2019年12月14日下午，一场别开生面的“数据科学+医学”会议在上海宝龙艾美酒店隆重召开，这是《康复·生命新知》杂志第十次举办医学高端论坛，会场大咖云集，来自肾脏病学、病毒学、风湿病学、内分泌学、医学影像学、神经病学、肝胆外科学、移植外科学、医药主管部门、以及国际健康促进领域的300余位代表聚首上海，他们来自全国各地，有些还是专程从美国、芬兰、澳大利亚、比利时远道赶来参会。

与会专家们就“寻找慢性疾病的共同规律，建立临床决策的终极算法”展开了探讨，并就15个问题给出了自己的观点。本文汇总了对300余位学界大咖进行调查的结果，并结合网络公开投票结果展开了讨论。

1、很多疾病有共同发病机理

来自十余个领域的300余位与会者中，绝大多数人（43%）认为有共同发病机理的疾病占到了25%～50%。在“生命新知”微信端的网络投票中，更多的人（35%）甚至认为这一比例在75%以上。

闻玉梅院士对此表示：我认为很多疾病，确实存在共同规律。共同规律主要表现在三个方面：①很多疾病跟免疫相关；②跟炎症相关；③跟代谢相关。

曲伸教授就选择了“＞75%”：我是做内分泌的，我觉得共同的发病机制要超过75%。举个非常简单的例子，糖尿病或者肥胖，它们有很多共同的发病机制，包括炎症。大家都认为内分泌代谢和炎症关系不密切，其实我们现在发现炎症最初的起源是起源于大脑，而大脑的胰岛素抵抗和大脑的炎症，往往导致周围组织的炎症。所以，脂肪肝就是一种炎症性疾病。

2、很多疾病与炎症及免疫功能异常相关

大多数与会医学专家（42%+41%）认为，51%以上的疾病都跟炎症及免疫功能异常相关，甚至其中半数专家认为75%以上都如此。在微信端的投票中，答案同样聚焦于此。这一次，不约而同，医学专家和网友的意见惊人得一致。

张奉春教授：尽管不同学科的疾病可能有一些差异，但是体内一有改变，免疫发生异常是非常普遍的。

肖飞教授：实际上，在整个慢性疾病的过程中，是逃离不开炎症和免疫的，特别是在衰老的过程，最后走向了炎症。

3、很多疾病可用相似手段治疗

超半数（51%）与会专家认为，51%～75%的疾病都可用相似手段治疗；30%的与会者则更保守一些，认为可用相似手段治疗的疾病占25%～50%。在微信端的投票中，各有35%的人认为这一比例分别为25%～50%、51%～75%。

张奉春教授：风湿病比较常用的治疗手段是镇痛药，当然如果把范围缩小，更精准一点就是免疫性疾病、自身免疫病，这方面一定会用到激素和免疫制剂，只是用药的比例、用量的大小是一门艺术，其他的药物应用相似率也很高。

4、很多疾病的分期思路相似

绝大多数与会者（41%）认为，疾病活动度分级思路相似的疾病占到了51%～75%。而在微信端的网络投票结果则略有不同，大多数人（35%）认为这一比例占到了25%～50%。

张奉春教授赞成50%的比例：在风湿病领域，第一大类是免疫病，也就是结缔组织病都按疾病活动度分级。但是有些疾病——骨关节炎，不分活动不活动，最多说骨刺怎么样，骨间隙怎么样。再比如，纤维肌痛，也没有这么分，所以从宏观的风湿病来看，大概就50%用到疾病活动度。

肖飞教授：慢性病有着共同的分期：可以分成缓解、轻、中、重；共同的目标是达标和缓解，合理用药、控制病情；共同的原则是严密控制病情；共同的规律是损伤→炎症→修复→纤维化→结局（痊愈、慢性迁延、终末期）。在疾病发展过程中的每一步，都存在机会窗口，当你错过它的时候，可能就会走向终末期。

