C（activated protein C，aPC）能够抑制凝血而强化纤溶，防止多器官衰竭（multiple organ failure，MOF），降低病死率。2001年，aPC曾经被美国食品药品监督管理局 （Food and Drug Administration，FDA）批准应用于严重感染治疗。但是2004年荟萃分析不肯定aPC的疗效，并指出出血发生率增加。同样，重组因子Ⅶa曾经被推荐应用于严重感染，以控制出血，但血栓栓塞事件病死率明显增加，美国FDA重申重组因子Ⅶa的唯一适应证是血友病。2002年

DOI：10.3877/ cma.j.issn.2096-1537.2019.02.023作者单位：100730　北京协和医院重症医学科

通信作者：陈德昌，Email：chendechang1932@aliyun.com

Annane指出使用氢化皮质激素可以降低感染性休克患者的病死率，研究结果曾被列入2004年美国严重感染和感染性休克的治疗指南。2006年欧洲危重病医学年会上，多中心研究报告显示其病死率没有差异。

指南根据EBM证据来制订诊断和治疗的统一标准，EBM要求可靠的证据。从欧美重症医学科（intensive care unit，ICU）近期40年来看，今年的RCT很可能把前几年的RCT否定，说明前几年的RCT结果不可靠，多中心的RCT研究难以取得共识，指南没有被广泛应用。ICU危重患者的治疗是救命的，家属很难接受“设立对照、隨机采样”的概念，从伦理学角度也是不被许可。实际上，大量的日常临床治疗信息没有被搜集和利用而丢 失了。

2008年美国为评估ICU的医疗质量做了一次调查。综合2001至2006年发表的72组多个中心的RCT进行分析，发现只有10组病死率降低，7组病死率增加，55组无明显差异。这次调查只涉及严重感染和急性呼吸窘迫综合征（acute respiratory distress syndrome，ARDS），由于两者病源异质性、临床试验入选标准不统一等因素，结果不一定符合ICU医疗的真实情况。然而，此番调查引起了美国医学界的关注。上述情况在我国亦有同样反映，我国每年发布的严重感染和感染休克的指南基本上是欧美指南的翻版，改革的出路 何在？

二、大数据（big data）

大数据一词在1990年代由John Mashey提出，2016年Kaplan等人进一步明确其定义。大数据的意义可以总结为：当今，特别是教学医院的ICU需要在一定时间范围内收集相关的所有数据。按传统数据库软件工具能力，不可能办到。新时代高科技产生的大数据有能力搜集大量数据，不采用抽样调查法，对多样化的信息进行分析和管理。同样的

研究可以得出截然不同的结果。因此，需要在更大范围内，收集对某一疾病各种疗法的临床试验以及

·208·中华重症医学电子杂志 2019年5月 第5卷 第2期 Chin J Crit Care Intensive Care Med, May 2019, Vol.5, No.2

不同研究的结果等，更为客观地综合反映出来。ICU搜集大数据也包括日常大量的临床信息。在研究某一特定的专题时，同类疾病同样治疗，不同的患者可以有不同的效果，各中心相应的治疗策略亦可能不一致。重大课题的研究需要多中心的共同协各研究中心之间的数据高速流转，不应该有“隔作，离墙”。

大数据的特点可概括为“6V”：（1）Volume，大规模的数据；（2）Variety，多样的数据类型； （3）Velocity，高速的数据流转，实时或者近乎实（4）Value，价值低密度，即数据量大但有价时；

值的少；（5）Veracity，真实性，即数据的质量；（6）Variability，可变性妨碍处理和有效地管理数据的过程。

大数据技术的意义不限于掌握庞大的数据信息，而在于系统地认知大数据。对容量巨大、来源多渠道的复杂性数据，要有能力进行全面而细致的分解。大数据高性能分析有助于发掘真实的、有用的信息，识别信息不同的来源，提高决策的正确性。大数据收集和储存能力从1986年的petabytes（1015bytes）等级提升到2007年的exabytes（1018bytes）等级。所以，需要具有储存、管理、分析等功能的庞大电脑系统的支持，关键在于采用分布式架构，对海量数据进行分布式数据挖掘，把实时的大型数据分析，分配到数十、数百，甚至数千的电脑。因此，依托单台计算机进行处理是不可能的。我们要积极推进医学信息化的发展，因为需要利用大数据和高性能的分析，提高医疗和研究的质量和效益。

硬币有正反两面，大数据也会产生新问题。不能认为大数据搜集数据规模之大，不真实的数据将无碍于事。为提高大数据的价值，恰恰要重视数据的真实性。有学者指出，“大数据对偏差没有免疫力（no immune to bias）”。做科学研究是为了培养创新人才，追求科学真理。从今年起，国家开始对学术不端、论文造假等行为做出严格的管制，终身追究。大数据技术可以提供海量数据，但不是就此唾手可得，要从中获取新知，推动医学

的创新和突破。发展大数据，不能容忍科研数据

造假。

再者，大数据显示事物之间的相关关系，帮助临床医师知道事物正在发生，也就是说，可以“知其然”。但是大数据并不显示事物为什么发生，因而“不知其所以然”。例如，严重感患者为什么死于序贯性多器官功能衰竭？有些严重感染，没有找到化脓病灶，患者为什么死了？临床医师要“知其所以然”，决不能因“知其然”而故步自封。从“知其然”，演进到“知其所以然”，需要逻辑推理。

我们必须在大数据技术提供大规模医学信息的基础上，对这类“为什么”的问题，从基础理论的高度，进行逻辑推理，激发更深入的研究，才能“知其所以然”。当今临床医学与基础医学之间存在着一定的隔阂，成为医学发展的“瓶颈”之一。临床医师，尤其是外科医师，要坚信基础研究是临床工作中不可分割的一部分，要充分利用大数据提供的平台，加强临床与基础医学信息的交流，沟通学术思想，危重病医学才能创新，取得突破性进展。

三、小结

和循证医学一样，大数据是技术，不是一门学科，大数据可以帮助临床医师搜集大量的医学信息，提高预测力和决策力。然而，大数据不能替代临床医师对问题的理性思考和逻辑推理。400年前，徐光启之所以与利玛窦合作并翻译“几何原本”是因为他知道，“如果一个人缺乏逻辑，他就不会讲道理”（大意）。我们要利用大数据技术，发掘临床实践中的问题，结合病理生理学、免疫学等基础理论的研究成果，并进行逻辑推理，加深精确医学以及个体化医疗等研究。与此同时，我们应该觉察到，大数据提供了一个基础医学和临床医学信息交流的大平台，对于逐步解除临床与基础医学结合之间的“瓶颈”将十分有利。运用大数据技术是新时代危重病医学进步和发展的需要。对生命奥秘的探索是我们贯串始终的追求目标。谨以愚者之见，抛砖引玉，请读者指正。

（收稿日期：2019-03-18）

（本文编辑：卫轲）

陈德昌. 对循证医学和大数据若干问题的思考[J/OL]. 中华重症医学电子杂志, 2019, 5(2): 207-208.