大数据在临床药学的相关应用与展望

杨谨成，王会凌，费小非

（国家癌症中心·中国医学科学院北京协和医学院肿瘤医院药剂科，北京 100021）

·专论·

大数据在临床药学的相关应用与展望

杨谨成，王会凌，费小非

（国家癌症中心·中国医学科学院北京协和医学院肿瘤医院药剂科，北京 100021）

目的通过阐述大数据给临床研究带来的思维变革，为临床药学学科发展提供新思路、新方法。方法查阅相关文献资料，结合临床数据特征和临床药师现状，探讨大数据分析模式与临床药学研究的切入点及应用，以及临床药学大数据架构的创建和处理方案、实施的一般方法，同时分析健康大数据资料的新来源。结果大数据对提高疾病诊疗质量有很大潜力。大数据在临床药学中药品不良反应、长期用药、联合用药、药物相互作用、个体化给药等研究方面有很好切入点，可有效提高用药合理性、个体化精准用药、改善患者预后。结论大数据研发尚处于初步阶段，探索基于大数据的解决方案，是目前促进临床药学学科发展的有效途径，提升临床药学服务质量和开拓临床药师发展空间的重要手段，对临床药师的专业素质也提出了更高要求。

大数据；临床药师；临床药学

《大数据时代》指出：一种新的分析、处理数据的方式正在悄然改变我们的思维方式，让我们以新的方式方法去认识、理解世界[1]。大数据不再追求精确度和因果关系，而是承认混杂性，探索相关关系。在医药领域，利用大数据的研究方法，可以帮助临床药师分析处理海量病案数据、分析用药信息。

1 大数据对临床药学研究的意义

1．1 大数据的特点

大数据时代给数据本身带来了3个转变。

数量更多：需要分析某个现象／事件更多的相关数据，甚至是全体数据；在处理全体数据情况下，所得结果就是真实世界的情况。

内容更繁杂：由于研究的相关方面、数据的形式和获得方式多种多样，数据本身就更繁杂，这就要求采集者必须容纳数据的多样性。

相关性更易得：由于涉及到研究数据的各个方面，事物本身的内在特性和外部联系就显而易见[1]。

1．2 临床大数据的特点

符合大数据标准：1)医院及患者的年数据量巨大(volume)，包括医院的年门急诊量、年住院量、年手术量，同类患者的各类检查、用药种类及方案、病史用药史，患者个体化给药情况、各种检查结果、护理、生活习性，相互交织影响。由于就诊患者人次增多，数据量增长快，需要对患者、疾病的处理响应速度也需要加快(velocity)。2)数据来源及形式多样(variety)，描述文本、图片影像、视频、甚至基因序列数据并存。有的数据如常规的检查项目、用药记录及预后、护理记录，数据量大，需综合评估才能得出结论，体现其潜在价值(value)[1－3]。

自身特点：1)当前病历记录的是绝大部分相同或类似患者的情况，对此部分数据进行分析可以描述临床用药的群体特征；2)病历记录中，用药医嘱可反映该医院或该领域医生的选择倾向，也可提示用药方案或某种药品在治疗中的价值；3)临床大数据的评估指标中，临床药师的首要任务是关注合理用药，即药物使用的安全性、有效性、经济性，而药物的使用情况与患者病情的进展一并记录在病历资料中[4－5]；4)临床数据有其特定的管理标准[6]。

病历数据的自身缺点：1)准确性较低，同一事件数据描述方法多样、录入可能错误、某些数据前后不一致；2)相关数据缺失多，完整性较差，尤其是患者预后的治疗评价信息的缺失；3)描述性语言标准不统一[2]。考虑到这些数据在随机抽样小数据模型中难以发挥作用，临床医务工作者应该充分利用电子病历(electronic medical record，EMR)系统和健康数据库，提高药学服务质量，深入临床药学工作。