5、很多疾病以达标治疗为目标

36%的与会专家认为高达51%～75%的疾病都以达标治疗为目标。而在微信端开展的网络投票中，35%的投票集中于25%～50%的比例。

肖飞教授：每一个领域都有治疗目标，都在讲达标治疗。达标治疗，一个是从心血管领域的高血压而来，一个是大家常说的控制血糖。

曲伸教授：不制定标准，就不知道怎么算把病人治好或治愈，所以制定了“target”，但是每个病人的“target”完全不一样。

闻玉梅院士：跟风湿病不同，肝炎实际上有的时候根本就没目标。慢性肝炎最难达标， HBV-DNA很低了，就是它核酸很低了，但是表面抗原还是很高，因此现在提倡功能性治愈，还治愈不了，那么就功能性。

刘毅教授：达标治疗更多是从策略层面上讲，从这个层面上，所有的慢性疾病都适合达标治疗。只是这个“标”在不同的时间、不同的疾病和不同的阶段，可能都会有变化；所以，永远很难掌握这个“标”。但策略是对的，一定要有一个治疗目标在。

6、慢性疾病发展的共同规律

88%（46%+42%）的与会专家认为慢性病的发展有共同规律可循，网络端更是全票认为慢性病有共同规律。

栗占国教授：我认为大部分自身免疫病有类似的病理过程。我们今天在座的多数专家都来自自身免疫病领域，这类疾病的基本免疫学原理是：由于抗原介导的T细胞活化，后来B细胞参与，引起相应的炎症反应，当然同时受遗传因素与外界因素（例如微生物、病毒等）的影响，从而引起免疫反应，然后出现相应的下游免疫系统紊乱、细胞紊乱，再出现因子紊乱，所以导致了一些炎性因子的增高，一些抑炎因子的减少，最终导致了自身免疫性疾病。大部分患者经历了此过程，但有些患者因为某一个因子或者某个细胞是特殊的，从而出现了异质性。例如TNF-α抑制剂，在治疗疾病和研究中发现，TNF-α抑制剂对多数患者都有一定效果，对一部分患者非常有效，对一部分患者效果差一些，对一部分患者另一类药物更有效，因此体现出了异质性。所以在大的发病规律前提下，应找到不同患者的免疫学和病理机制来做相应的研究和临床应用，这其实引出了精准的概念，所以要针对特定疾病的特定细胞群生成的因子来干预，以使多数患者得到比较好的缓解，下一阶段治疗是将“大部分”和“个别”结合起来形成联合用药，多种细胞因子多靶向干预。

Anita Chong: 我认为自身免疫疾病领域的医生和移植免疫学者相比最大的不同是，当风湿科医生看到疾病时，免疫反应可能已经发生很多年了，患者组织已经受损。我认为共同的原理所引发的疾病自然会发展成为类似的病理，即大量细胞渗透组织，即生成炎症。但在移植领域我们可以看到疾病的开端，即将移植的活组织植入患者体内时，如果实时监控，我们可以看到免疫抑制药物对免疫系统的哪个部分没有发挥作用，因而造成了部分的机体损伤。在开始阶段，损伤有很大的不同，但是损伤会自动变得越来越相似。我们免疫学者主要研究所有不同类型细胞和不同细胞因子的区别，以及它们之间的作用机制，正如Professor Baeten刚讲的，即使相同细胞因子的不同形态（跨模型与可溶型）也会导致不同的疾病，这为个体化医疗这一理念提供了强有力的支持。如果你从非常宏观的层面看，所有的慢性疾病都有共同的规律，可以采用相同的治疗和方法，或者也可以像我一样从疾病起始的微观层面看，那么一切都是不同的，应采取个性化的治疗方法，保护整体的免疫系统以维持健康的状态，所以这取决于看待疾病的角度。

肖飞教授: Doctor Chong提到了一个非常好的观点，从她移植免疫学家的角度看，当自身免疫疾病的医生看到临床患者时，器官损害和临床症状已经形成，因此风湿科医生看不到疾病的开端。当器官移植到患者体内时，免疫反应就已经开始，所以移植免疫学家可以看到不用因子的不同表现，这给Doctor Chong一个启示：随着疾病的发展最后所有表现趋于一致，但是我们可以从最开始控制很多起始因子，从而走向个性化的治疗。

沈锋教授: 如果将病理过程落实到炎症，那么大部分慢性病都有相似的病理过程。如果将病理过程落实到一些非常细的方面，比如某些基因的突变而导致一些病理表征、表型的变化，则有区别。

