张家杰教授：转化医学数据，驱动人类健康

来源：HIT专家网     作者：休斯顿生物医学信息学院院长 张家杰教授

休斯顿生物医学信息学院（SBMI，https://sbmi.uth.edu）是隶属德州大学休斯敦健康科学中心（UTHealth）的一个学术机构，是德州唯一授予生物医学信息学学位的院校，是全美唯一独立的生物医学信息学学院，也是全美最大的同类机构之一。SBMI在过去的几年（2013年至2018年）发展迅速，注册学生和教职员工都增至3倍。截至2018年，我们有50名正式在编教师、58名兼职教师和约300名研究生。

“转化医学数据，驱动人类健康（Transforming Data to Power Human Health）”是我们的愿景，它激励着我们所有人成为未来健康和医疗保健领域的引领者。

SBMI的使命是：收集、处理和转换从分子水平到群体水平的各种数据，把它们转化成实用的信息、知识和智能；培养面向德州、全美乃至全世界的当前和未来的领导、创新和解决实际问题的人才；通过开展出色的基础和应用研究，颠覆、转化和创新生物医学研究、医疗保健及预防疾病，并开发颇具影响力的信息技术产品和解决方案。

生物医学信息学是一个高度跨学科的领域，涉及临床科学及实践（医疗、护理、牙科、药学和群体健康等）、公共及社区健康、计算机及科学工程（包括人工智能和机器学习）、数学及生物统计学、认知科学、社会及行为科学、医疗管理以及健康IT政策和法律。生物医学信息学研究数据的获取、存储、传输、处理、整合、分析、挖掘、检索、解释和呈现，以及如何将数据（无意义的符号）转换成信息（经过解释的数据）、知识（经过验证的信息）以及智能（可以实际使用的知识），以解决生物医学发现、医疗保健服务和疾病预防等方面的问题。

数据科学是因最近大数据蓬勃发展而在其他领域和行业涌现出来的一个新术语。从本质上讲，数据科学就是信息学，而生物医学和医疗保健领域的数据科学就是已有长远历史的生物医学信息学。

生物医学信息学领域有许多职位空缺，还在不断发展壮大。该领域的职业包括电子病历实施及管理、信息管理、数据分析（描述性分析和预测性分析）、人工智能及机器学习、远程医疗、基因组测试及诊断、精准个性化医疗、移动联网健康、医疗质量分析及报告以及健康保险数据分析等。

德州医学中心拥有丰富的生物医学和医疗保健专长、知识和技能，集中了全球最顶尖的一流人才。SBMI在这个独特的环境里提供硕士和博士学位（研究型哲学博士PhD及实践型健康信息学博士DHI）教育，还提供研究生证书教育。由于信息学大范围地应用在德州大学休斯顿健康科学中心（UTHealth）的许多临床和研究机构以及周边德州医学中心的另外50多个医疗保健和研究机构，学生们有很多参与信息学研究及应用的机会。学生们在想方设法解决各种生物医学信息学问题时，可以与活跃于研究领域的素质卓越、经验丰富的教师进行交流。通过多个研究联盟和中心，学生可与最出色的人才专家进行互动，比如国家认知信息学和医疗决策中心、墨西哥湾卫生IT推广中心、墨西哥湾定量生物医学科学联盟、计算生物医学中心、精准卫生中心、计算系统医学中心、健康数据隐私和表现型分析中心、癌症基因组学研究中心、数据科学和信息学癌症研究中心、临床与转化科学中心以及预防人类疾病分子医学研究所。

我们的证书研究生班学生和硕士生将侧重于学习知识的应用，深入学习生物医学信息学和健康信息技术，并用以改善生物医学发现和医疗保健服务。研究型博士生将与众多生物医学信息学科的知名研究人员合作，获取新知识、促进学科发展，并开拓新的领域，比如着眼于未来几代人的转化生物信息学、精准医学以及健康大数据分析。SBMI的最新应用型博士学位（DHI）让学生们有机会在领导者层面解决实际问题，并为医疗机构提供信息学解决方案。

我们学院的师生来自众多的健康专业（医疗、护理、药学和公共卫生等）、基础科学、生物医学科学、计算机科学、计算机工程、生物医学工程、数学及统计学、医疗保健管理、认知科学和社会科学。学校的教学和研究课程具有“跨学科”的特性，有助于培养独特而有成绩的学生，并带来突破性的发现。全院师生致力于为医疗保健服务和生物医学发现做出突破性的贡献。这包括发明和评估获取、存储、整合、访问、呈现、利用和检验医疗保健及生物医学数据、信息、知识和智能的新方法。SBMI正在探究基因组学与临床护理之间的关系，为医疗保健质量和安全开发大数据分析方法，并率先开发用于电子病历系统的未来功能和模块。我们的师生在发现现有药物的新功能，同时通过借助机器学习算法，利用自然语言处理和数据挖掘技术来分析处理电子病历和医学文献，以监测和检测药物之间潜在的不良反应。在利用健康数据改善医疗管理的同时，SBMI师生可以开发为偏远地区提供健康信息的移动平台。

我们学校开展的研究工作有助于发现促进社会互动的新方法和新工具，从而促进健康预防和公共卫生。人工智能和深度学习算法用于绘制基因型和表现型，用于检测帕金森病、精神疾病和影像诊断的计算生物标志。使用递归神经网络模型的深度学习可以帮助解决困扰了医学专业人员几十年的棘手的预测问题。生物统计学方法和统计机器学习有助于查明癌症及其他疾病的基因组基础。另外我们还在开发高级加密算法，以保护患者数据的安全性和隐私性。SBMI在教育技术平台的使用方面也积极创新，在彻底改变培养生物医学科学家和医疗保健专业人士的个性化的在线教育和学习环境。

如果这是您在寻找的那种挑战和学习环境，那么请加入我们，成为明日信息学领导者的一员。计算机领域的先驱艾伦•凯（Alan Kay）说过：“预测未来的最好方法就是发明未来。”请帮助我们发明医疗保健服务、疾病预防和生物医学研究的未来。

请记住，我们SBMI的愿景是：“转化医学数据，驱动人类健康。”

想加入HIT专家网专业交流群？请添加“HIT专家网”小助手微信好友后提交你的申请哦

（请注明姓名、单位名称、职务、主管技术或产品领域，以便有针对性加群交流）

【责任编辑：谭啸】