Article Info

伴随信息技术的飞速发展，临床科研研究、医药研发等医学领域逐渐与信息技术相挂钩，并产生大量信息数据，促进生物医学往大数据方向发展。为此，在大数据环境下，怎样应用、储存、分析与发挥临床数据则成为医学人员主要探究的问题之一。医学信息学属于交叉性学科，在医学数据的利用、分析中具有一定的优势[1]。但在大数据背景下，传统的数据处理方式已难以满足数据信息的需求，故医学信息学发展受到极大挑战。

1 大数据时代背景

托夫勒曾表明大数据时代即将到来，并影响着数据信息的存储、应用与管理[2]。而国外研究则对数据洪流所面临的挑战进行分析，并做出相关的技术报告，即大数据对未来信息的影响，对各个领域的应用技术等做出详细分析，并受到各个领域的关注与探究。2012年维克托·迈尔-舍恩伯格等虽对大数据的思维、商业及管理变革进行探究，但大数据的基本定义还未得到统一论证。麦肯锡认为，大数据是超过常规数据库的存储、分析与应用的数据集，并强调超过设定TB级的数据集不一定就是大数据[3]。部分研究机构及人员则认为，大数据属于信息资产，需经过新的处理模式后才能发挥其价值。若从数据类型分析，大数据则主要指无法采用传统处理工具及传统流程来分析的大型数据。当前，大数据主要存在数据量体巨大、类型繁多、处理迅速、价值密度低的特征。而部分研究人员则将其特征进行拓展，认为大数据还应包括数据有效性、数据可视化与真实性特征。

2 生物医学大数据与医学信息学的关系

随着全球医疗信息技术的不断完善与发展，生物医学数据信息也得到不断提升。大量的医学数据均来源于各种药物的研究数据、电子病历影像数据等。而生命科学基础研究的深入发展与变化，使生物医学逐渐往数据驱动与实验科学相结合的趋势发展。因此，在大数据环境下，生物医学需面临更大的挑战与机遇。只有将生物医学与信息技术有机结合与互动，才能实现海量数据的有效应用[4]。而医学信息学是在信息技术与生物医学的应用下所产生学科，作为一门交叉性学科，可将生物医学所产生的数据进行收集、储存与利用，以作为临床诊疗、卫生管理的决策与分析的科学依据。对此，生物医学数据及其信息是医学信息学的主要研究对象，可通过信息技术的方式，对生物医学数据存在科学规律及价值进行分析与应用。

3 大数据环境背景下医学信息学教育的主要变革

3.1 医学信息学教育将以实现大数据的应用价值为新目标

在《大数据时代》[5]一书中，维克托·迈尔-舍恩伯格曾提出：在大数据时代背景下，数据原有的用途价值将转变为未来潜在用途。而数据价值的极大转变、数据及访问者的方式等均可影响公司原有的商业模式，并对公司使用数据的方式、部门组织等造成影响。由此可知，拥有大量的数据并不是最终的目标，而是需要研究人员不断的从大量数据中提取最为真实的数据，继而实现生物医学大数据的应用价值；进而将这些数据广泛应用于医疗诊治、医学研究、医学教育中。生物医学大数据与各医学领域具有紧密联系性，可涉及多个方面，如公共卫生、药物研发、医疗费用、临床诊治、医疗环境以及人类遗传学等。而要想在各医学领域中发挥医学信息学的价值，展开有效的生物医学大数据试验，并利用大数据推动人类医疗事业的发展，就应发挥医学信息学专业的枢纽作用，实现医学科研与临床应用的有机结合；并发挥与拓展医学信息学的专业优势，对大数据进行收集、存储、整合、分析与处理，使大数据成为高价值密度的数据资源体系，并使其成为医学信息学教育的最新目标，发挥与实现大数据的应用价值。

3.2 医学信息学教育将以生物医学数据的挖掘和分析技术为新内容

目前在我国，医学信息学专业教学课程主要分为三大类，即公共课程、专业基础及学科基础课程。其中，公共课程主要有《医学伦理学》《马克思主义基本原理》《大学计算机基础》《形势与政策》《基础医学文献阅读技巧》《临床医学英语文献分析》《概率统计》等课程；而学科基础课程主要有《生物化学》《人体解剖学》《医学遗传学》《病理生理学》《组织胚胎学》《医学科学研究与设计》等课程；专业基础课程主要有《医学信息学概论》《医院信息系统》《卫生信息资源》《信息计量学》《生物信息学概论》[6]等课程。从我国多医学信息学课程体系及结构进行分析，主要分为理论性课程与实践应用性课程两大类。而医学信息学属于交叉性学科，不仅涉及大量的医学管理学内容、医学基础知识、医学统计学内容，还涉及相关的信息技术内容，如《计算机网络》《数据结构》等计算机课程。但尽管如此，在大数据环境下，医学信息学教育仍缺乏一定的技术学习，即缺少数据挖掘与数据分析等方面的学习。如可视化工具、分布式系统基础架构（Hadoop、云计算等）、分布式文件系统（HDFS或GFS）等。为了顺应大数据的发展趋势，成为医学数据与数据价值两者间的桥梁，医学信息学专业教育应在更新内容的基础上不断完善与优化教学课程体系。设置与信息技术操作的相关课程，融入生物医学数据的挖掘和分析技术课程；进而满足学生的学习需求，使其完成与大数据分析有关的教学任务，如大数据可视化分析、预测性分析、数据质量等[7]。

