大數(shù)據(jù)時(shí)代的循證醫(yī)學(xué)論文循證醫(yī)學(xué)〔EvidenceBasedMedicine，EBM〕是一門重視證據(jù)制作的學(xué)科，其基礎(chǔ)是數(shù)理統(tǒng)計(jì)學(xué)，它要求隨機(jī)對(duì)照實(shí)驗(yàn)(RandomizedControlledTrail，RCT)的樣本及環(huán)境一致。在現(xiàn)有條件下，由于樣本的差異性和稀少性，很難知足EBM的RCT要求。例如，要到達(dá)敏感度90%、特異度85%、顯著水平0.05、允許誤差0.05，需要采集的正負(fù)樣本分別達(dá)552例及783例。為了彌補(bǔ)樣本缺少而導(dǎo)致的證據(jù)可信問(wèn)題，Meta分析試圖綜合不同研究人員的研究結(jié)果。但是，樣本的時(shí)空及環(huán)境差異仍然使Meta分析結(jié)果備受質(zhì)疑。只要在同一時(shí)間同一地區(qū)大量采集樣本，才有可能知足RCT隨機(jī)對(duì)照實(shí)驗(yàn)的樣本要求。RCT樣本問(wèn)題可望在大數(shù)據(jù)時(shí)代得到解決，隨著泛在隨時(shí)采集樣本的大數(shù)據(jù)時(shí)代的到來(lái)，以及不間斷采集醫(yī)療數(shù)據(jù)的可佩戴設(shè)備出現(xiàn)，樣本數(shù)據(jù)的稀缺等問(wèn)題將隨巨量數(shù)據(jù)消失。而隨著新型大數(shù)據(jù)分析挖掘工具的出現(xiàn)，十分是深度學(xué)習(xí)技術(shù)的不斷發(fā)展和應(yīng)用，證據(jù)及其結(jié)論的準(zhǔn)確可信性必將大大提高。目前，深度學(xué)習(xí)識(shí)別5749個(gè)人臉的精度已達(dá)99.15%，其準(zhǔn)確程度已經(jīng)超過(guò)人眼和大腦。因而，深度學(xué)習(xí)必將為循證醫(yī)學(xué)帶來(lái)一場(chǎng)新的革命。本文將分析循證醫(yī)學(xué)在數(shù)據(jù)證據(jù)獲取、分析、制作等方面所面臨的挑戰(zhàn)，介紹醫(yī)療大數(shù)據(jù)時(shí)代的數(shù)據(jù)采集、整合、分析和處理方法，介紹面向醫(yī)療大數(shù)據(jù)的深度學(xué)習(xí)技術(shù)自動(dòng)提取疾病特征的原理和方法，以及醫(yī)療大數(shù)據(jù)及基于云計(jì)算的深度學(xué)習(xí)對(duì)循證醫(yī)學(xué)所帶來(lái)的各種變革。面向大數(shù)據(jù)的深度學(xué)習(xí)將特征提取與決策分析經(jīng)過(guò)合二為一，大大降低了醫(yī)生在臨床及醫(yī)學(xué)研究中應(yīng)用循證醫(yī)學(xué)的勞動(dòng)強(qiáng)度。結(jié)合醫(yī)療大數(shù)據(jù)、云計(jì)算和深度學(xué)習(xí)的循證醫(yī)學(xué)，將克制過(guò)去數(shù)據(jù)證據(jù)稀少、偏頗、失信、不公、過(guò)時(shí)等缺少，將具有愈加廣闊的推廣應(yīng)用前景和發(fā)展動(dòng)力。1循證醫(yī)學(xué)與數(shù)據(jù)證據(jù)循證醫(yī)學(xué)，簡(jiǎn)之就是“遵循證據(jù)的醫(yī)學(xué)〞，又被稱為實(shí)證醫(yī)學(xué)。循證醫(yī)學(xué)重視醫(yī)生的臨床經(jīng)歷，即傳統(tǒng)意義上的經(jīng)歷醫(yī)學(xué)，同時(shí)又強(qiáng)調(diào)診斷、治療等決策應(yīng)在臨床證據(jù)最為符合病癥的基礎(chǔ)上作出[1]。