从我的领域看，我选择B“大部分有相似的临床病程”。列举三个临床例子：

第一个例子是乙型肝炎（hepatitis B） 和丙型肝炎（hepatitis C）患者，这两种疾病的病理有细微的差别，但临床表现却基本一致；

第二个例子是肝细胞癌（hepatocellular carcinoma，缩写为HCC，中国高发）和肝内胆管癌（intrahepatic bile duct carcinoma），这两种肝癌有相似的临床病症和病程，但病理却不同。肝细胞癌主要来源于肝细胞病毒感染，感染的肝细胞通过一些代谢的途径呈现出其特征性的表现，比如ADG1，ADG2的突变等等，不同的表现型治疗方案也不同；肝内胆管癌与胰腺癌特别相似，突变都是以TP53、KRAS这些炎症的信号通路的突变为主，所以肝内胆管癌与胰腺癌的恶性程度都很高。

第三个例子，两种类型的肝内胆管癌都有相似的临床表现，例如肝脏肿块、压迫胆管引起黄胆、晚期患者的恶病质等，但两种肝内胆管癌的病理却完全不同。

肖飞教授：1929年，哈勃发现了一个现象，过去都说宇宙是静态的、不动的，他用望远镜发现，宇宙在扩张，像爆炸一样的扩张。那么，不断地在扩张，总有一个时间是聚到一起的，所以提出了宇宙大爆炸。现在的科学证明，我们发现了宇宙中的微波。我们看到的第一束光线是在137亿年前发出的，用的是逆向演绎（inverse deduction）的方式，就是看到这些现象去逆向地演绎推理。慢性疾病的共同规律也是如此，最后有些人走向终末期，一部分治愈了，一部分迁延不愈；再往前推，发现它有共同的通道——损伤（无论是受伤、感染这些外界的损伤，还是内部的损伤）、基因突变、衰老，导致炎症、修复、纤维化、结疤，最后走向终末期。

门捷列夫做了个梦，把各种元素拼起来，他用的是逆向回归（inverse induction）；牛顿万有引力定律、DNA的发现都是这样得出的。

物种起源的启示：达尔文用模拟演绎的方法，找到了生物多样性，最后归纳出物种有共同的起源。

如果把众多的疾病归类：疾病的起源在受精卵，起源于父母留下的痕迹，然后在子宫里、在外部的环境中，不断地在变化，最后走向衰老。不管是外部的损伤、内部的破坏，还是基因的一些变异，以及衰老，都会启动这样的过程：诱导炎症因子来修复，成纤维细胞去填补损伤的空白，有的自噬、有的凋亡，最后恢复了；但是一旦过度了、没控制好，就成为纤维化终末期了，迁延不愈就成了慢性的炎症，走向了终末期。

7、预测疾病趋势

与会专家中73%均认为自己对疾病发展趋势的预测能力比较强，经常可预测到疾病的发展趋势及预后，在网络投票中，这一选项的比例同样较高，占到了52%。

沈锋教授: 我的回答的是B，我们临床上有一个量化的预测指数是C Index（Concordance Index），用于衡量预测和实际发生情况之间的符合度，C Index一般应在80%左右，超过80%的则为优秀，70%~80%为良好，60%~70%为一般，低于60%为不合格。之前我的一位老师跟我聊过这个话题，他认为我们预测成果还不理想。C Index 80%是什么概念呢？即在100个患者里面预测某个事件，有80个患者应验了你的说法。例如，我认为患者病理上会出现哪个症状，病理结果100个人里有80个患者出现我说的症状，那么C index是80%。我认为我们目前达到的水平在78%~82%左右，我的选择是“比较强”，这是由大数据得来的，通过统计学的多因素分析能够得到一个比较精确的预测。

肖飞教授: 刚才他提到了C index，其实国际上还有个衡量标准叫ROC（receiver operating characteristic curve），即把真阳性率和假阳性率绘制成一个曲线，如果在0.8以上，则有意义，而且意义非常大。现在预测自杀的ROC只有0.6，就像抛硬币一样。在临床上还有很多事情都没办法预测。

栗占国教授: 不同专业对这个问题的回答可能不一样。刚才沈院长选B，因为外科是真的高风险，变数较多。在我们内科，相信很多人选的答案是A。如果医生有丰富的经验，在患有内科疾病的患者（例如狼疮）入院后，医生基本能够判断出患者的转归。临床经验非常重要。我们科室有个基本的规定，即要求为所有入院的重症患者做评估，将患者所有的临床表现和实验室变化的指标列一个表，根据这个表可以判断患者的预后和用药转归。