3.3 医学信息学教育将以医学伦理与数据使用规范为新准则

大数据虽能加快数据使用与分析的速度，但也存在隐私等方面的客观性问题。在大数据环境背景下，医学数据的开源与共享逐渐成为生物医学研究的主要催动力。为此，在解决医学科研数据共享等问题时，应立足于隐私保护与数据使用的平衡状态，遵守相关规则，进而在保护隐私的前提下，获取一定的数据价值。对此，应建立完善的管理政策，制定并明确医学数据的使用规范、医学数据的共享规范等[8]。并从生物医学的本质出发，建立与完善医学数据的共享与使用的法律法规，而遵循医学数据的共享准则，明确划分数据使用与共享的具体范围；利用法律促使生物医学数据的使用与分享往规范化发展。此外，还应健全与数据使用、共享有关的监督体制与伦理审查制度；并以保护个人隐私为基本前提，有效使用或分享医学数据。而在医学信息学专业教学过程中，教师要熟悉并遵守生物医学数据的使用与分享的基本道德，并感染学生，使其明确生物医学数据的使用与分析的思想观念；立足医学信息学专业的未来发展，使其往积极、健康的方面发展，进而顺应与满足大数据时代背景下的发展需求[9]。

4 大数据环境下对医学信息学教育的发展需求

4.1 秉承良好的医学信息学资源教育理念

在以往传统的医学信息学教育体系中，教师多采用单一的教学模式进行教学，如课前备课、制作课件、言语传授等，过于依赖教材内容，缺乏创新教学意识与手段，故教学观念较为传统。在大数据环境下，不断拓展与延伸的数据资源存在不可忽视的利用价值。为此，在实际医学信息学教育过程中，教师要充分借助一切可利用资源，将与教学内容有关的文本、视频、音频等进行结合实施教学。进而在新的教学理念与模式中培养学生良好的自主探究能力与分析能力，不断提高教师自身对资源教育的理解与应用；秉承良好的资源教育理念，发挥各数据资源的教学优势[10]。此外，医学信息学教师还应在教学过程中培养学生对数据资源的敏感性，树立大数据思维，引导学生以数据的角度去看待、去理解、去分析生物医学各领域间的联系，准确把握生物医学大数据间存在的差异性与多样性特征；使其学会分析数据的动态趋势，挖掘数据存在的必然联系，追溯大数据时代的发展前沿，探究大数据时代背后的应用价值。

4.2 建立与完善医学信息学教学方式

以往的医学信息学教学中，学生多通过课本与教师讲课来获取学科知识。随着信息技术的飞速发展，计算机教学、互联网+等均为医学信息学课堂教学注入一份新力量，并逐渐成为学生在线学习的主要方式之一。相较于传统的教学课堂，计算机在线教学不仅能充分利用学生的学习时间与空间，还能构建一个相对独立与选择性的学习环境。而大规模开放式在线课程（MOOC）等均为大数据下的医学信息学教育方式提供更多的参考思路。这种开放式的在线课程，不仅具有多元化、资源丰富化、覆盖面积广的特征，还可显著提高学生的学习兴趣，体现其课堂主体地位，而有效培养学生的创新思维能力与自主学习能力[11-12]。此外，翻转课堂也可有效弥补传统教学中存在的互动问题。主要指通过教师发布的教学视频，让学生进行课前学习，在初步了解新知识的前提下，带着疑问在课堂上进行学习。进而实现教师与学生、学生与学生间的良好互动。将翻转课堂与线上学习相结合，不仅能充分体现线上与线下的教学优势，还可体现以学生为本的教学原则。在自主与互动相兼的情况下，提高医学信息学教学质量。并打开大数据环境下医学信息学教育的新征程，不断改革与创新，顺应大数据的发展脚步，提高教学效率。

