“我们不应该盲目地追求数据量，而应该将现有的数据充分利用好，并从中找到新的知识。”

谈到生物医学大数据如何更好地与临床相结合，清华大学人工智能研究院教授杨斌告诉《科学新闻》，随着测序技术成本的降低，获取数据将越来越容易，但是重要的是如何从这些错乱复杂的数据中，找到疾病发生的规律和线索。

长期以来，医生们受循证医学训练，更为强调“可靠”的知识，善于采集大样本的临床数据，并将基础理论的研究与临床经验相结合，最后把临床数据总结成临床诊疗指南与路径。

而精准医疗时代，杨斌认为，应该在循证医学的基础上，更强调患者个体的个性化诊疗，通过对患者的数据分析并结合临床经验，给出最佳治疗方式。

“传统循证医学以群体证据作为核心依据，往往无法解释个体差异。而精准医学从基因、环境等个体因素考虑疾病在个体的发生发展过程和治疗应答，与仅考虑患者共性的传统循证医学相比，能更好地诠释个体差异，更好地提供个体化的药物治疗方案，更安全、更有效、更合理地配置医疗资源。”中国工程院院士、中国医学科学院北京协和医学院院校长王辰说。

王辰表示，精准医学主要落地方向，在于大型队列研究和药物基因组学研究与应用。大型队列研究的目的是从疾病表型追溯基因型，从而揭示疾病的发生发展规律，为精准诊断和治疗提供依据。药物基因组学研究和应用，则从基因角度对药物的安全性和疗效进行评估，从而获得对于个体更加确定的疗效，超越机械遵循指南的试探性的治疗。

此外，中国工程院院士樊代明也指出，传统的生物医学数据分析思维和方法难以适应大数据分析的需求。生物医学大数据实现了以患者为维度的多源数据的整合，需要分析的数据如此之多,因此不再只依赖分析少量随机抽样的数据，也不再热衷于探求数据之间难以捉摸的“因果关系”，而是更多关注数据的“相关关系”。与传统随机对照研究常用差异性统计分析方法不同，生物医学大数据更多采用数据模型以及控制混杂的统计分析方法。

“而计算医学正是以计算技术为手段、以医学问题为导向，构建各种生命活动的模型，充分利用人类已经积累的生物医学知识，系统地理解生物医学大数据蕴藏的生命规律。循证和计算都是实现精准的技术手段，计算医学在更高维度上实现了循证。”中国科学院计算技术研究所副研究员、中国科学院计算技术研究所西部高等技术研究院常务副院长张春明表示，未来，以基因测序为代表的数据生产一定会迎来免费的时代，数据挖掘成为最终的价值出口，立足生物医学的科研和产业需求，我们构建了“生命信息引擎”，该引擎归根到底就是面向生命医学数据的计算机系统，屏蔽了海量数据的管理、理解和计算等方面的技术细节，让生物医学专家能够便捷地利用信息技术解决行业问题。

“因此，我们呼吁生物学家、医学专家和计算科学家携起手共同丰富计算医学的内涵，以期将疾病的预防、诊断和治疗推向精准。”张春明说。