Doctor Baeten：我的答案是C，我认为现代医疗在诊断方面做得很好，幸运的是我们在治疗方面也越来越好，但是作为临床医生，预测疾病的发展趋势对我来说依然很难。

举两个例子，一是预测一位强直性脊柱炎病人是否会患关节强直（ankylosis），可以参考B27，但是真正的预测还是非常困难;

另一个例子是关于妊娠期的类风湿关节炎患者，今天上午我们刚讨论过，可能超过一半的患者妊娠期病情会好转，另外一半则并非如此。当RA患者咨询我是否妊娠期病情会好转，从临床的角度看，预测依然很难，但我很开心我们有同行在这方面更强。

肖飞教授：上图是7616位类风湿关节炎患者三个月的转归β-distrbution图，从图中可以看到一部分患者复发，一部分变成了高活动度。我们怎么预测呢？目前没有办法，只能通过严密监测，例如像BeSt研究一样，每三个月评估一次，每次评定是否需要增药、减药或者换方案。

8、不良反应下的方案调整

60%的与会专家在应对联合用药不良事件时会根据经验判断，撤掉感觉最可能导致不良事件的药品。而在网络端，这一选项的比例同样最高，占到了56%。

栗占国教授：我比较同意C，因为临床经验非常重要，根据过去的用药经验，我们了解哪种药发生某种不良反应的概率最高。

例如，根据经验判断，不同药物的不良反应发生率在不同部位可能不同，例如生物制剂也许对肝肾影响比较少，所以如发生肝肾的不良反应，则其它免疫制剂导致的可能性更大。

Doctor Chong：我不是医生，如果必须要选，我会选D，因为我知道欣凯集团有大数据库，我相信，大数据涵盖了所有的药物联合、所有不同的副作用，最终大数据将能够判断出哪一个是正确的答案。经验或说明书都是不足够的。

孙凌云教授：联合用药有多种方式，一种是一开始就使用两种、三种甚至四种药，如发生不良反应，医生首先要根据经验判断是哪种药物导致不良反应的可能性最大，如无法判断，则需要把可能发生不良反应的药物都撤掉。

所以在治疗类风湿关节炎时，我在临床上采取的方式是逐个递增药物，比如我增加了一个药物，如半个月或一个月后患者没有不良反应，且病情得到了很好的控制，我将不再增加新的药物，如患者的病情没有得到很好的控制，我再增加第二个药物，第三个……通过这种方式，如果患者发生不良反应，我将知道是哪一种药物导致的，这非常重要，如若无法判断，那么治疗将非常困难。

肖飞教授：中国的风湿科医生在创造一个奇迹，例如，新疆的一位患者出现了不良反应，其远在北京协和医院的主诊医生就会收到警报信号，此时，医生通过数据平台可以看到这位患者采用了5种药物联合治疗，也能看到以单药甲氨蝶呤为基础的一系列不良反应谱。这5种药是由5个单药组成，可以形成30种撤药方案，这位患者由4种药联合过渡到3药联合、2药联合，最后过渡到1种药，人脑并不具备处理这类大数据的能力，但是采用马尔科夫模型就可以画出最安全的GPS撤药路线图。

9、当预测出错

当医生的预测及判断与病人病情发展规律不符时，56%的与会专家认为主要原因是可获得的数据太少。而在网络端的大众则近半数（44%）认为，这是因为经验导致的失误。医生与大众对判断错误的原因有着不同的观点，而医患双方的认识偏差很容易成为矛盾的导火索。

为什么很多医生会认为判断错误是因为可获得的数据太少呢？几位专家阐述了自己的观点。

Anita Chong：我选择C，作为研究者，无论预测与实际发展一致与否，我们相信总有合理的解释。如果你认同慢性疾病有共同的规律，你会认为病理、炎症和免疫介导等等都是相同的，所以疾病的表现也应该是相同的。

