大数据之炼金术师 ── 石瑜教授专访：推动医疗进步的生物统计与数据科学

“医疗健康领域将在人类社会扮演重要的角色，而数据科学（data science）［注 1］、生物统计（biostatistics）、生物资讯（bioinformatics）更是其中不可或缺的一环。”来自美国范德堡大学（Vanderbilt University）的石瑜教授，热切地分享生物统计及数据科学的迷人之处。受访过程中，他思绪飞快，字字珠玑，仿佛一台“真人版 AI”，除了让人感受到他所受过的严谨统计训练、丰富的实用经验，其对于数据科学的热情与投入，也深深撼动着我们。

看见医疗正在起飞决定投入生物统计

石教授生于台湾屏东，1981 年进入淡江大学统计系，“统计是门非常有趣的学科”他说，“当时看着老师把统计公式列在黑板上，可以看到统计以非常严谨的数学理论为背景，但应用却相当广泛，让我深深着迷。”服完兵役后于 1987 年赴美进修，申请到密西根州立大学的统计与机率系（Department of Statistics and Probability, Michigan State University），接受扎实的数学基础训练。在毕业时，他面临三个选择：生物统计、工业统计及商用统计，石教授表示，由于当时在 1987-1989 年间已感受到美国整体医疗研究正在起飞，因此他毫不犹豫地选择生物统计，并于 1989-1994 年到密西根大学安娜堡校区（University of Michigan-Ann Arbor）攻读生物统计博士班，后于 1994 年离开密西根大学，来到全美国医学院科研经费排名前十的范德堡大学（Vanderbilt University），踏入数据科学于生医领域的应用至今，现任该校生物统计系系主任，定量科学中心主任以及癌症中心副主任。

生物统计及数据科学在精准医疗中扮演什么样的角色？

石教授首先提到 2015 年美国前总统欧巴马宣布推动精准医疗计画，欲建立 100 万人的跨世代健康资料（cohort data），这项重责大任就是委由范德堡大学执行。石教授表示，范德堡大学医学院投入精准医疗已超过十年，拥有“南方小哈佛”之称，因此获得美金 7100 万的经费，进行 100 万人的全基因体分析，而石教授正好参与整个计画的发展，从中学习到许多宝贵的经验。

他特别和我们分享：“什么叫大数据（big data）？如果拥有大量数据，但都是垃圾（garbage）数据，则 Garbage in , garbage out.（垃圾进，垃圾出）”点出大数据本身并不保证有用途，“大数据的精随是必须将巨量资料（big data）转换成智慧资料（smart data），再到可行的配套方案（actionable data），最终目的是帮助病人痊愈以及拥有更好的生活品质。”并以美国连锁大卖场为例，提到他们会收集客户购买产品的大数据，并将数据做分析，进而找出客户的购买习惯，再将产品分类，以利后续销售，而精准医疗也不例外。

［注 1］数据科学（data science）：也称为资料科学，透过统计学、程式设计、数学、机器学习等跨领域之研究方法，从数据中挖掘出有价值的讯息并加以分析运用，促进各领域之发展。

石瑜教授受邀至辅仁大学演讲。

人工智能无极限影像体学（radiomics）兴起

提到人工智能（AI）于医疗领域的应用，石教授认为近年来 AI 技术的进步的确为医疗诊断带来新希望，尤其在医学影像更是令人惊艳，带动“影像体学（radiomics）”一词的兴起，也就是将所有的影像数位化（digitalized），每个像素（pixel）都是一个变量（variable），一个影像中包含成千上万的变量，医师 / AI 则根据每个变量的颜色浓淡变化来判读疾病进程。去年，顶尖期刊《Nature》曾发表一篇论文，提到 15 名皮肤科医师与 AI 共同对病人身上的痣判读是否为恶性肿瘤，结果 AI 略胜一筹，“因为人脑看到一件事情要分类时，极限是 5-7 组，而 AI 是没有极限的，所以在医学影像领域，AI 具有绝对优势。”

