医学未来百年一瞥

2012年是国际著名医学专业期刊《新英格兰医学杂志》创刊200周年。杂志社为此制作了纪念视频并发表系列论文，系统回顾了从1812年到2012年这两百年间医学发展的重要进展与成就。

与此同时，在过去的数十年中，移动通讯、计算机、互联网、数码技术、基因测序以及社交网络等技术也得到长足发展。图1回顾了这六大技术进步的时点，它们共同为未来医学的重大转折奠定了基础。

图 1. (a)过去40年6大科技进步的时点，他们共同为医学的重大转折奠定基础。最大的飞跃发生在21世纪的前十年，人类基因组测序计划顺利实施，许多疾病的致病机制得以明确。高度融合的互联网与移动电话，是两大关键组件。智能手机已经融合了互联网与宽带，个人计算机与笔记本电脑,正在改变着我们生活；随着手机技术进步，它已经开始融合DNA检测以及测序技术。（参考资料2#）；(b)进入21世纪，基因测序成本以类似IT领域的摩尔定律的轨迹，呈现指数下降趋势。随着高通量测序技术在2007年前后进入应用阶段，全基因组测序成本出现了较大的下降拐点。这之后测序成本以远远偏离摩尔曲线的速度大幅度下降。（参考资料6#）

面对医疗与相关技术领域日新月异的发展，《新英格兰医学杂志》2012年年底发表评论性文章《A Glimpse of the Next 100 Years in Medicine》，试图预测医学的未来。在此，让我们一起领略在他们的预想中，未来百年医学领域会有哪些新趋势？这些变化会给医学带来怎样的机遇？指导未来医学发展的原则又应该如何制定？

毫无疑问，在未来几十年，生物医学发现的步伐会进一步加速。评论认为，个体健康信息将日益丰富化、精准化。这些信息不仅仅包含机体自身的状况，也包括机体与药物、营养、微生物组、治疗及环境的相互作用状况；同时，信息的采集将从分子水平延伸到基因组水平、从个体水平精准到组织器官水平。总之，每个个体都将获得成千上万的特征信息。当这样的信息在大人群中实现时，精准医疗便是水到渠成的事了。

上述的概念可能较为抽象。《颠覆医疗-大数据时代的个人健康革命》一书的作者埃里克.托普( Eric Topol)，2013年发表了一篇论文，提出了“数字化人体”的概念，很好的展示了个体健康信息的丰富内涵（请参见图2）。

图 2.人体“地理信息系统”，即“数字化人体”所包含的各类信息。谷歌地图使用的地理信息系统，整合了街道、交通、卫星信号等信息。而“数字化人体”也涉及多维度的数据信息整合，包括人口学信息、社会关系、生理信息（通过生物传感器）、影像信息（反映人体的结构）、以及生物学信息（包含各个层次的组学信息，如基因组-DNA序列、转录组、蛋白质组、代谢组、微生物组、表观遗传组等）。此外，还包含个体环境暴露的信息，称之为“暴露组”（也称环境暴露）。（参考资料4#）

生物医学研究的个体数量将会增加到百万级别。通过统计学分析，我们可以发现这些数据之间的相关性并总结出有价值的规律。电子健康档案（EHR）（或称为电子病历EMR）能够容纳几乎所有的数据，将有助于上述目标的实现。目前电子健康档案还主要是生理监测数据，即使是这样，这些信息已经在慢性病管理、疾病预防以及健康指导中，显示出其价值。随着健康信息日益丰富、精准，EHR未来必将在医疗实践中发挥更为重要的作用。疾病治疗与检测设备将会小型化、智能化，更具互动性，也会与电子健康设施连接，及时将采集的数据录入到电子健康档案中。未来医学的飞跃将主要来自于这些数据。

3. (a)未来电子健康档案(EHR)各资料文件大小（参考资料2#）；(b)新型组学信息也将录入到电子健康档案中；(c)传统医学档案与前瞻性医学档案的比较。左侧是当前医生用来评估患者的疾病/健康状态的方法，侧重在疾病的诊断与治疗。依托于系统的健康档案，将来还可以对健康状态进行前瞻性评估。

患者复杂、多维度的健康数据，将促使我们对疾病的诊断与预后分类比现在更加复杂，或者说更加精准。这种大人群、多变量描述，让我们可以采用新标准对疾病进行分类。在一些依据基因组数据所开展的临床试验中，这种趋势已初见端倪。