在循證醫(yī)學(xué)的創(chuàng)立、發(fā)展與傳播方面，英國(guó)的科克倫(ArchiebaldL.Cochrane)、美國(guó)的費(fèi)恩斯坦〔AlvanR.Feinstein〕以及薩克特〔DavidL.Sackett〕做出了重大奉獻(xiàn)，成為循證醫(yī)學(xué)的奠基人?？瓶藗悘?qiáng)調(diào)大規(guī)模隨機(jī)臨床試驗(yàn)的重要性。他以為只要在大規(guī)模臨床試驗(yàn)中使用隨機(jī)分組策略，才能避免因樣本分組而產(chǎn)生的選擇性偏差，保持對(duì)照組和試驗(yàn)組樣本的背景因素平衡，進(jìn)而才能做出最終正確的比擬與評(píng)價(jià)。他建議及時(shí)將切實(shí)醫(yī)學(xué)證據(jù)傳播給使用者，接受專家評(píng)估并對(duì)可信度進(jìn)行適當(dāng)分級(jí)，以使醫(yī)學(xué)證據(jù)能被及時(shí)整理、歸納與更新。費(fèi)恩斯坦奠定了現(xiàn)代流行病學(xué)的數(shù)理統(tǒng)計(jì)與邏輯基礎(chǔ)。從1970年到1981年，他在美國(guó)〔臨床藥理學(xué)與治療學(xué)〕雜志〔ClinicalPharmacologyandTherapeutics〕上，以“臨床生物統(tǒng)計(jì)學(xué)〞〔ClinicalBiostatistics〕為題連續(xù)發(fā)表了57篇論文，將數(shù)理統(tǒng)計(jì)學(xué)和邏輯學(xué)導(dǎo)入到臨床流行病學(xué)，科學(xué)系統(tǒng)地建立了臨床流行病學(xué)的有關(guān)理論體系。薩科特則為循證醫(yī)學(xué)的傳播與發(fā)展做出了宏大奉獻(xiàn)。他發(fā)起并主編了與循證醫(yī)學(xué)有關(guān)的兩本著名雜志：〔美國(guó)內(nèi)科醫(yī)師學(xué)會(huì)雜志俱樂(lè)部〕和〔循證醫(yī)學(xué)〕。1997年，他還主編出版了〔循證醫(yī)學(xué)〕一書，該書被譯為多種文字并在世界上廣為傳播。正是在〔美國(guó)內(nèi)科醫(yī)師學(xué)會(huì)雜志俱樂(lè)部〕上，加拿大蓋亞特(rdonH.Guyatt)于1991年初次提出了循證醫(yī)學(xué)一詞[3]。從循證醫(yī)學(xué)與數(shù)理統(tǒng)計(jì)和邏輯學(xué)的淵源，便能夠看出循證醫(yī)學(xué)注重證據(jù)的內(nèi)涵。它是一門非常強(qiáng)調(diào)證據(jù)制作的學(xué)科，同時(shí)又非常重視醫(yī)學(xué)證據(jù)的傳播和評(píng)估，這正是它區(qū)別于以往醫(yī)學(xué)的特點(diǎn)。通過(guò)評(píng)估產(chǎn)生可信證據(jù)，通過(guò)傳播發(fā)揮證據(jù)價(jià)值。醫(yī)生在診斷與治療經(jīng)過(guò)中，不僅基于經(jīng)歷直觀判定，而且結(jié)合證據(jù)科學(xué)決策，愈加客觀地進(jìn)行診斷與治療。短短十多年的時(shí)間，在世界各國(guó)醫(yī)學(xué)研究與臨床實(shí)踐中，循證醫(yī)學(xué)得到了廣泛深化的應(yīng)用。科克倫最初創(chuàng)立的世界循證醫(yī)學(xué)協(xié)作網(wǎng)已經(jīng)包括約50個(gè)專業(yè)協(xié)作小組，所收集的醫(yī)療證據(jù)幾乎覆蓋所有臨床醫(yī)學(xué)領(lǐng)域。1996年，我們國(guó)家華西醫(yī)科大學(xué)建立了中國(guó)循證醫(yī)學(xué)中心，并于1999年正式參加世界循證醫(yī)學(xué)協(xié)作網(wǎng)；2001年，中國(guó)循證醫(yī)學(xué)中心開創(chuàng)辦理了〔循證醫(yī)學(xué)〕雜志，發(fā)表在各類雜志的循證研究論文達(dá)45842篇。