其次，针对“医师是否会被 AI 取代”的疑问，石教授认为医师做决策是依据以前受过的训练、自身经历及医学文献等综合判断。在未来，数据（data）导入临床，主要是将病程进展、用药及照护等讯息转换成数据统计，提供医师更多讯息以帮助临床决策，例如，使用血液稀释剂 Coumadin（warfarin）可防止血液凝固、降低心脏病发和中风的风险，但血液过稀也会产生危险，因此根据病人的基因资讯，来提供讯息建议医师该给多少剂量，所以数据是提供医生做决策的好帮手，而 AI 则是提供一个可靠的建议给医师做决策时的参考，而不是告诉医生该怎么做。

不过，他也笑着说：“或许再十年后 AI 真的进步到可以做诊断也说不定，未来的事很难说，就像现在大数据的‘大’也是相对的概念。在未来，所有的数据其实都是小数据（small data），十年前第一个基因定序数据产生时，震撼全球，如今我们已经可对病人肿瘤中的每个细胞进行定序，所以一位病人就能产生三千个细胞定序的资料；再者，液态生物检体（liquid biopsy）技术能从病人血液中捕捉癌细胞的讯息；除了上述分子生物的部分，病人的行为、环境等其他因素，即统计理论中的混淆变项（confounding variable），全部整合起来，将能对病人的状况做更全面的分析，以助医师拟定个人化治疗方案，因此数据科学势必在精准医疗中扮演非常重要的角色。”

精准医疗双剑合璧：Bottom Up 的生物统计与 Top Down 的人工智能

至于石教授如何看待生物统计与 AI 的结合？对此，他表示当统计学家看到一个资料，会套用统计理论、机率模型来做预测，所以统计属于“由下而上”（bottom up），而 AI 则是根据结果，例如这个痣有问题，再从有问题中去找到任何蛛丝马迹，并记录下来，属于“由上而下”（top down），上述两者无法单独使用，必须将互相结合才能发挥数据科学的真谛。

如何整合临床资讯？精准医疗三部曲

“大家都认为生物数据库（biobank）的建立是最重要的，”石教授表示，然而光有生物数据库其实是不够的，首先，要从体学（omics）的资料中挖掘出有用的讯息；其次，是把家族病史、行为、环境等因素与体学资料做结合，才能让精准医疗更上一层楼；结合上述两者后，还须要把数据科学的结果转换成医师、病人甚至病人家属能理解的讯息，帮助后续诊断与治疗，也就是遗传咨询师（genetic counselor）的重要性。

石教授指出，美国因为对遗传咨询师的需求量大，所以发展也较成熟，遗传咨询师其实并不用真的去撰写程式，而是依据本身的知识背景，从资料中找出有用的讯息，给予病患合适的建议。以范德堡大学来说，医生查房时会有资讯科学家（informatician）跟着，随时都能查文献、调资料、做分析等等，并汇整成一份报告当天送到医师手上，让医师能即时针对病人需求做调整。“我觉得台湾应该积极培养遗传咨询师以及 analytics translator［注 2］，因为台湾的资讯科学很强，优秀聪明的人才也多，非常值得投资这一块，甚至可以做到领先地位！”

［注 2］Analytics translators are neither data architects nor data engineers, They play a critical role in bridging the technical expertise of data engineers and data scientists.

生物资讯的挑战及未来展望

最后，他提到：“科技进步很快，未来会有更大量的数据产生。但资讯量与分析人才之间仍有鸿沟（gap）存在。”因此呼吁更多年轻人投入生物资讯领域，并以《哈佛商业评论》里的一句话：“Data scientist is the sexiest job of the 21st century ! （数据科学家是 21 世纪最性感的工作 !）”热情地鼓励年轻人投入。

延伸阅读：《AI，医疗，大数据》 ── 专访北医大医学科技学院院长李友专教授