在剛剛結束的2019醫療大數據Datathon會前培訓上，北京市生理科學會危重症醫學專業委員會主任委員，原北京大學第三醫院 ICU 主任王誼冰醫師站在臨牀醫生的角度分享瞭如何看待醫療大數據，闡述了數據科學對醫學進步的推動作用。
王誼冰醫師認爲，數學能夠真正打入醫學研究之時，纔是醫學高度發展的新時代。目前臨牀實驗研究的基本原則主要爲這4項——隨機、對照、雙盲、重複，實驗中的研究方法則主要以隊列研究、隨機對照試驗以及薈萃分析爲主，詳細介紹這些研究方法的同時，王誼冰醫師還毫不吝嗇地展示了其中存在的優缺點：
- 就隊列研究而言
其優點在於：一般不會存在回憶偏倚；可以得到發病 / 死亡率，計算 RR；病因和疾病的時間順序合理，檢驗假說能力較強，一般可以正式病因聯繫；有助於瞭解人羣疾病自然；可研究一種暴露於多種結局的關係。
其缺點在於：不適於發病率很低的疾病的病因研究；失訪；研究耗費人力、物力、財力和時間較多；以及研究設計要求嚴密，資料收集、分析有一定難度。
- 就隨機對照試驗而言
其優點在於：組間可比性好；防止選擇性偏倚好；研究對象的診斷確切；盲法衡量和分析結果，結果更真實、可靠；高質量的單個RCT，可成爲系統評價的可靠資源。
其缺點在於：RCT花費時間、人力、財力較大；RCT嚴格的納入、排除標準，導致研究結果的代表性和外在的真實性受到一定的侷限；安慰劑不恰當的應用、對照組措施選擇不當，或讓受試對象暴露於某種有害致病危險因素，則會違背醫德的原則。
- 就薈萃分析而言
其優點在於：能綜合某個特定時期所有相關的有效數據，利用許多小的研究結果，獲得高的統計效能；能使文獻回顧過程中某個重要部分更加透明；一個表達充分的薈萃分析中讀者可以複製論點的定量部分；分析結果客觀性強，具有科學性；現代 Meta 分析考慮了獨立研究的質量問題
其缺點在於：資料的完整性和發表偏倚；發表物中缺少綜述者所需數據；分析對象最初的數據質量不等；各研究的方法和指標不一，同質性和可比性難以驗證；分析者對綜合的結果的解釋有偏見；不可避免的非隨機性選擇獨立研究
由此可見，目前臨牀醫學所使用的研究方法依然存在很多的不足，要想解決大部分的臨牀問題任然需要耗費大量的人力與時間。
那麼如何用較小的代價解決部分臨牀問題？
他認爲醫療大數據分析能夠爲解決部分臨牀問題提供新的研究方法。以血壓的動脈有創測量和袖帶測量的差異性爲例，通過醫療大數分析的方法可以快速得出結論：在各個年齡段，正常血壓範圍，無創和有創測量方法差異不大，但當血壓異常時（無論是高血壓還是低血壓），二者差異較大，且呈增大趨勢；示波法無創血壓與有創血壓測量結果之間存在比例性偏差；以及無論測量血壓在疾病診斷和慢病管理領域的應用都應持謹慎態度。
到底臨牀醫生對醫療大數據研究能做些什麼？他給出了這樣的答案：臨牀問題的質量是決定大數據研究價值的基礎，臨牀醫生應當保證問題的高質量性。其次，優質的臨牀信息系統（ CIS ）是保證醫療大數據質量的前提，數據的完整性與質量，與臨牀信息系統的品質密切相關。只有臨牀醫生與信息系統工程師以及數據分析工程師之間達成密切合作才能更好地促進醫療大數據的研究。
最後，王誼冰醫師建議，臨牀醫生們在學習醫療大數據研究方法的過程中，可以與數據工程師們共同建立一個持續的交流和工作平臺，這樣不僅能夠互相學習與交流，還能培養出衆多跨學科知識結構的人才，更能夠有效解決一部分長大臨牀問題。
王誼冰醫師的完整分享PPT已上傳至和鯨社區（Kesci）
可移步以下鏈接下載：
2019醫療大數據Datathon活動會前培訓資料集合https://www.kesci.com/home/project/5db29f4b75df5c002b23d655