但我之前说过，仅仅免疫系统疾病也有很多原因，存在太多不同类型的细胞和不同类型的分子，这些元素都有可能是最初引发疾病的原因。另外，我认为尤其是在移植手术中，基因也会影响疾病进展的速度，所以最后总是没有足够的数据进行预测。如果能够准确了解某位患者，包括其病因、疾病开始时间、持续时间，则能够准确治疗并预测病程，但我们并没有足够的信息。

而对于网络投票中的优势选项B，也有专家赞同：

Dominique Baeten：我认为答案B（经验导致失误）非常有趣，B不仅仅发生在医疗决策中，也发生在科学领域的商业决策甚至个人生活中。

你获得的经验越多，你的大脑就越懒惰，这是人脑的工作原理。我们倾向于做我们有经验的事情，并且我们试图扫描我们周围的世界，不是通过收集所有的个体数据，而是选择部分的数据来证实我们的信念和假设，所以并不是因为数据太少，事实是我们对数据抱有偏见。80%的情况下我们是正确的，但20%的情况却因经验导致了失误。

我来分享一个关于医疗决策的有趣研究。在医院中，当医生被问及“你什么时候做的决定是最好的？”一位年轻的医生花了数个小时去病人的家，因为他（或她）没有数据。后来一位教授走进来，5分钟内这位教授总结了一个规律。答案是他们两个都不对，事实是他们一起讨论才可以做出最好的决定。所以是可用数据太少吗？我们也需要警惕用错误的方式等待数据。

10、临床及科研中算法的应用

与会专家中，57%（25%+32%）已经在临床实践及科研中体会到了算法这种推理计算方法，或有意或无意都在建立、使用。而在网络投票中，这一比例占到了63%。

Dominique Baeten: 我选A。我认为在临床实践中，我们的大脑倾向于证实我们的设想，所以我们必须尽可能有意识地强迫大脑去寻找数据来推翻我们的设想。

栗占国教授: 我也选A，在做相关的事情。

沈锋教授：我也是A，因为我们大部分的工作都是围绕预测和模型。

肖飞教授：这道题，尽管现场所有专家的答案比较分散，但台上的嘉宾没有争议，都在有意识地建立和使用算法，然而建立临床的算法思维仍然需要长期的经验与知识积累。数据本身没有用，只有将其梳理、分析、翻译和应用，数据才有价值，是算法实现了数据从无价值到有价值的转化。

算法实际分两种，一种是医学生的模式，另一种是临床医生的模式，这是斯坦福大学的几个人工智能教授所说的。医学生模式是基于电脑的专家系统，这种模式下结论和路径都已知；临床医生的算法是基于机器学习，结论未知，需通过分析大量的数据而推导出结论，而且这些数据会不断更新，最后得出预测结果。

例如，一位孕妇站在我们面前，第二个因素是她患了RA，第三个因素是活动，第四个因素是焦虑，第五个因素是激素治疗，第六个因素是副作用高血糖，第七个因素是有经济条件……临床医生怎么治疗？临床医生只有获得这些信息之后才能做出判断，而不是单纯地遵循指南。

人工智能是什么？人工智能的定义是设计成模仿人类智能的算法和代码，其目的是将有价值的知识转化成有功能的知识。人工智能可以像人一样思考推理，经过海量数据的处理，人工智能实际上可以优于人类。我们现在宣扬“互联网+”医学，医生更容易获得知识，未来一定是“智能+”医学，让医生从优秀发展到卓越。

11、医学的天气预报

人工智能目前最成功的是天气预报，能预测几小时甚至几天内的天气情况。如果医学也有一个类似天气预报的系统，可以预测治疗方案的转归概率，相信是大家所乐见的。投票证实了这一点，95%的与会专家都表示如果有这样的系统，他们会很期待、会尝试。在网络平台也是如此。

陈香美院士：对于这个问题，我的回答应该是选项A“很期望”。天气预报现在我们每个人都在看，大家一打开电视或者手机，都会关注最近的天气。尤其是要到哪去的时候，好比我今天是从长春到上海，那我就关心这两个地方的天气。一个是将近零下15度（长春），一个是零上15度（上海），两地的气温相差30度。这个预报的结果，虽然还不能说特别准确，但是基本上是很概括的，包含在这个范围内，能起到提示的作用。