但是，循證醫(yī)學(xué)也有其面臨的問(wèn)題，如對(duì)證據(jù)進(jìn)行科學(xué)評(píng)價(jià)等問(wèn)題。臨床證據(jù)目前還沒(méi)有完好、科學(xué)的定義，證據(jù)評(píng)價(jià)標(biāo)準(zhǔn)及推薦級(jí)別尚未完全統(tǒng)一，不同國(guó)家不同疾病的證據(jù)質(zhì)量分級(jí)不盡一樣。而且，隨著人類對(duì)疾病認(rèn)識(shí)的加深以及診療手段的革新，評(píng)價(jià)標(biāo)準(zhǔn)還會(huì)隨這些因素的變化而變化。循證醫(yī)學(xué)的基礎(chǔ)是數(shù)理統(tǒng)計(jì)學(xué)，要求RCT的實(shí)驗(yàn)樣本及環(huán)境一致，以便排除個(gè)體差異及環(huán)境干擾，但這在現(xiàn)有條件下近乎不可能實(shí)現(xiàn)。號(hào)稱大規(guī)模隨機(jī)對(duì)照實(shí)驗(yàn)的樣本偏少，對(duì)照組和試驗(yàn)組難有條件一致的個(gè)體，環(huán)境隨時(shí)間空間變化造成實(shí)驗(yàn)對(duì)照控制困難。目前，大規(guī)模的醫(yī)學(xué)樣本采集困難，幾百個(gè)樣本已經(jīng)算是比擬大的樣本了；而根據(jù)統(tǒng)計(jì)理論如要到達(dá)90%的敏感度，至少需要約1300個(gè)的數(shù)據(jù)樣本。為了克制RCT樣本缺少的問(wèn)題，Meta分析方法得到了廣泛應(yīng)用：通過(guò)綜合已有研究多個(gè)樣本集的結(jié)果，能夠推得大規(guī)樣子容貌本集的綜合結(jié)果。Meta分析獲得了很多有價(jià)值的研究成果，但是，Meta分析的基礎(chǔ)也是數(shù)理統(tǒng)計(jì)學(xué)，其運(yùn)用的前提是樣本及實(shí)驗(yàn)環(huán)境一致，正是在這一點(diǎn)上它備受質(zhì)疑。首先，不同樣本集的權(quán)重控制難于完全公正，由于其實(shí)驗(yàn)環(huán)境難于恰當(dāng)評(píng)價(jià)和把控，實(shí)驗(yàn)結(jié)果難免有過(guò)度包裝和偏頗之嫌。Meta分析存在的另一個(gè)問(wèn)題是：它所依靠的數(shù)據(jù)往往不是最新的即時(shí)案例，制作的證據(jù)可能因環(huán)境與氣候的變化而失去應(yīng)用價(jià)值?？傊?，循證醫(yī)學(xué)所面臨的問(wèn)題包括：證據(jù)的稀缺性、偏倚性、可靠性、及時(shí)性、公正性，以及環(huán)境的一致性等方面的問(wèn)題。由于證據(jù)的一致性和及時(shí)性存在問(wèn)題，基于歷史數(shù)據(jù)進(jìn)行Meta分析備受質(zhì)疑。2014年，〔英國(guó)醫(yī)學(xué)雜志〕在名為〔循證醫(yī)學(xué)接近破產(chǎn)〕的文章中指出[5]：循證醫(yī)學(xué)的證據(jù)屬于間接證據(jù)，基礎(chǔ)建立在已經(jīng)發(fā)表的研究文獻(xiàn)上，利益沖突容易影響證據(jù)的公正性，證據(jù)環(huán)境與臨床決策環(huán)境存在距離；循證醫(yī)學(xué)助長(zhǎng)了過(guò)度診斷、過(guò)度治療，并可能存在淪落為利益集團(tuán)代言人的危險(xiǎn)。2大數(shù)據(jù)對(duì)循證醫(yī)學(xué)的影響大數(shù)據(jù)〔Bigdata〕又稱巨量或海量數(shù)據(jù)，是指數(shù)據(jù)規(guī)模宏大以致在合理時(shí)間內(nèi)，無(wú)法通過(guò)當(dāng)前主流軟件工具，獲取、處理、分析以便決策的構(gòu)造復(fù)雜的數(shù)據(jù)[6]。