通過數(shù)據(jù)進(jìn)行環(huán)境與健康關(guān)系研究

Category: STEM國際競賽 Date: 2020年3月22日下午8:50

一直以來，環(huán)境與健康之間的關(guān)系是人們關(guān)注的焦點(diǎn)。研究環(huán)境與健康間的關(guān)系，可以對各種疾病的發(fā)現(xiàn)和預(yù)防起到重要作用。今天小編推薦給大家的這個(gè)科研項(xiàng)目就是密歇根探究項(xiàng)目：基于人群大數(shù)據(jù)的環(huán)境與健康關(guān)系研究。

課題簡介

本課題旨在挖掘和發(fā)現(xiàn)NHANES中環(huán)境污染與人群健康相關(guān)關(guān)系。National Health and Nutrition Examination Survey (NHANES)，即美國健康與營養(yǎng)調(diào)查研究，是一項(xiàng)美國針對成人和兒童健康和營養(yǎng)情況的研究項(xiàng)目。該項(xiàng)目結(jié)合了問卷調(diào)查和身體檢測，包括生化指標(biāo)監(jiān)測等數(shù)據(jù)，是美國健康統(tǒng)計(jì)中心（隸屬于美國疾控中心，負(fù)責(zé)產(chǎn)生美國健康情況數(shù)據(jù)）的一個(gè)主要項(xiàng)目。該項(xiàng)目大部分?jǐn)?shù)據(jù)向公眾公開，任何個(gè)人和組織可以免費(fèi)使用，用于科研、政策制定等。

該項(xiàng)目自1960年代初就開始，針對不同人群不同主題的研究已多次開展。從1999年開始，該項(xiàng)目變成一項(xiàng)持續(xù)性項(xiàng)目。該項(xiàng)目每年招募5000名受試者，覆蓋全美國各州。該項(xiàng)目調(diào)查內(nèi)容包括人口統(tǒng)計(jì)學(xué)、社會經(jīng)濟(jì)學(xué)、飲食習(xí)慣和健康相關(guān)問題；檢測內(nèi)容包括醫(yī)學(xué)、牙科、生理學(xué)檢測，以及一些實(shí)驗(yàn)室檢測項(xiàng)目（包括各類污染物指標(biāo)）。該項(xiàng)目主要通過評估營養(yǎng)情況以及身體健康，研究主要疾病的流行情況和風(fēng)險(xiǎn)因素。所獲得的數(shù)據(jù)已經(jīng)并且繼續(xù)被用于流行病學(xué)和健康學(xué)研究，大量科學(xué)家從該項(xiàng)目數(shù)據(jù)中發(fā)現(xiàn)許多環(huán)境健康、營養(yǎng)學(xué)現(xiàn)象，為美國制定公共衛(wèi)生政策、指導(dǎo)和設(shè)計(jì)健康服務(wù)項(xiàng)目提供了很大幫助，也擴(kuò)大了對美國全國的健康情況的了解，是美國對人民身高、體重和血壓等數(shù)據(jù)標(biāo)準(zhǔn)制定的基礎(chǔ)。

本課題將使用該項(xiàng)目中2009年以后的數(shù)據(jù)，研究目標(biāo)污染物在人群中的內(nèi)外暴露情況和人群健康狀態(tài)的關(guān)系，包括VOC（揮發(fā)性有機(jī)污染物）、農(nóng)藥、重金屬等。通過化學(xué)、生物學(xué)和毒理學(xué)等基礎(chǔ)科學(xué)的知識指導(dǎo)可能發(fā)現(xiàn)相關(guān)關(guān)系的方向并提出假設(shè)，應(yīng)用流行病學(xué)和統(tǒng)計(jì)學(xué)分析方法（相關(guān)分析，線性回歸分析和邏輯回歸分析方法等）檢測假設(shè)的成立與否，以此發(fā)現(xiàn)可能的疾病風(fēng)險(xiǎn)，并提出可行的預(yù)防措施。

科研方法

AI+X數(shù)據(jù)驅(qū)動型科研

AI＋X數(shù)據(jù)驅(qū)動型科研是指使用人工智能（AI）算法，收集、處理、分析具體學(xué)科（X）的海量數(shù)據(jù)，并基于此進(jìn)行預(yù)測，從而獲得科學(xué)發(fā)現(xiàn)的研究方法。與傳統(tǒng)的、基于實(shí)驗(yàn)或邏輯推理的研究方式相比，AI＋X數(shù)據(jù)驅(qū)動型科研可以借助AI算法強(qiáng)大的運(yùn)算能力，高效地進(jìn)行大數(shù)據(jù)分析，具有投入產(chǎn)出比高、適用范圍廣的優(yōu)點(diǎn)。

AI＋X數(shù)據(jù)驅(qū)動型科研已被廣泛地應(yīng)用于各個(gè)領(lǐng)域，利用AI算法研究基因數(shù)據(jù)，從而進(jìn)行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數(shù)據(jù)千千萬萬，使用傳統(tǒng)的科研方式對其進(jìn)行分析，工程量大、過程繁瑣，在客觀上難以實(shí)現(xiàn)。但借助AI算法這一便捷的工具，生命科學(xué)家便能夠以海量的患者的遺傳信息為基礎(chǔ)，建立數(shù)據(jù)庫，與過往的研究成果進(jìn)行對照，快速、準(zhǔn)確地在兩者中發(fā)現(xiàn)規(guī)律、建立聯(lián)系，從而使癌癥診斷的“標(biāo)準(zhǔn)化”成為可能。