2 医院临床药师的现状

作为医院的“三驾马车”(医、药、护)之一，临床药学是药剂科发展的重点方向，也是医院药学未来发展的重点。目前，我国医院药学发展存在的问题在于：医院对药学的重视程度不够；临床药师与临床药学实验室基础设备条件欠缺；药剂人员的知识结构、科研能力、业务能力有待提高；药剂科的管理模式有待改革等[7]。“以患者为中心”，提高临床服务质量是药师核心价值的重要体现，也是临床药学学科发展的主要方向[8]。通过大数据应用、病历资料分析，为临床药师开辟了一条新的科研、工作模式。这不仅要求临床药师具有数据统计分析的能力，还要有用药判断和疗效评估的能力，从而有助于提高临床药学学科水平和促进学科发展进步。

3 大数据分析模式在临床药师科研、工作中的应用

3．1 优势

利用传统方法进行联合用药的综合评价的局限性在于：1)由于各种药品组合数量庞大，临床试验又需要较多的科研经费，不可能对每个种类和剂量的组合进行一一对照研究，很多情况可能被忽略，因此使用传统的以随机、对照、双盲(RCT)为基础的方法研究耗费资源多且进展缓慢。2)传统方法处理的角度仅是在确定入组条件的情况下，对两种不同联合用药方案进行一维比较，无法综合各方面因素进行全方位多维度的筛选和对比。病历中的症状收集带有很强的主观性，准确性很大程度上取决于临床医师的学识与经验；症状变量繁多且具有复杂的相关性[9]。这需要将各维度的因素联系起来分析才能得到客观准确的结果。

如果能对某一类疾病或某一类患者病历资料以大数据分析方法进行全方位分析比较，转化为有效的科研数据，将节约大量研究成本，加快研究速度。大数据能克服传统临床试验的缺点，能快速、准确、低耗地对药物使用、临床疗效进行评估。大数据需要接受的是全体数据，包括混杂和非结构化的数据。在数据量足够的情况下，通过电子化、规范化，这些数据之间可形成相互印证、相互补充、相互校正的模式，可弥补对目前临床病历现有的一些主要缺陷，从而开展临床药学研究[10]。

3．2 应用

3．2．1 药品不良反应(ADR)评价

目前，我国采用的ADR自发呈报程序是药物上市后监测的最简单、常用的形式，是建立数据库、收集数据、利用大数据的正面例子。其他呈报程序，如集中监测系统、记录连接系统、药物流行病学研究等存在费用高、花费人力物力多、代表性不强、延时长等缺点[11]。大数据模式下，信息反馈后，通过综合评估、校正，临床药师鉴别可避免的ADR并早期监管和高风险药物患者。药师可以基于电子病历中患者的医疗史、用药史、生活习性、ADR发生事件的环境、选择性病因学及文献综述，以时间轴为导线，对药物治疗进行多因素综合立体评价[12－13]。

3．2．2 药物长期、联合使用与药物相互作用分析

长期用药和联合用药过程中常见药物相互作用的问题，相关数据的采集是临床药师的工作重点。建立药历是临床药师的重要工作内容，也是收集患者用药信息大数据的重要方法。临床药学服务过程中，临床药师通过询问患者的现病史和既往史，记录患者使用过的药品，建立门诊药历，为长期随访患者的相关数据采集奠定基础。书写药历时，除患者个体基本特征和治疗方案外，在药物的治疗记录中应对用药时间、药物名称、用法用量进行详细记录，保证结果的规范和准确[14]。同时，整理住院患者人口学信息、用药信息、诊疗信息、检查结果，使这些信息电子化、规范化，综合整理这些联用方案和患者靶器官情况、其他合并症等病理生理状况。

长期用药：近10年来，大量研究从剂量、疗程、骨折部位等多方面评价了质子泵抑制剂(PPIs)诱发骨折、胃肠道肿瘤、嗜中性白细胞减少症等其他风险[15]。这种从已报道的文献／实践中综合观察分析的分析方法已经开始应用大数据相关性研究的方法。

联合用药：如抗高血压的二联、三联、四联用药方案指南的制订[16]。非甾体抗炎药(NSAIDs)与抗高血压药使用在老年患者人群中十分普遍[17]。药物联用方案的选择，应同时考虑各类药物的降压效果和相应的不良反应，靶器官耐受情况、合并症、生理生化代谢异常及相互作用等。大数据的分析模式就是要找出ADR、生化检测结果等因素与疗效的关系。