大數(shù)據(jù)如下具有4V特點(diǎn)：Volume〔巨量〕、Velocity〔瞬速〕、Variety〔多樣〕、Value〔價(jià)值〕。巨量是指已經(jīng)不能再用GB〔即1024MB〕和TB〔即1024GB〕為單位，來(lái)衡量大數(shù)據(jù)的存儲(chǔ)容量或規(guī)模，而要以PB〔即1024TB〕、EB〔即1024PB〕乃至ZB〔即1024EB〕為單位來(lái)計(jì)量數(shù)據(jù)容量。在巨量的醫(yī)療大數(shù)據(jù)中，各種條件的樣本都會(huì)存在，因而，證據(jù)的稀缺已經(jīng)不是問(wèn)題。瞬速是指兼具方向的快速變化，即數(shù)據(jù)隨時(shí)間和空間快速變化。大數(shù)據(jù)中的樣本通常是全空間的、多維度的、全時(shí)間的及瞬時(shí)變化的。由于大數(shù)據(jù)地域環(huán)境廣，數(shù)據(jù)樣本量宏大、正反樣本齊全，證據(jù)的“制作〞已不再必要，而是隨時(shí)隨地客觀地存在。瞬速性通過(guò)可佩戴健康監(jiān)測(cè)設(shè)備具體表現(xiàn)出，這為及時(shí)獲取病患信息提供了極大便利。多樣是指數(shù)據(jù)的種類繁多、構(gòu)造復(fù)雜、因果并存、甚至同一數(shù)據(jù)表現(xiàn)出不同形式。數(shù)據(jù)的多樣性對(duì)數(shù)據(jù)的理解和分析是一個(gè)宏大挑戰(zhàn)，但同時(shí)也為樣本分析結(jié)果的驗(yàn)證帶來(lái)便利。因而，在醫(yī)療大數(shù)據(jù)環(huán)境下，不僅隨時(shí)能夠采集樣本進(jìn)行分析處理，還能對(duì)分析得到的結(jié)果馬上進(jìn)行驗(yàn)證，進(jìn)而能夠保證醫(yī)學(xué)證據(jù)的可靠與可信。價(jià)值是指相比小規(guī)模、歷史數(shù)據(jù)而言，大數(shù)據(jù)具有更高的研究和使用價(jià)值。由于任意時(shí)刻任意地點(diǎn)都有大量樣本，樣本的稀缺性和及時(shí)性已經(jīng)不是問(wèn)題，這為醫(yī)學(xué)研究掃清了采樣障礙；同時(shí)由于樣本豐富冗余多樣，也為研究結(jié)果的驗(yàn)證提供了便利；大數(shù)據(jù)除具有巨量歷史數(shù)據(jù)外，還有不同地域環(huán)境的巨量即時(shí)數(shù)據(jù)，這使循證決策更具應(yīng)用價(jià)值和時(shí)效性。大數(shù)據(jù)將首先改變醫(yī)學(xué)數(shù)據(jù)的采集方式。大數(shù)據(jù)的構(gòu)成往往依靠自動(dòng)采集技術(shù)，隨著可佩戴監(jiān)測(cè)設(shè)備如iWatch等的出現(xiàn)，醫(yī)學(xué)數(shù)據(jù)的采集及積累速度將出現(xiàn)爆炸性的增長(zhǎng)。以往的數(shù)據(jù)同大數(shù)據(jù)相比，好像滄海之一粟。且以往的數(shù)據(jù)往往靠手工采集完成，普遍存在稀缺、偏倚、可靠、及時(shí)、公正等問(wèn)題，這樣采集的證據(jù)必然會(huì)影響醫(yī)學(xué)研究的結(jié)論。基于手工證據(jù)進(jìn)行決策，其結(jié)論未必準(zhǔn)確及時(shí)公正可靠。醫(yī)療大數(shù)據(jù)不間斷地在不同地點(diǎn)同時(shí)采集，不僅包含歷史數(shù)據(jù)以及即時(shí)數(shù)據(jù)，甚至還可能包含將來(lái)需求信息，例如，ogle就是通過(guò)人們對(duì)感冒藥品的搜索來(lái)預(yù)測(cè)流感的。