癌症研究中大数据能做的五件事_数据分析师
流行病学研究包括癌症在内的人类疾病的起因及模式。在大数据时代之前，人们发现吸烟是导致绝大多数肺癌的因素。现在，大数据可以帮助解决癌症研究中更大的问题。新时代的流行病学借助于海量的住院记录及基因组数据，深入研究不同人群中的不同癌症。
1. 帮助指导使用已通过的癌症药物
虽然临床试验为医生们提供了许多药物如何发挥作用的有用信息，但是大概只有2%的癌症患者参与了临床试验。 事实上，每天都有成千上万的患者接受诊断和治疗。这意味着其实我们可以从中获得大量的重要数据,来帮助医生与病人在面对不同治疗方案及其可能的结果时做出 更好的选择。
美国临床肿瘤学会ASCO发起建立一个数据库:CancerLinQ,旨在获取这些数据。它能将数据提供给医生们, 为他们提供实时的治疗建议。美国基因泰克公司（Genentech）的科学家和医生们都对能帮助ASCO开发一个完善的CancerLinQ系统感到兴奋。
2. 决定每位患者的预后治疗
了解患者的预后，可以帮助医疗团队决定对患者癌症的治疗强度，以及在肿瘤消失后需采取的措施。大数据正在借助分析从大量不同患者搜集过来的海量信 息，来预测长期结果。例如，医生可以使用这些信息来决定哪些患者应该接受进一步治疗，哪些患者，由于他们的癌症不太可能复发而避免不必要的治疗。
3. 帮助药物开发发掘潜在的新靶点
对大量肿瘤DNA进行测序可以帮助研究人员了解一些与癌症相关的基因变化。科学家利用这一点帮助测试潜在的新药物，这些药物能靶定到某些与肿瘤生长相关的基因变化或驱动因子。大数据可以从临床前试验中获得，并用来帮助药物或药物组合的选择，以放到人类临床试验的研究中。
4. 解决大的公共卫生问题
流行病学研究包括癌症在内的人类疾病的起因及模式。在大数据时代之前，人们发现吸烟是导致绝大多数肺癌的因素。现在，大数据可以帮助解决癌症研究中更大的问题。新时代的流行病学借助于海量的住院记录及基因组数据，深入研究不同人群中的不同癌症。
5. 允许病人直接参与进来
癌症患者现在可以通过提供基因，医疗记录及治疗效果等数据，直接参与癌症研究。这些信息用于建立大型的研究数据库。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
Pandas 选取特定值所在行：6 类核心方法与实战指南 在使用 pandas 处理结构化数据时，“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络（SCNN） 为解决这一痛点，球面卷积神经网络（Spherical Convolutional Neural Network, SCNN） 应运而生。它通 ...
2025-09-30在企业日常运营中，“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”，金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗？基础方法、进阶技巧与场景边界 在数据分析领域，聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树：原理、优化与工业级实战指南 在机器学习领域，决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中，“设计标签逻辑” 只是第一步，真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键，在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时，折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时，“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号（如 “北京 ...
2025-09-28在 CDA（Certified Data Analyst）数据分析师的技能工具箱中，数据查询语言（尤其是 SQL）是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验：原理、方法与实战应用 在生存分析领域，Cox 比例风险模型（Cox Proportional Hazards Model）是分析 “ ...
2025-09-26检测因子类型的影响程度大小：评估标准、实战案例与管控策略 在检测分析领域（如环境监测、食品质量检测、工业产品合规性测试） ...
2025-09-26CDA 数据分析师：以数据库为基石，筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中，“数据从哪里来” 是 CDA（Certified D ...
2025-09-26线性相关点分布的四种基本类型：特征、识别与实战应用 在数据分析与统计学中，“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南：从原理到实战的科学路径 在深度神经网络（DNN）的设计中，“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中，不少团队陷入 “指标困境”：仪表盘上堆砌着上百个指标，DAU、转化率、营收等数据实时跳动，却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片：成因、检测与内存持续增长的解决策略 在 MySQL 运维中，“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测：核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师：驾驭通用与场景指标，解锁数据驱动的精准路径 在数据驱动业务的实践中，指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中，AB 实验系统（负责验证业务优化效果）与业务系统（负责承载用户交互与核心流程）并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析：6 步闭环，让数据驱动业务落地 在企业数字化转型中，CDA（Certified Data Analyst）数据分析师的核心价值，并 ...
2025-09-23
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
