不可否認，在當今世界，人類的信息數(shù)據(jù)已經(jīng)隨著研究領域的擴展進入了指數(shù)級增長的時代，傳統(tǒng)的信息處理方式存儲量小且反應速度慢，大數(shù)據(jù)分析體系便應運而生。在當下的科學技術逐漸成熟的今天，如何將數(shù)據(jù)分析應用于各個領域，實現(xiàn)效率的跨越式提升和產(chǎn)業(yè)的升級轉型，是目前各個行業(yè)都在研究的問題。而作為研究與人類疾病、基因、微生物等相關的生命科學，更是亟待有工作高效、體量更大的數(shù)據(jù)分析體系協(xié)助進行深入的研究創(chuàng)新。

大數(shù)據(jù)邂逅生命科學，創(chuàng)新轉型的契機

將數(shù)據(jù)分析運用于生命科學的領域，其實已經(jīng)在世界級科技巨頭公司投入應用并成為了大公司業(yè)務運行的得力助手。比如微軟公司所開發(fā)的Azure Machine Learning，就是是微軟云平臺上的一款托管式機器學習服務，可以幫助研究人員輕松創(chuàng)建、部署和管理監(jiān)督式和非監(jiān)督式機器學習模型。研究人員可以使用Azure Machine Learning快速實現(xiàn)生物序列分析、衛(wèi)星圖像分析、情感分析等

多個應用場景，從而提高研究和分析的效率。

早在2011年，麥肯錫就在報告《大數(shù)據(jù)的下一個前沿:創(chuàng)新、競爭和生產(chǎn)力》中預估，數(shù)據(jù)分析在醫(yī)療領域每年能夠產(chǎn)生3000億美元的潛在價值，年生產(chǎn)增長率為0.7%，而且先進的分析方法可以將標準化的疾病治療轉化為個性化的風險評估、診斷、治療和監(jiān)測，個性化醫(yī)療的到來將可能改變整個系統(tǒng)利益相關者的命運。在個性化醫(yī)療過程中，數(shù)據(jù)分析將會對醫(yī)療服務方、支付方、制藥企業(yè)和醫(yī)療設備企業(yè)等各方產(chǎn)生深遠甚至是決定性的影響。

而在當下，數(shù)據(jù)分析已經(jīng)廣泛應用在生命科學領域，實現(xiàn)了數(shù)據(jù)分析個性化、海量信息的構建、醫(yī)療服務的個性化等各種超前的服務。在數(shù)字化服務的幫助之下，生命科學開啟了以患者為中心，通過醫(yī)藥生產(chǎn)、流通、服務向產(chǎn)業(yè)鏈上下游以及高附加值服務領域發(fā)展。

大數(shù)據(jù)分析在生命科學領域的應用

在當下，數(shù)據(jù)分析在生命科學領域的實際應用，主要體現(xiàn)在信息歸攏、糾正偏差、提高效率等方面。

合零為整

大數(shù)據(jù)分析的合零為整功能，主要體現(xiàn)在大數(shù)據(jù)分析系統(tǒng)可以自動識別不同數(shù)據(jù)表格之間的聯(lián)系，允許客戶以查詢數(shù)據(jù)庫的方式直接操作這些表格，還可以對訪問系統(tǒng)的用戶進行信息采集、建檔和歸類，組建一個有序的新數(shù)據(jù)庫，為進行客戶的精準需求分析和個性化醫(yī)療提供統(tǒng)一且全面的標準和依據(jù)。

比如在協(xié)和醫(yī)院所引進的SAS數(shù)據(jù)分析軟件，就是以此來做信息庫的統(tǒng)計分析研究和具體的統(tǒng)計分析工作，包括臨床研究的數(shù)據(jù)管理和藥理中心比較分散的數(shù)據(jù)分析管理等等，大大提升了信息管理的效率和精準度。

