【弓孟春专栏】是精准的移动医疗，还是移动的精准医疗？

来源：HIT专家网    作者：弓孟春

自互联网技术向各个产业逐步渗透以来，移动医疗产业经历了长期的缓慢成长，终于在2014年开始进入快车道，在中国呈现出百花齐放的局面，正在对中国的临床诊疗、健康管理、医患沟通、疾病预防等多个领域产生深远的影响。而在此基础上，借着分子生物学技术、生物组学技术及大数据技术等快速发展的东风，精准医疗在2015年成为医疗及IT界的新宠儿，吸引了大量的政府资源及社会资本，成为被寄予厚望的未来国民经济增长的引擎。

而对处于医疗健康体系中一线的广大医生和患者而言，移动医疗和精准医疗都是新鲜的事物，对临床工作的影响目前尚不显著。一个罹患乳腺癌的患者，可能通过一些智能手机App进行简单的咨询、预约挂号、付费、随访，也会在特殊的基因突变筛查结果的指导下选用某些特殊的治疗。但归根结底，乳腺外科医生在体格检查时对病变部位的触诊，才是整个医疗服务环节的核心。就这点而言，移动医疗和精准医疗都没有能力取代疾病诊治过程中不可或缺的“药物”：医生对患者的关爱。

然而，正如上段所描述的乳腺癌病人的新的诊疗流程，当今的医生和患者正享受着新技术带来的好处。移动医疗和精准医疗照着各自规划的蓝图向前发展，我们必然会迎来崭新的医疗服务模式。但在二者都方兴未艾的时刻，甚至某些先行者已经遇到发展困境（如移动医疗的盈利模式问题等）时，二者如何结合以实现相互促进？这是站在技术发展及产业拓展前沿的跨领域专家们需要思考和探讨的问题。

结合对中外移动医疗案例及精准医疗案例的分析，笔者认为，二者之间具备解决对方可能面临的困境的核心要素，应该在对未来中国医疗模式及卫生健康产业的发展进行长远规划时即对二者的结合加以规划及引导，从而实现“取长补短，互惠共赢”。

一、移动的精准医疗: Precision medicine that’s Mobile 

精准医疗的理念经过基础研究及临床研究的多年探索，基本被提炼成三大核心要素：与个体差异性相关的数据的最大限度的收集、基于基础研究结果及机器学习所提炼并在系统水平实现的知识及规则、对不同角色设置的实时主动的消息传递机制。对上述的概念略作解释，并就移动医疗技术如何为其提供解决方案进行阐述。

• 与个体差异性相关的数据的最大限度的收集

精准医疗的科研及临床实践均有赖于对与个体差异性相关的数据做“穷尽性”的收集，并以“以患者为中心”的数据结构进行统一。目前认为，除了某些较为少见的单基因遗传病外，大部分的疾病发病原因非常复杂，除个体的基因变异性外，环境因素、行为习惯等等均会产生重要的影响。其中最显著的例子就是目前严重困扰人类的慢性疾病之一：2型糖尿病。尽管科学家使用各类基因组学技术在数十万患者中找出了诸如欧洲人群中的TCF7L2、亚洲人群中的KCNQ 1等基因变异，但单纯依赖这些基因变异数据并不能准确预测个体的发病风险。而在与2型糖尿病发病密切相关的肥胖人群中，FTO这一位点出现纯和的高危等位基因时，代表着该个体可能比FTO位点无高危等位基因的人群平均体重超出2-3kg，效应并不显著。

因而，对于大量的慢性疾病，为了在发病机制、疾病诊治及疾病预防中逐步完善精准医疗的理念，寻找全新的致病机理、治疗靶点及预防方案，需要将环境、行为等多个方面的数据纳入。而这正是移动医疗的优势，移动医疗在患者体征采集、行为偏好、地理位置信息、社交媒体习惯等等方面都是极其重要的数据来源。借助可穿戴设备、智能手机、定位装置、各类社交媒体App及移动医疗App，可以采集既往的医学研究中难以收集整理的数据，为精准医疗的研究及临床诊治提供必要的数据。

从这一方面看，在精准医疗的实现过程中，移动医疗必将扮演极为重要的角色。精准医学的技术架构设计上要具备充分提供战略互操作性的能力。对于基于云的信息传输、大数据分析等技术要在技术上加以保障，避免封闭式的精准医学平台的设计，并对移动医疗行业参与精准医学科研及临床实践设计出激励机制。

此外，需要重点关注的是探索个人隐私保护与信息获取共享之间的平衡点。笔者在之前的讨论中曾提及“精准医学落地中国需要跨越的九个难关”，排在首位的是公众的支持。借助移动医疗渠道获取患者临床及个人其他信息时，需要严格遵循知情同意、隐私保护、匿名化等重要原则，保护患者的权益，维持精准医疗的长期健康发展。