药物相互作用：目前，对不能使用二甲双胍的2型糖尿病患者的其他联合治疗方案尚未达成一致。有学者综述了24年来的各类文献，认为该情况应该考虑体质量、低血糖风险并且对危险人群进行个体化治疗，若不了解联用药物之间的相互作用尤其是降血糖方面的协同或拮抗作用，则可导致血糖控制不佳，从而影响疾病的治疗[18]。收集大量相关文献的研究方法，纵向比较相关结果，体现了大数据的大容量(volume)特性，纳入的数据越多，分析的角度越全面，得出的结论越准确。

3．2．3 个体化给药方案设计

抗肿瘤药物的治疗窗一般都比较窄，药物相关的毒性和抗肿瘤治疗效果在不同患者中差异明显。因此，选择和优化个体化治疗方案成为临床治疗的新趋势。群体分析和Bayesian方法更能支持方案优化，因为群体分析不仅收集了实验设置中富集的数据，同时还收集了例行临床设置中零散的数据[19－20]。个体化给药方案是基于大量病例参数的结果。大数据“样本＝总体”的思路，可最大程度上精确化最初的参数，有利于更好设计个体化给药方案。如果前期纳入的是研究对象的全体数据(大数据)，那么这种通过后期模型制订的个体化给药方案就非常准确，实验预测的精确性将会得到很大的提高。

3．2．4 合理用药建议

基于前期对药物使用的大数据研究结果，药师可总结出某种疾病的常规用药规律、某种药物常见的治疗效果和ADR、某类医生的用药习惯及患者预后等临床信息；针对常见的临床用药不合理情况，面向医护人员，临床药师可定期开展药学知识讲座；而对于患者，临床药师可定期或不定期进行合理用药宣传。针对患者进行用药评估，针对临床药历进行用药质量评价，提供循证药物信息和治疗进展，通过数据的积累、总结分析，以便针对不同患者进行差异化治疗[21]。

4 临床大数据的研究方法

4．1 大数据的一般研究方法

一般情况下，电子数据从获取到决策需要经过数据提取、数据清洗、数据转化、数据建模及挖掘，数据模型评价及优化等过程，形成“知识”后，才能成为决策的依据[2]。其中，最重要、最基础的是数据的来源及挖掘。目前临床大数据的分析方法处于初始阶段，尚无统一的模式；大数据得到的临床分析结果，还需由临床科研工作者确认、证实分析方法的正确性[22]。大数据虽然允许不精确，但还是要减少错误、保证数据质量，剔除一定的垃圾数据，以维护数据的完整性和准确性。

4．2 大数据架构的建立[23]

见表1。

表1 大数据架构的建立

4．3 临床大数据的实施步骤

确立研究目标：是分析某一类药物的治愈率还是不良反应发生率，是分析药物对某一类特殊人群还是对某种特定不相关症状的疗效。

确定评价指标：可参照循证药学的证据等级，确定分析对象的相关性。

关键技术系统设计：即技术选型和技术切入，即按照多样性、容量性或速度型进行切入分析。

试用和评估：进行已知结果的关系分析，验证系统设计和技术选型的正确性。

推广：将经过验证的分析系统推广到其他类似的研究目标中[2]。

5 医药大数据的新来源

除医院病历等数据是常规来源外，在互联网时代，数据还有许多新的来源[24－25]。作为智能手机和上网浏览的副产品，作为实时监测，这些健康数据可以作为医院数据的补充。

大数据是研究对象各个方面数据的总集。例如，将定期体检结果与个人消费数据(如信用卡数据、个人财务支出)结合，能发现生活特点与健康的关系，指导健康消费。在医院病历数据基础上，若再加上移动终端，能随时随地对人们进行机体数据监测，帮助发现潜在疾病威胁，加快患者突发疾病的处理速度等。

新的设备(如智能手环)和智能手机的应用程序，能够实现连续追踪记录身体活动的功能，从而构成了一个新的人口健康大数据源。通过电子健康档案和电子病历建立健康大数据[26－27]。通过“量化自我”“追踪自我”，收集和分析自身的数据信息，如果结合电子病历的健康信息，这些数据可用来进行身体活动如何影响健康的研究，挖掘分析这些数据得到个体的健康信息并进行疾病预警，从而将影响健康的因素进行关联，更好地进行健康指导[28]。

