大数据还是大数据库？

众所周知，大数据势头不可阻挡。但是，放疗领域是有其独特性的，数据的采集和分类是不同于一般医院信息系统。同时，不同的用户，例如医生，保险公司，信息交流中心等，对数据的要求也不一样。如何满足这些不同的要求，如何面临这样的挑战？最近医学物理杂志发表了一篇文章《Performance/Outcomes data and physician process challenges for pratical big data efforts in radiation oncology》基本上总结了这些情况及对策。

首先，放疗领域数据要归一化，要有一致的标准。例如勾画的名称，计划的名称，束流的次序等。再有，就是不但要有剂量信息，还需要有空间信息。例如再次放疗，放疗位置的重叠区更加重要。

文章中列举了目前美国大学和一些机构存在的数据库，这也是本文章的亮点，简介如下：

M-ROAR 密西根大学的数据库。该数据库融合放疗和医院信息系统，可以输入肿瘤分期，诊断代码，疼痛评估分，病人自报治疗效果，及Common Terminology Criteria for Aderse Events （CTCAE）评分。利用微软SQL数据库，目前有17000记录。自动服务系统可以很方便提取信息。

MD Anderson系统。该系统集成EPIC医院信息系统及电子病例系统。目前有超过40个特殊的模板。这些模板可以很容易地从EPIC提取信息。病人的信息如病理条件，癌症分期，目前状态，症状，实验结果，放疗图像信息等都可以通过模板提取。

儿童质子注册系统（PPCR)。该系统2012年建立。目标是看儿童是否可以通过质子治疗获益。目前13个质子中心1800例已经输入。病理输入通过网站即可，该网站对所用质子中心开放。可收集病人基本信息，诊断，分期，健康基线，化疗，放疗，手术，诊断图像等信息。支持DICOM-RT结构。该系统也同MIM合作，可以存储大量图像数据。

Oncospace。由约翰霍普金斯大学开发。可存储放疗计划系统。目前有500多病人病例。目前有的数据来自约翰霍普金斯大学，华盛顿大学，维吉尼亚大学和多伦多Sunnybrook大学。

宾州大学ORQID系统。该系统目标是组织癌症病人的基本信息，生理特征，病理分期，基因信息，放疗信息和医生汇报的副作用。由28000病例。

美国老兵健康管理放疗实践评估系统。目前有40家放疗医院，超过每年15000病人输入的系统。该系统用于评估老兵放疗情况。HINGE接口被用来输入信息。HINGE可接受医生病历，DICOM-RT结构和DVH，并用自然语言查询，同时可以给出预测。

Mayo Clinic Florida系统。目前有3000多例。该系统使用Mayo医院和电子病历的接口来输入数据。

Radiogenomic Consortium (RGC)系统。建立于2009年。由NCI和NIH资助。主要是采集图像病理来分析预测癌症结果。目前有6000例前列腺，4500例乳腺数据。共有132家单位参加。

数据库的存在才能采集大数据，有了大数据才能进行分析和预测。但目前也存在很多问题和挑战。例如：数据的采集，数据库兼容问题，数据共享问题，标准化问题，数据提取信息等等。大数据道路还是任重道远啊。

这里谈谈笔者自己的一个想法：我们的世界是真实的还是虚幻的？我们能否镜面我们自己？能否在另外一个虚拟的世界创造出一个自己？并在现实的自己和虚拟的自己之间建立桥梁，来辅助现实的自己更健康和指导人生？这就是虚拟人平台的想法，基于云的虚拟世界平台，可惜志大才疏，只能想想，记录于此。