在诊断方面的辅助，如果大数据人工智能将来会像天气预报一样，能够帮助我们临床医生去判断疾病，提示疾病发生的程度，预测将来的愈后如何？这一点我还是相信的。

至于疾病的治疗方面，我不是很相信，担心过于相信人工智能之后，会倒向另外一面。任何一个机器也好，人工智能也好，都代替不了我们的人脑，它只能是做一个辅助性的诊断，我是这么想的。

张志毅教授：人跟动物的区别，就是从智商和抽象思维上，摆脱了动物的层面。但是人的大脑毕竟还有很多的局限，所以人脑又发明了当今的电脑和人工智能。人工智能的作用，在某种情况下一定要超过人的智商。所以如果有天气预报这样的一个系统来预测疾病，一定是我们所期待的。

但是刚才几位专家也谈过，尽管天气预报能够预报天气，但它也有不准的时候，不能穷尽。影响因素太多，但至少它能给我们提供一个方向。人工智能一定要跟大脑结合起来，未来在疾病的预测、诊断和治疗上，能发挥很大的作用。比如说防病，光想着治病，是治不过来的，要通过各种危险因素来进行预测，提供一种统一的共性方法，来进行防病，这样无论在诊断上还是治疗上，一定会事半功倍，对医学起到极大的推动作用。

肖飞教授：我们都很期待这样可以预测治疗方案转归概率的天气预报系统。那么，现在的人工智能大数据已经能起到什么作用了呢？从现在的X光、CT（计算机断层扫描）、MRI（核磁共振）等影像学检查的结果，已经能够非常准确地做出肺癌的诊断。人眼可能漏诊，但是人工智能可以抓住细微的线索。还有眼底图像以及皮肤癌的识别，皮肤科医生需要更长的时间来做出诊断，而人工智能只需要非常短的时间就能给出诊断。

再说说自杀的预测，过去自杀也曾用过一些医生建立的回归模型，结果预测的准确率只有50%多。通过人工智能和机器学习的结果，预测的准确率达到了将近90%，这样就可以及时地干预。

在风湿科，也有这样的机会。比如说某位患者的病情呈持续缓解状态，在【风湿中心】管理平台就可以提示医生，对这位患者的治疗方案进行干预。

按照疾病活动的程度，慢性疾病通常可分成“缓解、轻、中、重”四种状态，在治疗时都有转归的规律，每个状态都可以维持在原状态，或者向另外3个状态去转换，也就是4个状态在往16个方向走。在另外的一个时间层面，这4个状态，又在往16个方向走，是以平方的方式、级数的方式往上走的。我们怎么来判断？需要的就是对实时数据来进行跟踪。

其实很简单，医生可以采取简单的三个步骤，就是——病情好转了，下台阶，减少用量，或者是减少治疗药物的品种；如果复发了，就上台阶；如果持续增高不改善，就改变方案。这三招，应该就能把80%的病人的病情给控制住了。

如何建立医学的天气预报？人类的共同起源保留了七大信号传导，包括症状、部位、器官、细胞、基因、蛋白到分子，这七大信号传导支撑着我们的生命，但也是它们引起了疾病，我们要做的是去寻找疾病的共同规律。

12、慢病共同规律与个性化治疗的关系

寻找慢性疾病的共同规律与精准医学的个性化治疗之间是什么关系呢？对此，与会专家和微信端投票的结果极其一直，82%的人都认为二者相辅相成。

张志毅教授：在某种程度来说，医学也是一门哲学，是一个辩证法。看病都是一样的，从个性当中找共性，从共性当中找个性，相辅相成。同样，疾病也一样，无论个体还是人群，它一定是在共性当中有个性。所谓的共性，就是一个共同的规律；个性，是要采取个体化的治疗。任何一个疾病治疗，都有常规治疗，在此基础上再采用个体化的治疗方案，所以是相辅相成的。

陈香美院士：我也同意大家的意见，主要还是相辅相成的。疾病的共同规律确实有很多，在公共卫生方面，好比说代谢性疾病，如代谢综合征、糖尿病等，确实是与群体的医学科普素养的高低有直接的关系，所以这也是一个共同的规律。因为医学素养高的一些民众，可能比较注意饮食和周围的环境，所以这些人虽然也可能发生代谢综合征，但是不会那么严重。