借助或佩戴专门的设备，可每天随时获得自己的脉搏、呼吸、血压、血糖以及睡眠等数据，甚至是根据不同的身体条件，个性化定制一系列身体生理指标，并可将这些测量结果发送到智能设备终端进行分析与处理，或直接传送给医疗机构，再接收回传的诊断信息或建议。

6 展望

对于提高疾病诊疗质量大数据，有着极大的潜力，对临床疾病的治疗和研究目前正以惊人的速度发展。大数据应用的数据来源主要有行政数据(如ICD－10编码)、生物标志物、计量生物学、临床注册中心、电子健康档案、网络数据、医疗影像(如 CT，MRI，PET等)和患者自述情况等。传统的临床用药方法受到大数据的挑战，如何最好地运用这些数据为临床药学服务、提高临床用药合理性，正是当前研究和应用的热点。而大数据可以帮助临床药师应对当前的数据爆炸，提供有效的分析手段，指导更有效合理的临床用药。临床药学大数据的优势在于，通过匹配推荐的治疗用药方案来推测风险和收益、发现病例，从多维度监测疾病进展，不仅可以管理个体用药，也可以管理群体用药；利用整体大数据发现规律，利用个体化“小数据”进行个体化精准医疗。

目前，大数据的研发尚处于初步阶段，也有自身的弱点，如预测模型分析方法的有效性和稳定性，有些观察性数据选择偏差带来的固有局限，也可能带来对真实世界认识的偏差。大数据分析方法的更新和自我完善不仅是统计学问题，更多的是临床药师对药物及其效果的认识深度和广度相关的拓展，这也对临床药学的发展和临床药师的专业素质提出了更高的要求。

[1]盛杨燕，周 涛．大数据时代[M]．杭州：浙江人民出版社，2013：27 － 94．

[2]蔡宏伟．临床数据为临床研究带来的新机遇[J]．中国信息界(e 医疗)，2014（8）:48．

[3]Listl S，Jürges H，Watt RG．Causal inference from observational data[J]．CommunityDent＆ OralEpidemiol，2016，44(5):409 － 415．

[4]孙华君，顾之睿，车大钿，等．基于临床大数据的儿童呼吸道感染与抗菌药物应用分析的效果研究和疾病模式分析[J]．中国信息界(e医疗)，2014（6）:54 －57．

[5]Taglang G，Jackson DB．Use of″big data″in drug discovery and clinical trials[J]．Gynecol Oncol，2016，141(1):17 － 23．

[6]陈 昕，章蕴毅，张 薇，等．实现不良事件数据人工检查的半自动化[J]．中国临床药学杂志，2013，22(5):303－308．

[7]杨谨成，杨 ，何铁强．美罗培南与头孢曲松钠国内外药品说明书对比分析[J]．中国药业，2014，23(12):8－10．

[8]吴永佩，颜 青．临床药学学科建设的内涵、范畴和发展趋势[J]．中国临床药学杂志，2014，23(3):133 －136．

[9]王 宇，贾振华，吴以岭，等．无指导的中医证候诊断数据的隐变量分析[J]．数理统计与管理，2008，27(5):938－944．

[10]Zhang ZH．Big data and clinical research:focusing on the area of critical care medicine in mainland China[J]．Quant Imaging Med Surg，2014，4(5):426 － 429．

[11]Altowaijri A，Phillips CJ，Fitzsimmons D．A systematic review of the clinical and economic effectiveness of clinical pharmacist intervention in secondary prevention of cardiovascular disease[J]．J Manag Care Pharm，2013，19(5):408 －416．

[12]杨谨成，贾 贝，陈 伟，等．化疗药物引起血糖变化的文献计量分析[J]．中国药房，2016，27(11):1561 －1565．

[13]American Society of Health － System Pharmacists．ASHP guidelines on adverse drug reaction monitoring and reporting[J]．Am J Health－Syst Pharm，1995，52(4):417－419．

[14]Taras－Zasowski KM，Einarson TR．Review of Canadian pharmacist involvement in adverse drug reaction reporting[J]．Can J Hosp Pharm，1989，42(3):105 － 108．

