從生物統計下一代數據分析趨勢說(shuō)起

2009年，SAS公司在北美發(fā)布了全新的JMP/SAS CLINICAL產(chǎn)品，內部人士認為JMP/SAS Clinical產(chǎn)品是SAS針對生命科學(xué)領(lǐng)域的“下一代數據分析平臺”。作為全球生命科學(xué)領(lǐng)域數據分析和研發(fā)改善的領(lǐng)導者，SAS的這一舉動(dòng)毫無(wú)疑問(wèn)將引領(lǐng)全球生物統計分析的方向，也令整個(gè)產(chǎn)業(yè)界重新思考，生物統計及其在藥物、衛生等領(lǐng)域的應用將走向何方？
SAS的生命科學(xué)領(lǐng)域新動(dòng)向
前SAS生命科學(xué)資深科學(xué)家，現任JMP/SAS CLINICAL產(chǎn)品經(jīng)理的GEOFFREY MANN在今年年初舉行的JMP/SAS CLINICAL新版本發(fā)布會(huì )上，展示了這一產(chǎn)品是如何改善臨床試驗和藥物評審等各個(gè)環(huán)節數據分析的。在“探索臨床試驗數據背后的隱藏模式，來(lái)自 SAS——臨床數據分析軟件標準”這一話(huà)題下，他展示了新一代生物統計分析的方向和耐人尋味的諸多細節：
JMP/SAS Clinical是全球首款全面支持CDISC數據標準的軟件。而SAS作為CDISC的積極參與者，在推廣CDISC應用上自然是不遺余力。JMP/SAS Clinical產(chǎn)品在功能全面性、先進(jìn)性和易用性上配置豐富，其組成模塊包括：
− SAS Clinical Standards Toolkit
− SAS BASE2
− SAS ACCESS to PC Files
− SAS Genetics
− SAS GRAPH
− SAS IML
− SAS STAT
− JMP Life Sciences SAS components 12=
− SAS Integration Technologies
SAS Enterprise Guide (此為可選項，僅僅適用于客戶(hù)端而非服務(wù)器端)
− JMP
− JMP for Clinical
這一共十二個(gè)模塊涵蓋了生命科學(xué)領(lǐng)域所需的數據整理、數據分析、SAS編程、JMP數據可視化圖形界面等全部?jì)热?。其安裝模式與其他傳統SAS模塊一樣，既可以單機安裝，又可以客戶(hù)端、服務(wù)器的模式安裝。盡管SAS對這個(gè)打包產(chǎn)品的價(jià)格三緘其口，但一些迅速購買(mǎi)該產(chǎn)品包的客戶(hù)透露“和以往相比，其價(jià)格令人驚喜”。對于價(jià)格敏感型客戶(hù)來(lái)說(shuō)，廠(chǎng)商這種為推廣新策略而進(jìn)行的促銷(xiāo)的確是降低采購成本的好機會(huì )。
同時(shí)，SAS公司網(wǎng)站也宣稱(chēng)“JMP/SAS Clinical是JMP（藥物評審員的不二之選）和SAS（制藥業(yè)生物統計學(xué)家的標準分析與報告工具）的完美結合”。至此，SAS的策略可見(jiàn)一斑。
功能上，JMP/SAS Clinical能通過(guò)JMP菜單進(jìn)行“point，click and discover”式數據分析，所有鼠標操作會(huì )在后臺自動(dòng)記錄為JMP程序，以便反復調用；也可以直接沿用過(guò)往已經(jīng)寫(xiě)好的SAS程序；對于SAS程序員來(lái)說(shuō)，還可以繼續編程。以前SAS給人的大致印象基本上是程序員和統計學(xué)家的工具，而其他業(yè)務(wù)人員(比如藥物評審員、臨床醫生、流行病學(xué)家、生物測定小組成員，數據監察員和任何想理解臨床研究結果的人)使用傳統SAS軟件的準入門(mén)檻教高，學(xué)習曲線(xiàn)相對陡峭而難于盡快熟練掌握。JMP/SAS CLINICAL的使命似乎不僅僅在于取悅傳統用戶(hù)，讓分析和編程工作更簡(jiǎn)單和高效，其精美的圖形也很有利于對統計結果的解釋和溝通，還在于讓大量非統計專(zhuān)業(yè)人員得以輕松使用SAS強大的統計分析性能而又不必經(jīng)受漫長(cháng)而痛苦的學(xué)習和培訓過(guò)程。
