临床医生如何做科研？让Datathon模式来告诉你

2019-12-10          一帆风顺

去年有人在知乎上提问:临床医生如何做科研?

“身为一个神经外科医生,繁忙和压力山大的临床工作,回家基本是洗漱后秒睡,科研无从谈起,因科研的事情困扰万分,故有此提问,请教如何突围?”每一个字眼都流露出浓浓的疲惫,也如实反馈出了临床医生的职业发展现状。

医生是一种需要终身学习的职业,无论5年制还是8年制,临床医学的本科教育更偏向于对医学基础知识的认识和理解的通识教育,只有在踏上工作岗位后,通过执业医考试,规培考试,专培考试,并且累积大量科研经验和成果,才有可能站在病人面前妙手回春。

但医生也是一种忙碌的职业,在繁忙的日常工作中,他们很难找到合适的课题展开科研,更难投入很大的时间、精力去学习各项科研技能,独立对一个科研课题展开独立深入的研究。

所以,“跨学科”与“合作”成为临床医疗中不可或缺的因素,而随着医疗数据和爆发和数据技术发展,临床医疗与数据科学领域的交融与渗透,已经成为当今临床医疗发展的重要趋势。

这时候,一种新兴的科研模式悄然兴起,以其开放式和跨专业合作的特色惠及了很多参与者,并正以飞快的速度席卷全球,这就是 “Datathon” 。

Datathon最初由MIT团队和哈佛医学院团队发起,自2014年起,全球已经举办了20余届活动。每次都会有来自这两所大学的专家教授齐聚一堂,指导来自不同专业的选手们自由组成课题小组,在短期内展开医疗数据相关的竞赛,以此推动新观念和科研创新。

Datathon的前身来源于“Hackathon”,相信大家对“Hackthon”都不陌生,是一种在短期内以小组为单位进行的编程竞赛活动,汇集了大量跨行业和岗位的人才,每一期的时间都很短,但总能让各个领域的创新想法和思维得到碰撞,产出优质的创新成果。

在临床医疗科研中也是一样,分析近百年来获得诺贝尔自然科学奖的300多项成果中,近一半的项目是多学科合作的研究成果,对170多位生理学或医学诺贝尔奖获得者及他们的原创性成果的统计研究发现,具有跨学科知识背景的科学家有76人,占总数的44.2%,有48项原创性成果涉及其他学科体系,占总获奖次数的53%。

数据科学更是临床科研中的重要工具,在整个研究中有承上启下的作用,承上是对临床方案中收集的数据最直观的展示,启下直接需为成果负责。对于医疗数据分析来说,Datathon是通过组建跨学科团队,在短期内以小组竞赛的形式完成临床研究项目,能够基于数据计算的方法,合作解决临床医生面临的众多问题和未满足的医疗需求。

2015年,解放军总医院率先把这一模式引入国内,汇集了包括临床专家、数据科学家、统计学家、工程师和计算生物学家等在内的知识背景和技术不同但互补的参与者,让越来越多的人通过Datathon实践认识了医疗大数据,通过医疗大数据手段解决了临床问题。

每场Datathon不仅因其精彩过程而备受瞩目,对于临床医生来说来说,这一模式为其后续的跨学科合作提供了模版,并有很多竞赛小组实现了后续的团队合作。对于科研课题来说,比赛中对于课题的探讨改进和阶段成果也有着十分重要的意义。

那如何才在比赛结束之后,延续未完成的课题设计并复用先前的分析结果,以此产生更可靠、高价值的研究呢?2019年的PLAPH-MIT 医疗大数据Datathon给出了答案。

在2019年的Datathon活动中,采用了和鲸科技的K-Lab在线数据分析平台,对此次培训和参赛提供了全程在线支撑。K-Lab这是一个支持团队协作的在线数据分析平台,而且能让数据分析成果和论文手稿长期留存,让每个团队成果都能以可复现的形式存在于云端平台上,在赛后,以便团队展开更加深入的在线协作。

医疗领域一直流传着一句话:“在每一份临床标本的后面,都是一个渴望健康的生命”,所以医务人员在临床医疗决策时都会非常重视每一个治疗措施对患者的影响。

只有通过像Datathon跨学科合作,让临床医生在医学训练中掌握的概念与基础研究、转化研究或临床研究上结合在一起,才能够让各领域的人才破译临床问题,使得每一位临床医生的努力都能与前沿临床方案相关联。