• 基于基础研究结果及机器学习所提炼的、并在系统水平实现的知识及规则

精准医疗为来自文献的基础研究结果与临床应用之间架起了桥梁。但相对于来自严格设计的随机对照研究的结果，来自真实世界（real world）的证据是精准医学能够也必须提取及呈现的内容。这需要使用预测模型及机器学习等技术，将基于基础研究知识设定的发病风险预测、诊断判定、治疗指导、预后分析等模型的参数逐步根据大量来自真实世界的样本和数据进行修正，从而实现个体化的疾病预防和诊疗。

而对于预测模型及机器学习在临床医学中的应用，移动医疗可提供丰富的数据源、基于云端的海量数据运算能力、临床情景各异的诊疗服务模式、医患沟通及患者社群的丰富的人文及社会学信息等等，为精准地刻画个体的健康-疾病状态提供了多维度的度量结果，也为从生活方式、环境影响等方面探索新的疾病治疗方案提供了必要的研究资料。

• 对不同角色设置的实时主动的消息传递机制

移动医疗技术为精准医疗提供信息传递终端，保证知识及规则的定向传递。对于医疗服务提供者而言，未来需要处理海量的精准医学相关信息，借助移动医学提供的终端及呈现方式可以做到事半功倍。而对于患者而言，移动医疗技术不仅可以实时地传递精准医学系统得出的关于药物剂量调整、生活方式改变、危机事件报警等信息，更可通过移动终端设备获得患者的反馈信息、提供及时的随访，从而实现慢性疾病的精细化管理。

二、精准的移动医疗: Mobile healthcare that is Precise

移动医疗产业目前涉及疾病预防、诊断、治疗、药物采购、临床科研等各个方面，在国际国内都呈现如火如荼的发展态势。然而，不可否认的是，移动医疗的发展经过了快速起飞后现在面临严重的瓶颈。其原因，无非在于移动医疗服务难以创造具有刚性需求的盈利点。在这方面，精准医疗可能为移动医疗提供重要的附加价值，从而为移动医疗的发展开拓新局面。

• 提升可穿戴设备数据的价值

可穿戴设备是移动医疗的主要组成部分之一。然而，可穿戴设备采集的数据目前并未能够充分发挥其价值。因为基于硬件厂商的信息采集平台之间缺乏战略互操作性，而平台内对于数据挖掘的能力亦不足。精准医学平台将可穿戴设备数据与其他重要维度度量值结合，可以产生重要的临床应用价值。例如，将过敏性哮喘患者的地理位置信息、环境监测部门提供的颗粒物浓度信息、可移动的峰流速仪监测数据、患者的用药信息、过敏原检测结果等等整合后，可以使用预测模型构建患者吸入抗哮喘药物（如长效吸入beta2受体激动剂、呼吸道用糖皮质激素、白三烯受体拮抗剂等）的剂量调整模型，指导患者用药，改善患者长期预后。这是单一依靠可穿戴设备信息无法实现的。

• 基于精准医学理念及模型的移动医疗服务 

由于单一依靠网络来传递问诊信息及检验结果无法满足临床诊疗的要求，目前，移动医疗在经过了初步探索后，开始回归线上+线下的模式。精准医疗建立在多维度的患者数据集成的基础上，相比于目前简单的移动医疗模式，可以提供更为完善的疾病评估体系，从而在适当的情况下提供可能的临床诊疗意见。例如，一旦二代或三代测序技术将全外显子测序的成本控制在大众可接受的范围内，对于这些信息的解读就可以通过基于云端的移动医疗解决方案来实现。而借助移动医疗所采集的位置、环境、生活方式、可穿戴设备、社交媒体等信息，可以将基因组数据中隐含的临床意义得以挖掘，为用户创造价值。例如，对于携带与肥胖相关的SNP的个体，如果结合可穿戴设备关于运动量的评估、饮食及生活方式等评价，可以得出更为有效的风险评估，创造新的医疗服务模式。

结语

综上所述，移动医疗是精准医疗不可或缺的有机组成部分，精准医疗则为移动医疗的发展开创全新的局面，提升其应用价值。中国目前处在移动医疗发展的关键时期，大量的初创公司挣扎在资本耗竭而难以盈利的困境中。为移动医疗的数据增加附加价值是解决这一问题的关键。另一方面，中国的精准医疗发展需要依赖移动医疗发挥核心的推动作用，精准医疗的平台设计必须具备足够的战略互操作性，最大限度利用移动医疗技术和工具来采集数据、呈递知识和传递消息，避免单中心封闭的模式。二者互相促进，中国的医疗健康产业才能借助“互联网+”的东风实现新的腾飞，在疾病预防、临床诊疗及科学研究方面实现跨越式的发展。

个人简介：

弓孟春：医学博士，2011年毕业于北京协和医学院（临床医学八年制专业），在北京协和医院内科接受并完成内科住院医师培训,期间从事儿童肾脏病学研究，并赴加州大学旧金山分校（UCSF）任访问学者。

 

2015年初加入InterSystems任Physician Executive，负责市场拓展、产品设计规划、临床支持及用户培训等工作，构建InterSystems与医院及医护人员之间的良性互动及高效协作。

 

【责任编辑：沈媛巧】