[15]Reimer C．Safety of long－ term PPI therapy[J]．Best Pract Res Clin Gastroenterol，2013，27(3):443 － 454．

[16]Sato N，Hasebe N．Fixed － drug combinations for hypertension[J]．Nihon Rinsho，2014，72(8):1477 － 1484．

[17]Kalafutova S，Juraskova B，Vlcek J．The impact of combinations of non－steroidal anti－inflammatory drugs and anti－hypertensive agents on blood pressure[J]．Adv Clin Exp Med，2014，23(6):993－1000．

[18]Goldman－Levine JD．Combination therapy when metformin is not an option for type 2 diabetes[J]．Ann Pharmacother，2015，49(6):688－699．

[19]Zandvliet AS，Schellens JH，Beijnen JH，et al．Population pharmacokinetics and pharmacodynamics for treatment optimization in clinical oncology[J] ．Clin Pharmacokinet， 2008， 47(8):487－513．

[20]Xue L，Zhang WW，Ding XL，et al．Population pharmacokinetics and individualized dosage prediction of cyclosporine in allogeneic hematopoietic stem cell transplant patients[J]．Am J Med Sci，2014，348(6):448 － 454．

[21]孟润堂，罗 艺，宇传华，等．健康大数据在公共卫生领域中的应用与挑战[J]．中国全科医学，2015，18(35):4388 －4392．

[22]Rumsfeld JS，Joynt KE，Maddox TM．Big data analytics to improve cardiovascular care:promise and challenges[J]．Nat Rev Cardiol，2016，13(6):350 － 359．

[23]赵 刚．大数据技术与应用实践指南[M]．北京：电子工业出版社，2013：55 － 58．

[24]MonteithS，GlennT，GeddesJ，etal．Bigdataforbipolardisorder[J]．Int J Bipolar Disord，2016，4(1):10．

[25]Jordan L．The problem with Big Data in Translational Medicine．A review of where we′ve been and the possibilities ahead[J]．Applied＆ Translational Genomics，2015，6(C):3－6．

[26]Lissovoy GD．Big data meets the electronic medical record:acommentary on″identifying patients at increased risk for unplanned readmission″[J]．Med Care，2013，51(9):759 － 760．

[27]Ross MK，Wei W，Ohno － Machado L．″Big data″and the electronic health record[J]．Yearb Med Inform，2014，15(9):97 － 104．

[28]Song TM，Ryu S．Big data analysis framework for healthcare and social sectors in Korea[J]．Healthc Inform Res，2015，21(1):3－9．

Application and Prospect of Big Data in Clinical Pharmacy

Yang Jincheng,Wang Huiling,Fei Xiaofei
(Department of Pharmacy,National Cancer Center,Cancer Hospital of Chinese Academy of Medical Sciences and Peking Union Medical College,Beijing,China 100021)

Objective To provide new ideas and methods for the development of clinical pharmacy subject by expounding ideological revolution on clinical research from big data．M ethods Through looking up relevant literatures,combining characteristics of clinical data and current situation of clinical pharmacists,the entry point between big data analysis model and clinical pharmacy research,the application of big data on scientific research and routine work,framework establishment of big data on clinical pharmacy and general processing methods were investigated,and the new resources of healthy big data were analyzed．Results Big Data had tremendous potential to improve disease diagnose and treatment quality．There were entry points of big data with clinical pharmacy in ADR,long －term medication,drug combination,drug interaction and personalized medication．It could improve rational drug usage,personalized precise medication and prognosis of patient．Conclusion Research for big data is on the preliminary stage．Solutions based on big data are effective way to promote the development of clinical pharmacy subject,to improve clinical pharmacy service quality,and it is an important method to expand fields for clinical pharmacists．Meanwhile,it proposed higher professional requirement for clinical pharmacists．

big data;clinical pharmacist;clinical pharmacy

R969；TP391

A

1006－4931(2017)19－0001－04

10．3969 ／j．issn．1006 － 4931．2017．19．001

杨谨成，男，主管药师，研究方向为临床药学、药物评价，（电话）010 － 87788581（电子信箱）Yangjc＠ cicams．ac．cn。

2017－02－08；

2017－07－14)