從數據到價值創造，對于臨床科研數據庫在如何挖掘數據價值、如何提升科研數據利用水平、如何拓展更多創新價值等方面，提出了新的、更高的要求。

說到臨床科研數據隊列，就一定繞不開Framingham心髒研究。

1930—1950年間，心血管疾病在美國迅速增長，成為影響美國民衆健康的心頭大患。在當時，心髒病和卒中的病因不為人知，甚至在大部分美國人看來，死于心髒病是不可避免的。和無數美國民衆一樣，羅斯福總統也難逃心血管疾病，于1945年去世。

1948年，美國聯邦政府贊助美國國立心髒、肺和血液研究所啟動了Framingham心髒研究。自此，橫跨大半個世紀的Framingham心髒研究通過與時俱進的發展模式開展了高質量随訪，建立了多代群體隊列，并最終産出了包括“高血壓、高血脂血症增加冠心病危險”在内的2600餘項重大科研成果。

時至今日，諸如SEER（Surveillance, Epidemiology, and End Results Program）、TARGRT（Therapeutically Applicable Research to Generate Effective Treatments）、TCGA（The Cancer Genome Atlas）和HRS（Health and Retirement Study）等公共醫療數據隊列和數據庫蓬勃發展，并由此産出了越來越多的影響醫學發展的重大科研成果。

數據隊列對科研成果産出的價值不言而喻。精準治療的高速發展、多組學研究的全面普及，以及研究數據樣本的劇增等，都推動了專業的科研數據庫平台應需而生，逐漸成為輔助隊列建設和長期發展，以及科研成果高效高質産出的重要工具。

臨床科研數據庫的建設需求基本可分為兩大類：一是數據沉澱需求，通過積累數據資産，為尚未明确的研究課題和研究方向做探索準備，如醫院對積累患者多組學數據的需求、申辦方對積累臨床研究數據資産的需求，以及積累醫患管理數據的需求等；二是臨床研究需求，如輔助已明确方向和課題的研究者或學術機構發起的臨床研究（Investigator-Initiated Clinical Trial，IIT），以及制藥企業申辦的研究（Industry-Sponsored Trial，IST）完成定向數據治理、質控、鎖定和應用等相關工作。

在需求驅動下，臨床科研數據庫延伸出兩種經典産品形态：一是因數據沉澱需求産生的“專病庫”産品形态，二是因臨床研究需求産生的“臨床研究數據采集系統”（Electronic Data Capture System，EDC），兩者逐漸朝着一體化的方向發展。

從部署形态來看，臨床科研數據庫或為多中心協作平台，或為或醫院本地部署，在定位、特性、适用項目和平台權限上不盡相同。

當前，臨床科研數據庫的部署建設朝着“強平台能力”和“強科研服務”導向轉變，在技術團隊搭建、數據治理、數據安全體系和質量管理體系建設、多中心平台和體系搭建、科研人才吸納，以及臨床協作、錄入和監察、随訪、數據管理等專業細分團隊建設等方面不斷完善，以科研為導向，以技術為驅動，以人才協同發展，開展了一系列實踐探索，為科研數據庫建設積累了一定經驗。

例如，某省腫瘤醫院婦科大病區每年收治數千例宮頸癌、子宮内膜癌、卵巢癌等婦科惡性腫瘤新發病例，診療數據均存儲在該院業務系統中，沒有統一的标準規範和格式，且為非科研所需的結構化數據，對臨床醫生精準定位患者群體和統計分析數據産生了不利影響。在此背景下，醫院搭建了本地專病庫，改善了群體定位能力和科研效率，降低了數據處理成本，提供了更多科研可能性。此外，該項目還反哺臨床場景，幫助提升院内病曆質量，增強規範診療能力。目前該專病庫合作項目還與多中心數據庫協作，将本地數據安全合規脫敏後，參與到多中心數據庫共建之中。

當前，專病庫平台建設方與研究團隊合作産出科研成果，已經成為科研數據庫價值實現的成熟模式。

如北京大學腫瘤醫院柯楊教授帶領團隊與專病庫平台建設方合作，采用多中心真實世界隊列研究設計，基于南、北方兩家腫瘤專科醫院的近6000例食管鱗癌根治術後患者多維度臨床大數據，及長達10年的生存随訪結果，圍繞“微創手術治療局部食管鱗癌的效果及安全性”“食管鱗癌患者根治術後總生存的預測模型”分别開展了兩項真實世界研究，助力食管鱗癌大樣本RWE（Real World Evidence，真實世界證據）産出，相關研究已發表于Annals of surgery（IF:12.96）。

除科研價值外，臨床科研數據庫也在探索更多創新價值的可能性。

一是探索科研數據庫在診療數據洞察中的價值，如開展臨床診療現狀的多維度解析、洞察診療宏觀趨勢，以及真實反映臨床診療規範等。

如：2016年起，零氪科技聯合相關機構共同發布的“中國腫瘤患者就診遷徙圖”，揭示了腫瘤患者在中國的就診遷徙情況，展示了我國腫瘤治療資源配置、地域經濟狀态的不同而呈現的較大差異。

二是探索科研數據庫在臨床精準管理上的價值，如将其應用于精準患者教育、數字療法與電子藥，以及病曆質量精準質控等，包括通過結構化的科研數據隊列，依據标簽精準推送患者教育内容等。

三是探索成為智能輔助工具的基礎，如通過CDSS（臨床決策支持系統）推薦個性化診療方案，以及智能推薦科研方向、智能精準患者招募等。

舉例來說，臨床和科研人員的診療數據與行為數據特征，均可以被系統标注為潛在的科研方向，當這些特征數據與内置知識庫特征相匹配後，即可為臨床醫生或科研人員推薦、匹配其感興趣的科研方向。

從數據到價值創造，對于臨床科研數據庫在如何挖掘數據價值、如何提升科研數據利用水平、如何拓展更多創新價值等方面，提出了新的、更高的要求。未來，随着醫療信息化建設的進步，臨床科研數據庫的功能需求及支撐技術也将進一步發展，加快打通從數據到價值創造的實現路徑，發揮更大價值。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!