大數(shù)據(jù)的出現(xiàn)將改變醫(yī)學(xué)數(shù)據(jù)的管理方式。在網(wǎng)絡(luò)數(shù)字化高度發(fā)達(dá)的今天，盡管已經(jīng)出現(xiàn)了電子病歷，但紙張病歷在數(shù)據(jù)管理中仍然重要。然而，紙張病歷有其固有缺陷，如容易破損或丟失、整理歸檔的周期過(guò)長(zhǎng)、借閱的時(shí)間成本極高、研究采樣的工作量宏大等等。伴隨大數(shù)據(jù)出現(xiàn)的數(shù)據(jù)融合技術(shù)能將不同醫(yī)院的電子病歷整合在一起，并同可佩戴健康監(jiān)測(cè)設(shè)備的數(shù)據(jù)及時(shí)集成，大大減少了電子病歷的整理、借閱和數(shù)據(jù)采集時(shí)間，這不僅對(duì)病人的疾病診斷和預(yù)警監(jiān)控愈加有利，同時(shí)也對(duì)醫(yī)生的臨床及醫(yī)學(xué)研究更有幫助。通過(guò)語(yǔ)音和可視眼鏡等現(xiàn)代化的數(shù)據(jù)閱讀設(shè)備，醫(yī)生在查房間隙就能獲知下一病人既往病情，進(jìn)而能大大減少醫(yī)生的勞動(dòng)強(qiáng)度，使醫(yī)生有更多時(shí)間治療病人，有更多的時(shí)間進(jìn)行醫(yī)學(xué)研究。大數(shù)據(jù)的出現(xiàn)將改變醫(yī)學(xué)數(shù)據(jù)的分析方式。以往在收集樣本數(shù)據(jù)以后，通常使用SAS或SPSS等軟件，對(duì)采集的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)相關(guān)病因或建立決策模型。這些軟件受計(jì)算能力及內(nèi)存容量的限制，只能處理樣本量不大的數(shù)據(jù)，并且處理的數(shù)據(jù)維數(shù)有限，例如，SPSS不能超過(guò)40維，而醫(yī)療大數(shù)據(jù)的維數(shù)成千上萬(wàn)。通過(guò)手工或統(tǒng)計(jì)軟件的計(jì)算方法，將無(wú)法知足醫(yī)療大數(shù)據(jù)的分析需要。當(dāng)維數(shù)超過(guò)30個(gè)致病因素時(shí)，可能要考慮230種因素組合，普通統(tǒng)計(jì)軟件已無(wú)法計(jì)算和處理，必須依靠?jī)?nèi)存及速度“無(wú)限〞的云計(jì)算。必須研究與開發(fā)基于大數(shù)據(jù)和云計(jì)算的分析與挖掘技術(shù)如深度學(xué)習(xí)技術(shù)，使其能夠自動(dòng)完成高維病因數(shù)據(jù)的分析與主要病因的提取。總之，醫(yī)療大數(shù)據(jù)的采集、整合、分析、處理、研究完全靠人工完成已極其困難，沒(méi)有利用云計(jì)算的統(tǒng)計(jì)分析軟件也難于完成醫(yī)療大數(shù)據(jù)的分析和處理。在大數(shù)據(jù)時(shí)代，必須借助深度學(xué)習(xí)等技術(shù)完成醫(yī)療大數(shù)據(jù)的分析和挖掘。雖然醫(yī)療大數(shù)據(jù)能夠彌補(bǔ)數(shù)據(jù)樣本的缺少和不公，但只要借助更為先進(jìn)的分析工具和軟件，才能為循證醫(yī)學(xué)帶來(lái)進(jìn)一步的變革和發(fā)展。3大數(shù)據(jù)對(duì)循證醫(yī)學(xué)的變革證據(jù)制作是循證醫(yī)學(xué)的核心，證據(jù)能為醫(yī)生的診治提供參照，因而，循證醫(yī)學(xué)得到了快速發(fā)展。但是，矛盾、偏頗、過(guò)時(shí)的證據(jù)也使循證醫(yī)學(xué)備受質(zhì)疑。