精准医学必须要在疾病共同规律的基础之上，再结合个体化。如果每一个疾病都去找精准医学的个性化，这可能是基础医学专家比较期待的，但有些不太现实。所以精准医学的理念提出了好几年，虽然推进了临床医生对个性化治疗的认识，但是在全世界范围内，在治疗方面，精准医学几乎还停滞在一个相对比较滞后的水平。所以，我认为ABCD都有，但是可能以B为主，应该是相辅相成的。

曾小峰教授：我觉得也是相辅相成。我觉得不单纯是慢性疾病，所有疾病可能都有它的共同规律。刚刚陈院士讲得非常对，个性化治疗一定要建立在共有的基础上。就像我们现在发表的诊疗指南，就是一个共性的指南。但有些人说你这个指南根本不适合我，我治病就不用指南，全都用“个性化的治疗”。那这就违背了矛盾的普遍性和矛盾的特殊性的关系。实际上，我觉得共同规律跟个性化治疗，就是矛盾的普遍性和矛盾的特殊性。矛盾的特殊性一定是在矛盾的普遍性里面，它首先是在普遍性不适应的时候，才出来了它的特殊性。所以我们在治疗的情况下，首先应该按照指南来治疗，这才是共同规律的治疗；当然，有些不符合的，可以再考虑个性化治疗。但不能说指南的治疗方案都不采纳，直接去用偏方或者是什么其他的方法，我觉得这就是一个错误。

许嘉齐教授：我们正在经历着一场医学范式的变革。过去，我们对分子和基因跟疾病相关联的方法上是认知不足的，如今我们知道它们跟相关疾病紧密相连。在整个的治疗体系，治疗学上，正在发生着改变，指导着未来的模式。

现在的治疗，我们有大的总的原则、共识、指南。当到具体的病人的时候，一定是在共性和个性这两个方面相结合。任何一个指南，任何一个共识，都不可能包罗万象，把每一个病人具体的情况都写到那么精准，这个时候是医疗如何利用指南？如何在面对具体病人的时候，把精准医疗跟具体的疾病结合？

举个例子，比如说现在广谱的抗肿瘤药物，它可以针对某个基因突变，可能既在肺、又在肝、又在肾，但是这些病人本身的基础疾病并不相同。但基础疾病跟患者的肿瘤，究竟是什么样的关系？如何来应用这种广谱抗肿瘤药物？从药品审评的角度来讲，实际上还有很多数据并没有纳入。
所以，一个说明书，一个指南，提供给医生的也仅仅是在某一个方面，医生永远不可替代，他一定是从一个病人的整体的角度来考虑问题。

肖飞教授：指南和说明书都是随机对照研究（RCT），是在一个理想的世界中做出来的数据，它的适用范围是有限的，只能解决一部分的问题，或者一般的问题，还有很多留待临床医生去总结，去积累数据。

13、未来：中国医生引领世界医学

中国医生可以引领世界医学吗？55%的与会专家认为能，因为中国有最多的病人。而微信端投票这一选项仍占据主导地位，得票率59%。

陈香美院士：我相信中国终究有一天是会引领的，这是我们的终极理想和目标。

张志毅教授：作为中国人，信心要有，但是路还很长。我觉得，目前还处于一个科学浮躁的年代，无论科学精神还是合作精神，都有待于进一步提高。所以对于数据的采集和合理的应用，风湿病学界也就是这几年在曾小峰主委的带领下，才提到大数据上。这个工作才刚刚开始，但未来的路还有很长。

14、中国医学最可能在哪儿突破？

64%的与会专家认为中国医学在大数据及人工智能领域可引领世界，而在网络端有59%的人也认为是这样。

许嘉齐教授：改革开放以来，应该说中国的医学有了极大的进步。但是如刚才各位专家所讲，我们是在一个过去被封锁、在计划经济的条件下，从一穷二白发展起来。那么想要说未来我们在哪一个领域可以发展的快一些，可以让全球认可，说中国引领，我觉得4个方面皆有可能，但是最现实的话，我认为大数据和人工智能的这一个领域可能更接近于国际水平。我们在这个领域当中投入更多的资源，设计更好的制度，创造更好的环境，就完全有可能去创造一种新的发展方式，快速前进。