下一代數據分析？
那么，所謂的“下一代數據分析平臺”，其實(shí)就是以生物統計所常用的SAS模塊為基礎，對軟件進(jìn)行了改造和封裝，輔之以行業(yè)標準和優(yōu)化的分析能力，降低使用門(mén)檻，提升專(zhuān)業(yè)性，在深度和廣度兩個(gè)維度同時(shí)發(fā)力。筆者個(gè)人理解，“下一代”的提法應該和SAS基本模塊多年來(lái)在用戶(hù)友好、可視化、交互性分析等方面的進(jìn)展較慢有關(guān)，而JMP在易用性，交互性、探索性數據分析（EDA）等方面與傳統SAS模塊（如SAS GRAPH）相比可謂后來(lái)居上，正好在這些方面提供了很好的補充。而這些方面多年來(lái)也一直是很多傳統統計軟件倍受用戶(hù)抱怨的地方：難學(xué)，難用，展示效果也亟待提升。
比如，在臨床試驗的藥審工作中，美國FDA要求對于受試對象的年齡、性別、種族等信息進(jìn)行分析，并以如下圖表的形式展示：

而在JMP/SAS CLINICAL中，既可以用上述圖形/圖表展示，交互式的數據分析又可以通過(guò)點(diǎn)擊圖形中SEX變量下的M或者F，被點(diǎn)擊選中的這些數據的在其他變量維度(Age， Race等)中會(huì )自動(dòng)變色，對應的數據行在后臺也被同步選中，病人情況的展示也會(huì )很清晰和完全；若要進(jìn)行下一步的子集化、分組以便進(jìn)行進(jìn)一步探索也很方便。

在“韋氏圖”和“火山圖”里，無(wú)論是考察個(gè)體之間的關(guān)系還是探索不良反應的程度，JMP/SAS CLINICAL提供的圖形都比傳統圖形手段更為清晰直觀(guān)，交互性也更強，為在這些重要分析步驟有效地中“探索”和“發(fā)現”臨床數據中的重要信息提供了可能。

據筆者了解，JMP作為SAS旗下主打數據分析可視化和交互性的軟件部門(mén)，一直在走一條與傳統SAS模塊化策略不同的道路：敏捷計算＋可視化＋交互式。JMP繼承了SAS在分析和建模領(lǐng)域的巨大優(yōu)勢，沿襲了SAS的數據挖掘和傳統統計功能，在DOE(試驗設計)等高級分析領(lǐng)域一直獨占鰲頭，近10年來(lái)在圖形和交互式分析方面也有明顯的進(jìn)步。其運行性能（速度、穩定性等）堪稱(chēng)優(yōu)秀，所處理的數據量也從原先的42億行65535列升級到軟件本身對數據無(wú)限制DD也就是取決于內存大小。
那么，這一新動(dòng)向能否給SAS帶來(lái)預期的效果？其背后是否有更高層面的策略？
也許先看看其他行業(yè)會(huì )幫助我們理解這一動(dòng)向。在對分析能力和數據吞吐量更高的銀行業(yè)，SAS的數據挖掘平臺長(cháng)期以來(lái)一直是行業(yè)標準。2011年5月初，SAS總部宣布一項新的產(chǎn)品戰略，在SAS ENTERPRISE MINDER(企業(yè)級數據挖掘平臺)上加入JMP產(chǎn)品。并且，和這個(gè)產(chǎn)品策略相對應，推出了“探索性數據挖掘”的概念。 這個(gè)舉動(dòng)不由令人產(chǎn)生簡(jiǎn)單的聯(lián)想：JMP/SAS Clinical 和SAS ENTERPRISE MINER兩個(gè)SAS引以為傲的拳頭產(chǎn)品和核心競爭力，都已經(jīng)和JMP融合，除了這兩款拳頭產(chǎn)品，SAS旗下的一系列主打產(chǎn)品包括SAS VBI， SAS VDD，SAS MLA等，都是在傳統SAS模塊的基礎上融合JMP而形成的新一代產(chǎn)品。這種把傳統數據分析融入可視化交互式數據探索的舉動(dòng)，是不是SAS新的產(chǎn)品策略？