2011年，美国基因组学与生物医学界发表了《迈向精准医学：建立生物医学知识网络与疾病新分类体系》这一报告。报告提出要透过疾病表征，对疾病作用机制、发病原理以及治疗方法进行深层次阐述，从而更加准确的定义疾病并做出针对性的医疗诊断。

图 4.构建生物医学知识网络，用于基础研究与医学实践。在复杂的生物医学信息网络中，信息共享空间是核心。疾病分类与命名需要动态的知识体系，而这些数据将提供最为基础的信息；同时，数据也是制定疾病新诊疗标准的基础、以及基础科研的源泉。从这个知识网络中所获取的经过新知识（例如可以用来定义新的疾病/疾病亚型的信息），一旦经过检验，将可以整合到新分类命名系统中，以提升疾病的诊断与治疗准确性。(参考资料5#）

通过大数据分析，人们可以总结出具有临床价值的数学工具。这些数学规律一旦经过检验，将会植入到到电子健康档案系统中，作为临床辅助决策工具，用于患者日常医护。随着临床数据地不断录入、以及科学研究新发现，这些数学工具将持续改进并日臻完善（图5）。这个过程将完全依赖于数据推演，而不再取决于专家意见或者市场因素。有了这些大数据，未知混杂因素的干扰将减少，根据临床观测推算出结局将成为可能。

图 5.（a)采用动态预测模型进行疾病风险评估，辅助临床决策。从大人群临床队列中获得多维度的临床数据，将用于构建疾病诊断模型。其他人群可以用来对模型的准确性进行检验（即样本外检验）。该模型可以用于鉴定特定疾病/健康事件的风险预测因子，通过与个体自身健康档案进行比较，可以判断发病风险、诊断疾病或判断预后。患者的数据反馈到模型数据库后，将有助于对模型进行修正。（参考资料3#）; （b）疾病的发生是遗传易感性与环境因素共同作用的结果。病情随时间加剧，并产生不可逆性的损伤，治疗成本也随之增加。早期干预可以更加有效降低医治费用与疾病负担。基因组医学为医学实践提供更加丰富准确的生物标志物，如基因组碱基序列、SNP、单倍体型等，帮助我们判断疾病的基础风险情况；而通过动态标注物（如代谢小分子）的改变，我们可以准确掌握病情并预测病情的变化趋势。有效的决策工具将有助于实现精准、个体化的医疗卫生保健。（参考资料3#）

科研人员、医务工作者、以及大众也将关注这些数据。这些原始数据、连同数学算法对公众开放后，人们可以重新分析、测试、优化并拓展这些工具。要实现这个目标，我们需要信息安全新技术，在提供信息的同时也保护个人隐私。通过数字化信息工具，大众将有更多的手段获取健康与医疗信息，更多地关注自身健康的管理，并逐渐取得主动权。未来，大众参与将形成新的驱动力，推进医学变革（图6）。

图 6.现有医学模式向拥有“数字化人体”能力的全新医学模式转变。数字技术（包括智能手机、宽带、网络连接、社交网络的普及、通过云服务器实现的计算能力、生物传感设备、基因组测序、成像能力、以及健康信息系统等）是实现“数字化人体”的有效工具。这些工具将有助于大众拥有更多的手段获取健康与医疗信息，逐渐取得对自身健康管理的主动权。大众参与将形成新的驱动力，推进医学变革。（参考资料2#）

科学技术进步不断带来颠覆性的变化，监管部门将面临更大挑战。生物医学科研、信息技术与临床护理都需要资源，而未来资源分配将更加倾向于疾病的预防。医学的未来也有赖于健康资源平等化，缩小贫富差距。健全医疗服务将成为全社会的期望。教育和经济的发展也必不可少。医学发展日益高科技化，并蕴含丰富信息，这都将会为临床医学提供强有力的工具。患者仍将依靠医学界提供专业帮助，而医学界则有责任给予指导并确保新技术造福于人类健康。


参考资料：
1. Kohane IS, Drazen JM, Campion EW. N Engl J Med. 2012 Dec 27;367(26):2538-9.
2. 《颠覆医疗-大数据时代的个人健康革命》埃里克.托普( Eric Topol)著，张南等译. 电子工业出版社 ISBN978-7-121-21682-4.
3. Snyderman R, Langheier J. Genome Biol. 2006;7(2):104.
4. Topol EJ. Cell. 2014 Mar 27;157(1):241-53.
5. National Research Council of the National Academies. (2011) Toward PrecisionMedicine: Building a Knowledge Network for Biomedical Research and a NewTaxonomy of Disease
6. http://www.genome.gov/sequencingcosts