曾小峰教授：实际上，A、B、C、D我们都有可能引领，但是我们最快能够实现引领的，我觉得大数据跟人工智能可能是我们现在跟国外差距不大，我们能够实现弯道超车的一个方向。当然我觉得我们在临床，在药物研发方面也是很有优势的，这完全可能，但是我觉得目前要想很快超越引领，还有很大的差距。现在我们唯一觉得比较接近的，就是大数据跟人工智能，因为我们跟国外几乎差不多，差距比较少，起步不算太晚，所以我觉得在这个领域最有可能引领。

肖飞教授：做大数据不能急。在数据科学上有一个说法，叫做“Garbage in, Garbage out.” 意思是说：如果是垃圾进去，就永远变不成金子，出来的还是垃圾，所以我们还是要讲数据的质量。

陈香美院士：对，讲到大数据，还有一个实际上我们已经领先了——在数据的运算方面，连续这几年，我们大数据的计算速度都领先国际。

温利明教授：确实是，中国的大数据运算能力，是世界第一的。再一个，假如说到大数据，就要涉及数据传送，为什么5G打得那么凶？就是因为中国已经在这个方面领先了。

赵岩教授：实际上在人工智能和大数据领域，我们在某些方面已经领先。这两年的中美贸易战，美国人为什么掐华为？大家都很明白，就是因为我们在某些方面已经超过它了。中国有独特的优势：我们有这么广大的应用市场；我们还有一个很重要的——国家政策的支持；更重要的是，中国能够形成产业人才的最大基地。我们每年培养的计算机、数学的工程师是全世界第一，这是最重要的一点！

肖飞教授：而且还有一个，就是病人愿意去分享数据。其实要特别感谢我们中国的病人，他们拥有数据，他们也愿意分享数据，最后让我们的医学能进步。回过头来，通过科学的努力，让病人成为最大的获益者，实现价值。我们应该感谢广大的病人，是他们分享和牺牲的精神，在推动科学的进步。

15、临床思维

在实施诊断及治疗的实践中，38%的与会专家最习惯和最常用的临床思维是设定几个可能的，找证据排除，34%的与会专家则是在脑中设定最可能的，然后找证据论证。在网络投票中，这两个选项都各有27%的人支持，另外还有27%的人支持不预先设定，从证据开始分析得出。

张志毅教授：我个人看病的一种模式，就是A，尽管大家选得很少。对于一位资深的、有经验的医生，要有这样的能力，病都是看出来的，不是化验出来的。但是为什么还要去化验？就是找各种证据去支持。一般情况下去出门诊，我们给一个病人做诊断，要理论知识、临床经验，再加上辅助检查相结合。实际上，当一个病人到你的诊室以后，经过你看他男的、女的，多大年龄、起病形式、治疗反应，在这种情况下，我们几乎对这个病就有一个判断了。

陈香美院士：在诊断过程中，根据医生的级别不同，可能会有不同的考虑，做出的选择也不完全一样。比如说有经验的医生，也就是说高明的医生，自己基本上是设定了一些想法，再去经过化验或者是辅助检查验证。而一个初级医生，来了一个病人，他肯定要想这到底是什么病？这也是为什么我们临床医学是经验医学的原因。

当然经验不是单纯靠每天去多看病人积累的，必须要有科学的思维去进行经验积累，才能够做一个很好的医生。所以，我认为这个问题跟医生本身的经验、年资等都有关系，不能一概而论。

肖飞教授：全世界现在面临的问题是，没有数据可以告诉医生病人现在所处的状态。实际上，这是很好实现的，这还只是机器的一个自动提醒。比如，4年的追踪数据显示，在有那么多好药治疗的情况下，病人的基线达标率只有28%。好几个数据库，包括曾小峰教授领导的CRDC数据库，包括栗占国教授等开展的横截面调查，都显示出了类似的达标率，证实临床达标率就是这么低。

然而，这其实是可以改善的，只要利用【风湿中心】每三个月监测一次，像BeSt的研究一样，医生来做调整，在不去干预任何用药的情况下，就可以达到BeSt临床试验的效果，达到60%多的达标率，这是我们中国医生创造的奇迹。

习近平主席在做2018年新年致辞的时候，办公室的书架上摆了一本书，被《中国日报》给拍了下来，叫《终极算法》，习主席也在看算法，实际上他可能在用这种算法来领导我们的国家，制定方针政策。作为一线医疗工作者，更应该重视算法。

（整理报道：白蕊）