提高效率

生物科學高性能計算需要海量的計算資源，存儲量和計算周期都在增加;與此同時，生命科學的數(shù)據(jù)分析計算往往比較復雜，對速度要求越來越高，傳統(tǒng)的手動統(tǒng)計和區(qū)域網(wǎng)絡已經(jīng)難以滿足這種需求。因此大數(shù)據(jù)的分析系統(tǒng)的存儲量和效率的優(yōu)勢，得以顯現(xiàn)，通過強大的數(shù)據(jù)整合能力和大體量的數(shù)據(jù)庫儲存，對于用戶的指令做出快速及時的反應，簡化運算流程，降低手工運作的復雜性。

比如金賽藥業(yè)所采用的SAS數(shù)據(jù)分析體系，在提升新藥品上市等工作中發(fā)揮了重要作用。金賽藥業(yè)相關工作人員介紹說，在SAS、CACHE等服務器所組建的軟硬件設備基礎上進行的智能開發(fā)，讓工作人員在同等條件下效率提升了200%，在2022年搶占新冠藥品上市的過程中，數(shù)據(jù)分析系統(tǒng)在4個小時之內(nèi)完成了top line的結果提交，12個小時成功提交所有的package，保證了新藥品搶占市場先機。

糾正偏差

隨著信息科技的發(fā)展，生命科學領域的數(shù)據(jù)庫體量將會越來越大，內(nèi)容也會越來越復雜，更需要通過精準的運作和計算糾正偏差，保障數(shù)據(jù)無誤。大數(shù)據(jù)分析系統(tǒng)的運算過程是由特定的引擎進行判斷和驅(qū)動，幾乎不需要人工干預人工干預度低，可以快速實現(xiàn)計算的自動化和流程化，在這個過程中出現(xiàn)的操作異常會自動提示，進行人工修正或者干預。此外，大數(shù)據(jù)分析系統(tǒng)還有提前預測功能，從根本上減少出現(xiàn)錯誤的概率，實現(xiàn)信息的準確傳達和運算。

比如在疫情期間，美國克利夫蘭醫(yī)學中心就在SAS的協(xié)助下合作創(chuàng)建了創(chuàng)新性分析模型，幫助醫(yī)院準確預測患者人數(shù)、所需床位和呼吸機數(shù)量等關鍵信息，根據(jù)這些預測的實時變化，醫(yī)院和衛(wèi)生部門及時調(diào)整醫(yī)療資源分配，為新冠及其他患者提供更好的醫(yī)療服務。

大數(shù)據(jù)分析系統(tǒng)，生命科學的未來“神輔助”

在信息化擴展至全球的時代，大數(shù)據(jù)分析系統(tǒng)對于生命科學研究來說，起著越來越重要的作用。那么在醫(yī)療、醫(yī)藥、康養(yǎng)等相關行業(yè)如何能把握住時代契機，通過人工智能技術實現(xiàn)產(chǎn)業(yè)技術升級和效率的再度飛躍?

SAS中國生命科學行業(yè)首席顧問顧天倫先生認為，未來生命科學領域?qū)囊运幤窞橹行南蛞曰颊邽橹行霓D移，讓患者更好地參與到臨床試驗當中去進一步優(yōu)化設計和實施。因此，隨著數(shù)據(jù)標準不斷地完善復雜，越來越多的相關企業(yè)希望能有標準統(tǒng)一的rest API接口共大數(shù)據(jù)分析系統(tǒng)的程序員或者醫(yī)學工作者來

簡化流程，提高效率。在創(chuàng)新層面來說，未來，基于臨床線、基于風險的質(zhì)量管理、醫(yī)學監(jiān)察的可視化的審核，以及藥物警戒信號的可視化管理等一系列的可視化分析都會不斷搭建，可以助力行業(yè)內(nèi)部更快的發(fā)現(xiàn)藥物安全性信號，以最快的速度排查臨床試驗運營過程中不合規(guī)的部分，讓臨床數(shù)字創(chuàng)新帶給患者最大的益處。這也是未來大數(shù)據(jù)分析體系在生命科學領域發(fā)展的主要潮流。