【29组】精准医疗

先贴上PPT:精准医疗

  • 教学目标

了解精准医疗的含义

了解精准医疗的发展和应用并理解其中蕴含的计算思维。

  • 计算思维概念与教学难点

1.2.1 计算思维概念

关联、整合、分解

1.2.2 教学难点

理解精准医疗开放云平台的组建

  • 教学方法

放映PPT,通过病人案例了解精准医疗

1.4 教学准备

思考问题

  • 对付癌症有哪些显著治疗方法
  • 对于大数据了解多少
  • 对于基因检测了解多少

课上补充案例

课上互动

  • 教学过程与设计

介绍:

2014年春天,45岁的Bryce Olson被诊断出第4阶段转移性前列腺癌,五年的存活率为28%。该类癌症患者在美国总计达到280万人。目前,Bryce Olson正借助英特尔与俄勒冈卫生科技大学(OHSU)的Knight癌症研究所联手创建的癌症研究云计算平台,通过基因技术找到突变的基因点位,找出对应的靶向治疗药物,实现癌症的精准治疗。Bryce Olson的治疗方案也将形成科研体系,为同类患者带来福音。

从上面这则来自英特尔的精准医疗现实案例中,我们清晰的看到了精准医疗之于癌症治疗的重要意义。

精准医疗的含义:

精准医疗(Precision Medicine),简而言之是以个体化医疗为基础,伴随着基因组测序、生物信息和大数据等技术交叉应用而发展起来的新型医学概念与医疗模式。听起来高深遥远的医学名词,实则已经在改善治疗效果方面崭露头角。自美国总统奥巴马于今年1月宣布精准医疗计划后,精准医疗在全球范围内迅速成为公众瞩目的焦点。在我国,政府和产业界也在规划精准医疗在本地的发展大计。

精准医学是公众的需求,更是临床发展的需求。目前世界医学临床实践的局限性,在于主要依靠病人主诉、临床症状、生理生化指标和影像学改变,其基础是组织和器官的病理生理改变。而在这些组织器官改变的下面,是大量的深层次分子生物学改变,对这些分子的改变的了解将推动临床疾病的分子分型。

精准医疗的研究:

美国国立卫生研究院精准医疗队列研究,致力于将精准医疗的概念引入临床实践和科研中。该研究计划入组100万18岁以上的志愿者参与该项研究,评估志愿者的基因组、体检数据、病历信息等,并在监管方面进行充分设计,确保数据安全和高效使用。

科学家们从100万人的生物、医疗数据中找出跟疾病相关的因素并制定新的疾病诊断和分类规则,最终组建一个开放性、可共享、高度尊重病人隐私、病人高度参与的数据平台用于采集和储存数据,该平台兼顾数据储存和分析能力,并跟数据库对接。

在这个平台上,每个志愿者将分享他们的基因组数据、生物标本信息、电子病历中的化验报告和影像结果、可穿戴设备等采集的生活方式数据,这些数据将有助于研究人员了解基因组的变化和其他健康因素如何影响疾病的发展。参与研究的志愿者不仅有权控制信息如何共享和研究,还能获得自己的健康数据和相关疾病研究。

庞大的数据量伴随着多样化的数据结构,如此典型的大数据样本给数据中心建设带来重重挑战。

多源数据接入。数据中既有结构化数据,又有非机构化数据,既有医疗行业数据,又有跨行业数据。数据中心解决方案供应商首先需要对临床数据非常熟悉,要对电子病历的数据结构非常清楚以便于提取结构化电子病历数据;其次还要具备其他行业的数据接入能力,将医保数据、来自网络的行为学数据以及其他行业数据完整接入平台并纳入同一模型。

数据模型拓展。一个完善的数据中心必须具备根据行业发展对新的业务需求提供支持的能力。不只是为了满足今天的需求,而是为了满足未来更加长远的需求,其中数据结构拓展的能力是至关重要的。

数据计算提效。精准医疗对于海量数据的依赖让计算能力同样成为挑战。

精准医疗不仅仅用于癌症诊治:

“罕见病”的诊治

临床决策支持

 

  • 参考文献

http://news.hc3i.cn/art/201511/34889.htm

http://www.biodiscover.com/news/politics/122055.html

 

anyShare分享到:
This entry was posted in Health Computing. Bookmark the permalink.

发表评论