4.3 设置与落实医学信息学教育策略

医学信息学教育策略可充分借助数据挖掘、分析、应用技术等，设置健全的教育领域模式。通过探究教育与各个变量间的关系，为教育领域的教学决策提供支持，并促进教育领域的未来发展。美国联邦教育部曾在2012年发布相关的技术报告，内容中主要介绍了美国教育领域在大数据环境下所面临的挑战与相关实例，并对教育数据的挖掘提出以下5个技术方式：数据预测、数据聚类、挖掘数据关系、提炼数据以及数据建模[13]。其中，数据预测主要指通过多个变量间的整合与建立，对单一预测变量进行推断的一种模式。数据聚类则主要指根据数据存在的特性，将完整的数据集进行划分，并将其划分为不同的子集。挖掘数据关系主要指发现数据集中存在的各个变量间的关系，进而利用其关系进行相应的编码。提炼数据主要指在对数据进行描述时，应采用更易于理解的方式来判断或区分数据间的特征。数据建模主要指经过上述过程后构建的一种利于分析与决策的解释模型。在医学信息学教育中，可借用此方式对教育数据进行挖掘。在构建学生知识结构模型时，可对学生的认知、学习动机、学习态度等进行构建，进而提高学生学习效率，改进与优化教学内容及模式，提供医学信息学教育决策更为准确的参考依据[14]。

4.4 合理制定完善的医学信息学培养方案

从大数据生命周期来看，大数据技术体系可涉及多个方面，如大数据的采集、预处理、存储、管理、计算模式、数据挖掘、分析、可视化等。而医学信息学教学目的在于培养复合型的医学人才。而在实际培养中却发现，医学信息学所开设的计算机课程很少，学生掌握数据分析的能力受到限制，而数据分析才是数据活用与发挥价值的重要环节。为此，在大数据环境下，医学信息学教育要想使学生对数据进行挖掘，发挥数据的利用价值，就应开设更多与信息技术有关的教学课程。在原有的统计学、计算机基础课程及医学基础课程中，添加计算机数据库课程、计算机编程语言、数据挖掘、可视化技术等课程体系，进而实现复合型人才的培养策略[15]。此外，还应加强理论与实践的课程设置，拓展实践应用与实习环节，让学生能在理论与实践应用中掌握与稳固所学的专业知识与技能，提高职业能力的同时，顺应大数据时代的发展需求。

总之，在大数据环境背景下，医学信息学教育改革应以实现大数据价值为最新目标、以生物医学数据的挖掘和分析技术为新内容、以医学伦理与数据使用规范为新准则。发挥医学信息学教育在大数据环境下的学科优势，并顺应大数据时代的发展需求，对教学模式、教育策略等进行探析，使学生更好的掌握学科知识，提高自身的专业水平与能力。

[参考文献]

[1]刘海燕.大数据时代医学图书馆特色服务的机遇与挑战[J].现代医院，2016，16（7）:1076-1078.

[2]王晓东，吴雅琴.大数据时代医学信息管理专业人才培养[J].医学信息学杂志，2014，35（1）：83-85.

[3]付佳，闫实.大数据时代医学数字资源信息平台建设[J].医学信息学杂志，2017，38（2）：78-82.

[4]虞颖映，马凌飞，胡天天，等.大数据环境下医学信息服务平台研究与实践[J].医学信息学杂志，2016，37（12）：72-76.

[5]弓孟春，陆亮.医学大数据研究进展及应用前景[J].医学信息学杂志，2016，37（2）：9-15.

[6]李后卿，郭紫.大数据战略背景下我国医学信息教育的战略发展方向[J].中华医学图书情报杂志，2017，26（9）：1-6.

[7]李曰阳，马敬东.基于文献分析的国内医学信息学教育现状及建议[J].医学信息学杂志，2017，38（9）：83-88.

[8]金梦，孙可欣，胡永华.大数据时代医学信息学发展展望[J].现代预防医学，2016，43（20）：3831-3836.

[9]罗亚玮，陈方，任学军，等.大数据时代高等医学教育的启示[J].中国教育信息化，2015，21（15）：33-35.

[10]赵霞，邹凌云，何勇涛.大数据背景下医学生《生物信息学》课程教学的思考[J].中华医学教育探索杂志，2017，16（11）：1119-1123.

[11]焦晓栋，钱建新，王湛，等.大数据时代临床医学教学的思考[J].海军医学杂志，2014，35（2）：151-152.

[12]沈洋，李小平，马佳，等.医药文化视域下医学信息素养教育改革着力点探究[J].中国管理信息化，2017，13（17）：213-215.

[13]王孟通.大数据时代的高等医学教育[J].医药卫生（文摘版），2016，（5）：199.

[14]李生慧，徐志伟，郑志杰.对医学信息大数据趋势下医学统计学教学的几点思考[J].新校园（上旬），2015，（10）：60-61.

[15]王芳，肖雪梅.大数据时代下的医学院校数学建模课程教学改革[J].科教导刊，2015，34（12）：126-127.