首先是證據(jù)及其結(jié)論存在大量的矛盾，使人們對(duì)循證醫(yī)治的結(jié)果產(chǎn)生懷疑；其次是證據(jù)偏頗使其成為利益代言人的工具；其三是證據(jù)時(shí)過(guò)境遷使醫(yī)治達(dá)不到預(yù)期效果。而醫(yī)療大數(shù)據(jù)的出現(xiàn)恰好能夠彌補(bǔ)以往證據(jù)采集與制作的缺少。首先，醫(yī)療大數(shù)據(jù)使證據(jù)的稀缺問(wèn)題得到解決；其次，隨大數(shù)據(jù)廣泛聚集的醫(yī)生及病人評(píng)價(jià)，可有效避免證據(jù)成為利益代言人的工具；其三，可穿戴等自動(dòng)采集設(shè)備可保證證據(jù)的時(shí)效性。這將有助于循證醫(yī)學(xué)同中醫(yī)的結(jié)合。中醫(yī)的治療經(jīng)過(guò)通常比西醫(yī)長(zhǎng)，其證據(jù)采集及療效評(píng)估存在很大問(wèn)題，而隨著可穿戴健康監(jiān)測(cè)設(shè)備等技術(shù)的發(fā)展，長(zhǎng)期持續(xù)采集治療證據(jù)及療效將不再困難，進(jìn)而有助于循證醫(yī)學(xué)在中醫(yī)等領(lǐng)域發(fā)展壯大。此外，隨大數(shù)據(jù)興起的先進(jìn)數(shù)據(jù)分析與挖掘技術(shù)，將對(duì)循證醫(yī)學(xué)起到宏大的推進(jìn)作用。臨床決策分析評(píng)價(jià)是確定循證治療方案的關(guān)鍵步驟，現(xiàn)有的決策分析評(píng)價(jià)模型包括決策樹、Markov經(jīng)過(guò)等一系列模型，這些模型在面臨高維大數(shù)據(jù)時(shí)力不從心，難于繼續(xù)提供較高的決策精度，使醫(yī)生對(duì)醫(yī)治方案能否有效失去自信心。隨著大數(shù)據(jù)深度學(xué)習(xí)技術(shù)的出現(xiàn)，病因的分析和提取已完全自動(dòng)化，且大大降低了建立決策分析模型的工作量，提高了治療方案的決策精度。對(duì)于任何疾病診治方案，考慮的疾病致病因素越多，即證據(jù)或特征維數(shù)越多，得到的參考信息就越多，診治的準(zhǔn)確性就會(huì)相應(yīng)提高。但是，醫(yī)生在碰到大量高維的證據(jù)數(shù)據(jù)時(shí)，往往面臨從中選擇少數(shù)有效證據(jù)的難題。例如，假定要考慮30個(gè)致病因素或檢驗(yàn)指標(biāo)，建立決策模型就要考慮230種因素組合，從中挑選一個(gè)最優(yōu)因素組合作為模型輸入的工作量是宏大的。因而，要得到由若干最優(yōu)證據(jù)構(gòu)建的最佳決策分析模型，醫(yī)生們所投入的研究精神可想而知。挑選最優(yōu)因素組合是醫(yī)生們最費(fèi)精神的工作，目前這項(xiàng)工作能夠被深度學(xué)習(xí)自動(dòng)完成了。深度學(xué)習(xí)最早由Hinton等人在2006年提出，它是一種無(wú)監(jiān)督的特征學(xué)習(xí)和提取技術(shù)，它通過(guò)低層特征的組合構(gòu)建愈加抽象的高層特征。2012年，Lecun等人利用卷積神經(jīng)網(wǎng)絡(luò)真正實(shí)現(xiàn)了高效的多層深度學(xué)習(xí)。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)只要單向認(rèn)知經(jīng)過(guò)，通常只包含一個(gè)隱含層，因?qū)訑?shù)較少而被稱為淺層學(xué)習(xí)。深度學(xué)習(xí)則包含認(rèn)知和生成兩個(gè)經(jīng)過(guò)，并且每個(gè)經(jīng)過(guò)都包含多個(gè)隱含層，其模型的總體框架如此圖1的虛框部分所示。