映象新闻

目前在中国，单克隆抗体技术的研发道路并不顺利，还不足以走进临床，投入市场。

人脑工程受关注近年来，欧美发达国家掀起了一阵脑科学研究热潮，研究成果逐渐显现。美国和欧盟较早涉足这一领域。

最后，人脑工程的产业前景十分广阔，钱途不可限量。国泰君安证券网络金融部首席投资顾问赵欢认为，人脑工程未来的上涨空间将取决于政策的落实情况和上市公司的基本面。操作上，主题投资应注意把握板块炒作节奏，快进快出，及时获利了结。不过，与人类基因组计划相比，脑计划更加复杂而艰难，因为人类大脑是人体中最复杂的器官，研究者必须要费很大力气来取得数据并分析、理解数据。8月22日，A股人脑工程再度活跃，板块当日上涨2.62%，居于概念板块前列

奥巴马在其2013年美国国情演说中强调了人脑科学研究和开发的重要性，并于今年4月宣布了一项致力于对人脑进行绘图的长期研究计划，探索人类大脑工作机制、绘制脑活动全图，并最终开发出针对大脑疾病的疗法，其重要程度被认为可与人类基因组计划相媲美。同时，基于人脑工程长期的发展潜力，投资者也可适当长期关注，提前布局。文章摘自《中华流行病学杂志》2014 年 6 月第 35 卷第 6 期 P617-619文章作者：王波 吕筠 李立明。

3.快速筛检未知病原和发现可疑致病微生物。人体本身就是生物医学大数据的一个重要来源，随着医院信息化和IT业的迅速发展，越来越多的人体数据能够获得储存和利用。5.了解人群疾病谱的改变。2.如何打破数据孤岛，实现生物医学数据共享。

5.生物医学大数据的分析、整合与挖掘。大数据具有4V特征：1.数据容量(Volume)大，常常在PB(1 PB=250 B)级以上;2.数据种类( Variety)多，常常具有不同的数据类型(结构化、半结构化和非结构化)和数据来源;3.产生和更新速度( Velocity)快(如实时数据流)，时效性要求高;4.科学价值( Value)大，尽管利用密度低，却常常蕴藏着新知识或具有重要预测价值。

大数据科学作为一个横跨信息科学、社会科学、网络科学、系统科学、生物医学、心理学、经济学等诸多领域的新兴交叉学科方向正在逐渐形成，并已成为科学研究热点。在对海量数据进行挖掘的同时，隐私泄露存在巨大风险。作为最活跃的科学研究领域之一，生物医学领域的大数据也备受关注。生物医学基因大数据：现状与展望 2014-09-05 09:03 · angus 生物医学大数据广泛涉及人类健康相关的各个领域，包括临床医疗、公共卫生、医药研发、医疗市场与费用、个体行为与情绪、人类遗传学与组学、社会人口学等。

这将产生海量测序数据。随着人类基因组计划的完成和计算能力的快速发展，每个基因组的测序成本已从数百万美元降低至数千美元(并且还将继续降低)。同时，生物医学大数据专业人才培养亟待解决。生物医学大数据的应用：1.开展组学研究及不同组学间的关联研究。

这是国内外生物医学大数据面临的一个困境，需要推动计算机科学和生物学交叉学科的教育予以解决。许多公共资助机构已开始要求所资助研究的数据必须在一定范围内共享。

生物医学领域数据特别庞大，产生和更新速度更快，其存储方式不仅影响数据分析效率，也影响数据存储的成本。2.快速识别生物标志物和研发药物。

一方面，利用实时的传感器(可穿戴设备)，能够对个体进行实时的、连续的健康监测与评估，为个体提供实时健康指导;另一方面，随着以生物医学大数据为基础的个体化医学发展，个体化预防、诊断和治疗将得以实现。7.生物医学大数据成为战略性产业。生物医学大数据有助于循证科学证据的生产，例如通过大数据可以对大量健康数据进行整合，进而获得更加可靠的证据;还可以通过网络实时数据，开展虚拟的临床试验生产证据。国际数据公司的研究结果表明，2011年全球产生的数据量高达1.82 ZB。大数据挖掘能够增加把握度和发现弱关联的能力。人类已进人大数据时代。

