在數據時代，相比于傳統的統計學分析方法，使用數據科學領域的算法模型或圖像識別等技術將能輔助醫學專家提高醫學研究效率和精準度。作為從始至終支持數據院在醫療健康大數據方向研究工作的醫學專家，清華大學生物醫學影像研究中心研究員趙錫海早就認識到數據科學對于醫學研究的重要性，也一直在踐行和推動“醫工結合”的創新性合作。

“我在幾年前就接觸到數據院了，在一場醫療主題的會議上聽到韓亦舜老師關于醫療大數據的思考和數據院在相關領域的實踐，正巧我也早就有意結合大數據技術來做醫學研究，所以我和韓老師一拍即合。”趙錫海老師在回顧與數據院的合作初衷時這樣說道：“一般來講，醫學上用的傳統統計學分析方法只適用于樣本量小、數據變量不多的研究，反之則需要大數據和人工智能等技術從另一個維度挖掘數據的價值。從臨床醫學的角度，我可以提出一些可能有價值的研究方向，并且知道做什么分析對臨床有用，數據院會幫助選擇可結合數據技術的課題以及相應的技術合作伙伴和資金支持。我們合作的研究項目都非常成功，有了數據技術的支持，大大提高了研究的準確度和效率。”

“醫工結合”帶來的不只是數據技術對醫學研究的影響，同樣會反過來推進數據技術的優化，這是一個互促互進的良性循環。韓亦舜老師邀請趙錫海老師參與醫療健康大數據方向的研究，不僅是在具體項目上的合作，還有一些戰略性、方向性的深層次討論。趙錫海老師可以提供醫學專業的知識、訊息，并積極推薦合適的臨床醫學專家參與課題設計和開展合作，這些對數據院在醫療大數據方向的研究、規劃和未來發展提供了很大的助力。

“在進行醫療數據研究時，我會從臨床醫學的角度設定研究方向，具體的技術方法和實現途徑則需要和數據科學領域的專家合作，共同完成課題?！贬槍@種跨學科、跨領域的合作，趙錫海老師認為決定合作能否成功的要素有以下三點：

首先，這種合作一定要基于共同的興趣。這種興趣點一般是大家在互相交流的過程中討論出來的，興趣是做研究的一個原始動力。合作雙方如果沒有共同的興趣，則無法開展實質性合作性研究。

其次，合作的雙方都要學習對方領域的相關專業知識，以增強凝練更高水平的科學假說和關鍵問題的能力。這種學習不僅是簡單的聊天，更需要互相提供一些培訓的機會。當合作雙方對彼此的需求和能力有一定的了解和思考后，才能進一步探討深入合作的研究方向和合作方式。這種互相交流學習的機會不能限于舉辦學術講座或論壇，更為高效的做法是不斷地開展小范圍的學術討論，大家需要坐到一起，進行面對面的交流和頭腦風暴。

最后，趙錫海老師提到很重要的一個要素是在各方合作過程中，要共同遵循一些規則和規范，具體體現在合作項目的“科研合作協議”，該協議會對合作各方在科研活動中起到一定的約束作用。事實上，清華大學各個研究機構都有自己的科研協議，其中包括合作雙方或者多方人員各自的責任和義務；知識產權、成果分享的原則；一旦出現糾紛的仲裁辦法等等。然而，以前的協議中有些條款已經不太適應現階段數據科學研究中產生的新問題。“我認為清華數據院需要牽頭推出一系列的適應數據科學時代特點的跨學科跨領域的科研合作協議模板。相信這也會是全國領先的壯舉。”趙錫海老師對此也表達了對數據院的期待。

在數據院與清華大學臨床醫學院合作搭建清華臨床醫學科研數據平臺（以下簡稱：醫學數據平臺）期間，趙錫海老師也全程深度參與。醫學數據平臺是一個醫療數據共享的平臺，希望將醫院的醫學專家和校內的工科專家凝聚在一起，共同打造一個醫療數據共享資源池，實現醫療數據的匯集、整理和儲存，并為高校和醫學界的研究者提供研究素材，更好地發揮醫療數據價值。

“沒有人做這件事，也沒有人敢做這件事，這絕對開創了國內的先河?！壁w錫海老師這樣評價數據院帶頭搭建醫學數據平臺。從平臺建設之初，他就被韓亦舜老師邀請參與到平臺建設中來，他非常了解建設這一公共平臺的意義：“現在有大量的醫療數據堆積在醫院或醫療機構，他們不能丟，也不敢用；學校的老師需要真實的數據用于醫學研究，他們有需求，但是要不到數據。必須有一個人勇敢地站出來去打破這一僵局，數據院在做的這件事真的夠大膽，如能做成，將為社會創造極大的價值?！?/p>

趙老師冠以數據院“大膽”二字，是因為他清楚平臺搭建過程中的每個環節都面臨挑戰：數據來源環節，醫療數據涉及大量隱私，沒有人敢拿出來；同時，醫療數據沒有明確的歸屬權，想要使用數據是否需要跟每一個患者簽訂相應的協議，這又是一個具有挑戰性的問題；數據處理環節，需要與擁有數據的部門逐一溝通，怎樣打通壁壘實現數據融合、怎樣給醫療數據脫敏、怎樣識別復雜的醫療數據都需要付出大量的人力和精力；研究成果環節，還涉及一個現實的問題，由醫學、工科等專家跨學科、跨領域合作，所得出的研究成果如何分配。..。..

其難重重，其路漫漫。采訪的最后，趙錫海老師語重心長的對我們說：“醫療大數據現在是一個熱門的研究方向，我很高興越來越多的人開始重視醫工結合的合作模式。這一過程中，也不乏湊熱鬧、炒概念者。人工智能替代醫生這樣的說法層出不窮。但事實上，在短時期內這是不太可能實現的。臨床醫療活動不僅僅是一個技術問題，還有人文關懷在其中。很多患者來看病時，由于恐慌、焦慮帶來的一系列問題可能比生理上的一些異常更嚴重，作為醫務人員需要同時從患者的身、心兩方面去解決問題”。

在表達自己的疑慮后，他同樣也給關注醫療大數據的人們打了一針強心劑：“雖然機器完全替代醫生是難以實現的，但并不能否定數據科學技術對醫學將起到變革性的影響。一方面，有出色的工具、先進的算法和分析技術能夠讓我們更加精準地診斷疾病，更加有效地治療病人；另一方面，先進的科學技術在某些臨床診療工作中比醫生要出色，只要我們合理地使用數據科學技術，一定能在醫療健康領域發揮重要價值。”