反觀(guān)全球統計分析業(yè)界，商業(yè)智能新秀TIBCO并購了SPLUS和SPOTFIRE，IBM并購了SPSS和COGNOS，ORACLE并購了HyperionDD這些并購是否昭示著(zhù)傳統統計分析與圖形、可視化能力的結合這一趨勢已經(jīng)在全球范圍內實(shí)實(shí)在在地發(fā)生了呢？ 站在這樣的角度，跳出“生物統計”的小圈子，不難發(fā)現，數據分析正走向一個(gè)全新的方向：分析可以是文本的，圖形的，而不再只是數據表的。
就此，筆者相信，“下一代數據分析”這種提法，無(wú)論是否真正成為幾大巨頭的產(chǎn)品策略并不重要。事實(shí)是，在數據分析領(lǐng)導者JMP/SAS和傳統IT巨頭IBM， ORACLE等的推動(dòng)下，大幕已經(jīng)就此拉開(kāi)。這一潮流的第一登陸點(diǎn)，似乎并非金融和電信，而是我國十二五規劃中重點(diǎn)發(fā)展的生物醫藥行業(yè)。
中國生物醫藥數據分析的機會(huì )與挑戰
和其他科技領(lǐng)域一樣，我國的技術(shù)界習慣了“引進(jìn)一流技術(shù)與設備”，或者“業(yè)界老大用什么，我們就用什么”。這種依賴(lài)國外同行的選擇來(lái)降低決策風(fēng)險的做法，一段時(shí)期曾經(jīng)起到過(guò)相當積極的作用。只是在創(chuàng )新領(lǐng)域，永遠模仿競爭對手的做法，只能產(chǎn)生跟隨者，而不是創(chuàng )新。
我國藥品新的注冊管理辦法的核心就是要保證藥品質(zhì)量，鼓勵新藥創(chuàng )新和遏制低水平的重復。生物制藥的創(chuàng )新和自主研發(fā)，需要藥企和研發(fā)機構在以臨床醫學(xué)(包括治療、診斷、倫理等)為基礎，并豐富以藥學(xué)、藥理學(xué)、毒理學(xué)、藥代動(dòng)力學(xué)、生物統計、現代生物技術(shù)、信息學(xué)等的各學(xué)科方面都有足夠的積累和深入研究。在數據分析方面，先進(jìn)的生物統計方法加上計算機軟硬件技術(shù)的飛速發(fā)展，可以實(shí)現由工具層面的升級到生產(chǎn)/研究方法的革新。
反觀(guān)國內大學(xué)的生物統計和其他類(lèi)型的應用統計教學(xué)，基本上都是數學(xué)學(xué)科的延伸。闡述數理統計原理的要求，遠遠高于了應用數據分析方法的要求。這一特征使得我國培養的數據分析人員，在數據分析的應用和拓展方面，創(chuàng )新能力不夠，思路課本化、程式化。在商業(yè)領(lǐng)域，無(wú)論是臨床數據分析還是銀行數據分析，都更傾向于：
1.采用SAS編程的手段進(jìn)行分析，過(guò)于強調編程的必要性和重要性
2.分析過(guò)程仍然以“帶著(zhù)問(wèn)題找結果”的邏輯展開(kāi)
3.在分析結果的溝通和展示上，以部分傳統統計分析圖形和數據表為主
4.部分數據分析和對結果的解釋存在普遍誤用乃至于錯誤
創(chuàng )新的一大特征就是繞開(kāi)模式思維的盲點(diǎn)。擺脫傳統思路和模式，用全新的方法、手段、工具去開(kāi)展工作，其本身就是創(chuàng )新的一部分。藥物研發(fā)水平的升級和創(chuàng )新密不可分。在數據分析層面，在部分保留傳統編程手段的同時(shí)，恰當引入可視化、交互式而又更加強大的數據分析能力和方法，能否為我國生物制藥領(lǐng)域的研究和發(fā)展提供一些創(chuàng )新的源動(dòng)力？我們拭目以待。