4.生物医学大数据广泛涉及人类健康相关的各个领域：临床医疗、公共卫生、医药研发、医疗市场与费用、个体行为与情绪、人类遗传学与组学、社会人口学、环境、健康网络与媒体数据(表1)。生物医学领域具有海量数据，如何共享、规范、管理和利用是关键。

3.数据安全与隐私保护的技术发展。例如，严重威胁人类健康的慢性病多为复杂性疾病，其发生具有复杂的遗传和分子机制，受到基因、环境及其交互作用的影响，其病因学研究将产生大量的数据。

从流行病学角度来看，生物医学大数据具有以下优势：1.具有大样本的特点，能够解决流行病学研究中的样本量问题，大样本能够提高结果精度高、降低随机/抽样误差;2.客观的采集途径能够减少信息偏倚。大数据受到越来越多的重视。

公共卫生监测包括传染病监测、慢性非传染性疾病及相关危险因素监测、健康相关监测(如出生缺陷监测、食品安全风险监测等)。通过可穿戴设备对个体体征数据(心率、脉率、呼吸频率、体温、热消耗量、血压、血糖、血氧、体脂含量等)的实时、连续监测，提供实时健康指导与建议，更好地实施健康管理。4.实时开展生物监测与公共卫生监测。生物医学大数据广泛涉及人类健康相关的各个领域：临床医疗、公共卫生、医药研发、医疗市场与费用、个体行为与情绪、人类遗传学与组学、社会人口学、环境、健康网络与媒体数据。

6.基于生物医学大数据的个体化健康管理逐步流行。Nature和Science也分别于2008年和2011年推出了大数据专刊，对大数据带来的挑战进行讨论。

展望：人类已进人大数据时代。全球疾病负担研究是一个应用大数据的实例，该研究应用的数据范围广、数据量巨大，近4 700台并行台式计算机完成了数据准备、数据仓库建立和数据挖掘分析的自动化和规范化计算。

其有关中国的研究发现：与1990年相比，2010年造成中国人群寿命损失的前25位病因中，慢性非传染性疾病显著上升，传染病则显著下降，说明慢性非传染性疾病已经成为我国人群健康的主要威胁。4.大数据为导向的人群队列研究成为热点。

利用大数据将各种组学进行综合及整合，既能为疾病发生、预防和治疗提供全面、全新的认识，也有利于开展个体化医学，即通过整合系统生物学与临床数据，可以更准确地预测个体患病风险和预后，有针对性地实施预防和治疗。未来生物医学大数据的发展趋势1.从概念走向价值，成为智慧健康的基础。数据挖掘的任务包括关联分析、聚类分析、分类分析、异常分析等。在药物研发方面，大数据使得人们对病因和疾病发生机制的理解更加深入，从而有助于识别生物靶点和研发药物;同时，充分利用海量组学数据、已有药物的研究数据和高通量药物筛选，能加速药物筛选过程。

然而，相对于传统概率随机抽样而言，大数据可能存在选择偏倚问题，其收集途径常常覆盖的是具有某些特征的人群(如医保患者、使用可穿戴设备的人群)。应避免数据只为少数人或单位使用，数据共享是应用生物医学大数据的前提。

例如，X线、3D核磁、乳腺X线、3D CT扫描分别包括30 M、150 M、120 M和1G的数据量，至2015年美国平均每家医院需要管理665 T的数据量。利用某种疾病患者人群的组学数据，可以快速识别有关疾病发生、预后或治疗效果的生物标志物

此外，美国《孤儿药法案》还规定，任何商业保险公司不能拒绝罕见病患者的投保，罕见病患者只需每年比一般人多支付1000美元的保费，就可以使用任何药物，所有费用由保险公司承担。医药工业十二五发展规划也鼓励罕见病的新产品研发及生产。