日新月异的信息科技时代，大数据、云计算、移动互联、物联网、人工智能，成为人类社会发展的动力。

挖掘数据资源诊断治疗癌症，利用大数据数据处理发现，当肿瘤细胞聚集在密集的环境中时，开启了一组特定的基因，形成类似于血管的结构。

在临床中观察到这些血管样结构的现象称为血管模仿，与一些最具侵袭性的癌症有关。这项研究增加了研究人员如何启动转移过程的知识。

美国著名的加州大学圣地亚哥分校拥有先进的生物工程技术，擅长瞄准肿瘤生长，但对转移的了解还是不够深入。

研究发现，一组称为基因模块的基因能够预测患者的预期寿命，以及肿瘤是否会在包括乳腺癌，肺癌，胰腺癌和肾癌在内的9种癌症中转移。

挖掘数据资源诊断治疗癌症，大数据显示，由于肿瘤细胞从一个位置转移到另一个位置会导致90％的癌症患者死亡。

该基因模块可用于帮助确定患者是否患有侵袭性癌症，并通知患者和他们的医生在选择特定疗法时作出的决定。

通过将恶性细胞置于他们建立的定制3D胶原基质中进行观察。发现细胞在由短纤维和小孔构成的基质包围时变成模拟血管的结构。

这种现象与基质的其他物理特征如硬度相似。按理说，把细胞放入这个更加有限的环境将会阻止它们的传播，但是恰恰相反。

细胞在传统的培养皿中没有表现出这种行为。将细胞包围在模拟人体内发生的3D环境中是至关重要的。

细胞的行为是由特定的基因模块引起的，将胶原诱导的网络表型称为CINP。把这些细胞放入一个受限制的环境，基本上重写了它们的基因表达。

几乎就像矩阵编码基因模块一样，在一系列人类癌症基因表达和组织学数据库中寻找这个基因模块，其中包含组织的微观结构的记录。

该模块的存在是控制其他因素后是否可能积极转移癌症的强有力预测指标，由恶性细胞建立的通道允许血液流动到肿瘤而不凝固并有助于营养物质。

这也使癌细胞更容易通过患者的血液传播，当癌细胞连接起来时，它提高了它们传播到体内远处的机会，需要寻找分子靶点阻止细胞的转化。

癌症是严重威胁人类健康的重大疾病，全球每年有1400多万癌症新发病例，预计到2030年，这一数字将超过2100万。

在中国，肿瘤发病形势十分严峻，2015年肿瘤新发病例430万，每天约有1万余人被确诊为癌症。由于人口老龄化，肿瘤患病率将不断提高。

海果汇专家认为，大数据不仅仅指数据量大，还包括数据的复杂性和多维度，肿瘤是具有高度复杂和个体化的疾病，即便是单一患者也涉及到大量医疗数据。

挖掘数据资源诊断治疗癌症，肿瘤大数据的应用，让更为全面地分析肿瘤的复杂性，找出有针对性的治疗方案成为可能。

由于以往缺乏有效的分析工具，难以对数据进行综合性地分析和提炼，再加上肿瘤数据复杂，涉及到影像、病理、分子诊断等多组学信息。

医疗机构之间又存在信息壁垒，大量宝贵的肿瘤相关数据被束之高阁，实用价值无法完全发挥。

随着统计分析工具和网络平台的快速发展，数据整合和处理能力不断增强，可以从复杂、繁琐、断续的疾病数据中找出规律。

大部分肿瘤，如果能在早期发现并采取有效治疗，能显著提高生存期，有效分析肿瘤致病因素和相关因素，有针对性地开展肿瘤研究和防治。

研究的针对性很重要，除了知晓病因外，还要有效缩小目标人群，降低对正常人群的干扰，实现降低成本、提高效能。

基于大数据，用图像识别、语音识别和语言翻译智能化深度学习，通过病理切片的训练，可以将前列腺癌的预测率大幅度提升。

还可从二分类向多分类发展，实现由有无患癌确定到癌症恶性等级以及严重程度的划分细化。

大数据技术在早诊早治领域能发挥重大作用，使得肿瘤可以在早期被监测到，使治疗更容易和有效，实现对特定个人或人群的健康和医疗管理。

