不可否认，在当今世界，人类的信息数据已经随着研究领域的扩展进入了指数级增长的时代，传统的信息处理方式存储量小且反应速度慢，大数据分析体系便应运而生。在当下的科学技术逐渐成熟的今天，如何将数据分析应用于各个领域，实现效率的跨越式提升和产业的升级转型，是目前各个行业都在研究的问题。而作为研究与人类疾病、基因、微生物等相关的生命科学，更是亟待有工作高效、体量更大的数据分析体系协助进行深入的研究创新。

大数据邂逅生命科学，创新转型的契机

将数据分析运用于生命科学的领域，其实已经在世界级科技巨头公司投入应用并成为了大公司业务运行的得力助手。比如微软公司所开发的Azure Machine Learning，就是是微软云平台上的一款托管式机器学习服务，可以帮助研究人员轻松创建、部署和管理监督式和非监督式机器学习模型。研究人员可以使用Azure Machine Learning快速实现生物序列分析、卫星图像分析、情感分析等

多个应用场景，从而提高研究和分析的效率。

早在2011年，麦肯锡就在报告《大数据的下一个前沿:创新、竞争和生产力》中预估，数据分析在医疗领域每年能够产生3000亿美元的潜在价值，年生产增长率为0.7%，而且先进的分析方法可以将标准化的疾病治疗转化为个性化的风险评估、诊断、治疗和监测，个性化医疗的到来将可能改变整个系统利益相关者的命运。在个性化医疗过程中，数据分析将会对医疗服务方、支付方、制药企业和医疗设备企业等各方产生深远甚至是决定性的影响。

而在当下，数据分析已经广泛应用在生命科学领域，实现了数据分析个性化、海量信息的构建、医疗服务的个性化等各种超前的服务。在数字化服务的帮助之下，生命科学开启了以患者为中心，通过医药生产、流通、服务向产业链上下游以及高附加值服务领域发展。

大数据分析在生命科学领域的应用

在当下，数据分析在生命科学领域的实际应用，主要体现在信息归拢、纠正偏差、提高效率等方面。

合零为整

大数据分析的合零为整功能，主要体现在大数据分析系统可以自动识别不同数据表格之间的联系，允许客户以查询数据库的方式直接操作这些表格，还可以对访问系统的用户进行信息采集、建档和归类，组建一个有序的新数据库，为进行客户的精准需求分析和个性化医疗提供统一且全面的标准和依据。

比如在协和医院所引进的SAS数据分析软件，就是以此来做信息库的统计分析研究和具体的统计分析工作，包括临床研究的数据管理和药理中心比较分散的数据分析管理等等，大大提升了信息管理的效率和精准度。

提高效率

生物科学高性能计算需要海量的计算资源，存储量和计算周期都在增加;与此同时，生命科学的数据分析计算往往比较复杂，对速度要求越来越高，传统的手动统计和区域网络已经难以满足这种需求。因此大数据的分析系统的存储量和效率的优势，得以显现，通过强大的数据整合能力和大体量的数据库储存，对于用户的指令做出快速及时的反应，简化运算流程，降低手工运作的复杂性。

比如金赛药业所采用的SAS数据分析体系，在提升新药品上市等工作中发挥了重要作用。金赛药业相关工作人员介绍说，在SAS、CACHE等服务器所组建的软硬件设备基础上进行的智能开发，让工作人员在同等条件下效率提升了200%，在2022年抢占新冠药品上市的过程中，数据分析系统在4个小时之内完成了top line的结果提交，12个小时成功提交所有的package，保证了新药品抢占市场先机。

纠正偏差

随着信息科技的发展，生命科学领域的数据库体量将会越来越大，内容也会越来越复杂，更需要通过精准的运作和计算纠正偏差，保障数据无误。大数据分析系统的运算过程是由特定的引擎进行判断和驱动，几乎不需要人工干预人工干预度低，可以快速实现计算的自动化和流程化，在这个过程中出现的操作异常会自动提示，进行人工修正或者干预。此外，大数据分析系统还有提前预测功能，从根本上减少出现错误的概率，实现信息的准确传达和运算。

比如在疫情期间，美国克利夫兰医学中心就在SAS的协助下合作创建了创新性分析模型，帮助医院准确预测患者人数、所需床位和呼吸机数量等关键信息，根据这些预测的实时变化，医院和卫生部门及时调整医疗资源分配，为新冠及其他患者提供更好的医疗服务。

大数据分析系统，生命科学的未来“神辅助”

在信息化扩展至全球的时代，大数据分析系统对于生命科学研究来说，起着越来越重要的作用。那么在医疗、医药、康养等相关行业如何能把握住时代契机，通过人工智能技术实现产业技术升级和效率的再度飞跃?

SAS中国生命科学行业首席顾问顾天伦先生认为，未来生命科学领域将会从以药品为中心向以患者为中心转移，让患者更好地参与到临床试验当中去进一步优化设计和实施。因此，随着数据标准不断地完善复杂，越来越多的相关企业希望能有标准统一的rest API接口共大数据分析系统的程序员或者医学工作者来

简化流程，提高效率。在创新层面来说，未来，基于临床线、基于风险的质量管理、医学监察的可视化的审核，以及药物警戒信号的可视化管理等一系列的可视化分析都会不断搭建，可以助力行业内部更快的发现药物安全性信号，以最快的速度排查临床试验运营过程中不合规的部分，让临床数字创新带给患者最大的益处。这也是未来大数据分析体系在生命科学领域发展的主要潮流。