如此圖1所示，深度學(xué)習(xí)的“輸入層〞能夠理解為各種致病因素以及各種檢查化驗(yàn)結(jié)果，例如遺傳環(huán)境因素以及肝功全套指標(biāo)等；自底向上的箭頭表示認(rèn)知經(jīng)過(guò)，自頂向下的箭頭表示生成經(jīng)過(guò)，即深度學(xué)習(xí)由兩個(gè)互逆的經(jīng)過(guò)構(gòu)成；認(rèn)知權(quán)重向量WnT和生成權(quán)重向量Wn表示深度模型的知識(shí)。原始“輸入層〞經(jīng)“隱含層H0〞認(rèn)知得到輸出，輸出又經(jīng)“隱含層h0〞生成得到新“輸入層〞，假如原始“輸入層〞和生成的“輸入層〞完全一致，則講明認(rèn)知產(chǎn)生的輸出是完全正確的。根據(jù)信息論的有關(guān)理論，學(xué)是會(huì)產(chǎn)生損失，新舊輸入不可能完全一致。因而，只要兩者近乎一致就能夠了。認(rèn)知和生成權(quán)重同隱含層的每個(gè)輸出相關(guān)聯(lián)，wake-sleep深度學(xué)習(xí)算法用于雙向調(diào)節(jié)權(quán)重：(1)利用下層輸入和認(rèn)知權(quán)重向量WiT產(chǎn)生輸出表示，然后使用梯度下降法調(diào)節(jié)生成權(quán)重向量Wi；〔2〕利用輸出表示和生成權(quán)重向量Wi產(chǎn)生輸入表示，然后使用梯度下降法調(diào)節(jié)認(rèn)知權(quán)重向量WiT。通過(guò)逐層學(xué)習(xí)最終得到頂層的認(rèn)知和生成權(quán)重向量WnT、Wn。在深度學(xué)習(xí)完成后，假如要建立決策分析模型，只需將頂層輸出即自動(dòng)提取的特征，作為分類模型如支持向量機(jī)的輸入，并用類別標(biāo)記如肝硬化分級(jí)訓(xùn)練支持向量機(jī)，就能夠得到用于決策分析的準(zhǔn)確分類模型，分類模型如此圖1的虛框外部所示。2014年，香港中文大學(xué)湯曉鷗教授領(lǐng)導(dǎo)計(jì)算機(jī)視覺(jué)研究組(.hk)，開發(fā)了一個(gè)名為DeepID的深度學(xué)習(xí)模型，在LFW數(shù)據(jù)庫(kù)上識(shí)別5749個(gè)人臉的準(zhǔn)確率已達(dá)99.15%，其精細(xì)和準(zhǔn)確程度已經(jīng)超過(guò)了人眼和大腦。醫(yī)療大數(shù)據(jù)及深度學(xué)習(xí)必將為循證醫(yī)學(xué)帶來(lái)一場(chǎng)新的革命。不僅數(shù)據(jù)缺失、偏頗以及過(guò)時(shí)等問(wèn)題會(huì)被迎刃而解，而且證據(jù)收集、制作以及診治方案的決策都將會(huì)自動(dòng)化，這將擴(kuò)大循證醫(yī)學(xué)在所有領(lǐng)域包括中醫(yī)等領(lǐng)域的應(yīng)用范圍，大大降低醫(yī)生在證據(jù)制作、治療方案決策與療效評(píng)估等方面所付出的精神，推動(dòng)循證醫(yī)學(xué)向更深更廣愈加現(xiàn)代化的方向發(fā)展。4總結(jié)醫(yī)療大數(shù)據(jù)帶來(lái)的變革將是全方位的，它不僅為醫(yī)學(xué)研究和證據(jù)制作帶來(lái)便利，同時(shí)也將促進(jìn)中醫(yī)等替代和補(bǔ)充醫(yī)學(xué)的發(fā)展。作為大數(shù)據(jù)采集的一項(xiàng)關(guān)鍵技術(shù)——便攜式/可佩戴健康數(shù)據(jù)自動(dòng)采集技術(shù)，將大大提高醫(yī)療數(shù)據(jù)采集以及證據(jù)制作的效率，解決中醫(yī)等療效數(shù)據(jù)需要