通过大数据，可以预测和估计特定肿瘤或人群的未来趋势，制定合理的医疗政策，加强临床信息与分子生物学、基因组学、代谢组学等多学科的融合。

帮助人们发现疾病背后的秘密，提高靶向药物、免疫治疗的研究效率，实现同病异治和异病同治，对少见病和罕见病研究也有突破作用。

通过先进合理的分析，能帮助研究者在分散的、不完善的数据中寻找规律和发展趋势，有目的地展开研究和制定方案政策，对于科研和临床研究至关重要。

肿瘤大数据有着广阔的应用前景，我国肿瘤大数据仍处于刚刚起步阶段，还有很多事情要去做，面临着一系列困难和挑战。

尚未建立起系统完整的肿瘤监查网络，缺乏全国肿瘤发病与诊疗的权威数据，导致肿瘤防治、临床研究、指南制定、政府决策都带有一定盲目性。

缺乏信息共享机制和平台，临床研究管理成本增加，效率低下，不利于整合资源。

建立肿瘤大数据临床研究平台，可以提高管理效率、避免盲目低水平的重复，节省宝贵的卫生资源，也能降低管理成本。

在大力推广肿瘤大数据平台建设的同时，要注意将数据共享需求与协作机制之间相互联系，尽力破除各机构之间的信息壁垒。

可以通过制定数据采集、存储、交换、提取等一系列相关标准，以及制定政策和相应的奖惩机制来规范数据共享和协作。

目前所录的大部分病例、病史都是非表格、非结构化的。以腹痛为例，可能会存在腹痛、腹部疼痛、肚子疼等多种表述，给数据的进一步处理带来困难。

挖掘数据资源诊断治疗癌症，要建立症状标准化字典、治疗同义词字典，规范数据采集标准，尽量给予规范化的描述，让计算机能读懂数据。

多组学间的数据如何融合、临床数据与生物样本平台如何管理、网络系统安全如何保证等问题，都是肿瘤大数据发展面临和必须解决的关键问题。

医学如此发达，癌症依然有增无减。大数据分析显示，癌细胞怕热，喜欢攻击体温偏低的人群，癌细胞怕有氧环境，喜欢攻击体内有堵塞的人群。

当体温降至35摄氏度时，正是癌细胞最活跃的时候，而当体温达到39.6摄氏度以上时，癌细胞就会死掉。

人偶尔有体热，身体发烧，不必太过害怕，它可以杀死体内的癌细胞，那些为了美丽，冬季还穿丝袜，弄得自己楚楚动人的女孩们要多加注意。

疾病的因子慢慢侵入体内并扎根驻营了，稍微上点年纪，就会出现关节痛，身体的某个部位就要出现问题。

虽然癌症是一种从头到脚都有可能发生的疾病，但心脏、脾脏、小肠发生的几率较小，而食道、肺、胃、大肠、直肠、卵巢、子宫等发生癌症的几率较大。

因为心脏虽小却负责提供维持体温所需能量的1/9，脾脏则是红血球集中的地方，而小肠负责消化吸收，要经常活动，它们都是温度比较高的器官。

食道、肺、胃、大肠、直肠、卵巢、子宫等则是中间有空洞的器官，细胞比较少，温度也容易下降。突出在身体外面的乳房，是温度比较低的器官容易发生癌变。

现代人运动量少了，轿车代替了走路，洗衣机代替了手工劳动。压力太大，肾上腺分泌多，血管收缩，血液循环不畅，出现循环障碍，温度下降。

夏天整天躲在空调房里，平时吃的寒凉食物过多，也会造成体温降。除了饮食调节以外，需要增加体温。

尤其是老年人，首先穿暖和，吃热食，每天晚上睡觉前泡泡脚，用老姜打碎熬水来泡泡脚，除体内的寒气，可多喝当归炖里脊汤。

还可喝红豆薏仁汤来除体内的湿气，在空气新鲜处，多运动，多做深呼吸，增加热能和含氧量，提高免疫力。

在瑞士达沃斯论坛上美国副总统Joe Biden要求临床医生和研究者举例表示人类在抗击癌症中突破的障碍。

海果汇专家认为，最重要的议题是大数据，大数据的收集、分析和应用。大数据是有效的，因为有重大的信息可以从大数据集合里分析。

越是大样本的体量，越能发现一些在小样本体量中难以发现的小问题。大数据岂止于大，而是越多越好，多个品种的数据类型、数据生成的速度和数据集成。

目前的许多数据库之间无相互接口，因为它们是由单独的预防、研究和临床部门产生的，现在缺乏一个整合这些不同结构、集中信息的潜在平台。

目前的数据收集和分析能力有限，应该利用好它，因为测序的可访问性，将导致访问信息出现爆炸性的增长，并在很大程度上较为分散，传统的信息挖掘将难以解决问题。

针对性和创造性的利用现有的数据可以指导临床实践。基因组学已经为癌症治疗带来了重大变革，其作用远超过以往的遗传学知识。

尽管测序提供商认为投入的金钱越多，结果越清晰，事实上并不是如此。现在已经达到了提取有效信息的饱和点。

以癌症为例，目前针对各种各样的癌症已经出现了海量的数据。数据暴增趋势在继续，突破癌症治疗所需的数据已经达标。

成堆的新数据只能显示癌症惊人的多样性，即使是一个单一的肿瘤也包含独特的成千上万的基因突变，使得使研究人员找出哪些是驱动疾病的基因愈加困难。
　　
除了积累更多的数据之外，研究者需要更加仔细地找出现有数据的关联，成立了肿瘤细胞地图项目。

系统地介绍癌症基因间的相互作用，以及它们如何导致了疾病与健康的状态，从而研究出癌细胞里的突变基因和蛋白的路线图。

进行癌症DNA测序的样本已经接近20000例基因组，但仍然难以分析癌症基因组的基因网络，没有两个肿瘤患者在基因层面上看起来很相像。

已经开始系统地分析成千上万的肿瘤的多重信息，包括mRNA和microRNA表达、DNA拷贝数和甲基化以及DNA序列。

海果汇专家认为，现在强烈需要有一个可以整合和解释基因组规模分子信息的方法，以洞察驱动肿瘤恶化的过程。

迫切需要医疗机构的参与，以解决公司在分析肿瘤基因时因无法获得临床相关的数据而得出不当结论。

解决子网络分析需要综合信息方法，尤其是综合已知编码蛋白质的基因在表达蛋白质内部子网或通路作用间的数据库交互。

这需要基因或蛋白质在各个子网络内形成的聚合表达式组成的巨大交互网络，而不是清单单个基因或蛋白质。这些子网可以识别不同种群患者之间的基因表达差异导致的不同临床行为。

这种方法需要大量的生物信息学、统计学和蛋白结构知识，这种子网分析能够解释基因表达差异下的分子通路，它使用的数据已经存在。

海果汇专家认为，对于大多数中度乳腺癌风险的患者，传统因素不是预测，大约70-80%的淋巴癌阴性患者在接受不必要的辅助化疗。

当前的许多风险因素可能是次要表现而不是疾病的主要机制。一个新的挑战是如何确定新的与疾病更加直接相关的疾病，可以更准确地预测个体患者的风险转移。

通过单克隆B细胞在血液中、骨髓、次级淋巴组织的集聚，采用基因网络分析并预测慢性淋巴细胞白血病患者的特点。

研究人员使用子网络基因表达分析概要文件区分组不同患者的慢性淋巴细胞白血病进展风险。有些病人无症状多年；有些患者则在被诊断后不久就出现较为严重的症状。

由于目前必须明确证据显示疾病进展或疾病相关的并发症，否则建议停止治疗，但标准疗法与显著的毒性有关，因此准确预测是至关重要的。

目前已经有通过基因芯片检测的报告显示，替代标记物可作为慢性淋巴细胞白血病已知的预后因素，如IGHV突变状态。

挖掘数据资源诊断治疗癌症，预测子网的表达水平随着时间的推移而发生变化，但是在在之后的时间点表现出较强的相似性。

随着科技的发展，大数据挖掘已经成为慢性淋巴细胞白血病患者等癌症的的治疗策略和潜在的观察途径。