2019年中国医院协会医学工程专业委员会学术年会暨第四届pLAGH-MIT医学大数据学术交流暨Datathon活动，于2019年11月14日至17日在北京石景山景园假日酒店举行。本次活动由中国解放军总医院、合麻省理工学院、哈佛医学院、清华大学数据科学研究院、《中国医疗设备》杂志、中国联合举办，医院协会医学工程委员会、北京生理科学院重症医学委员会联合举办。在大数据引入和鲸科技和AWS作为技术支持方，分别提供数据科学协作平台和云资源支持。
本次数据马拉松活动分为赛前训练、课题路表演、团队招募、成果展示和奖项评审六个环节。这个过程需要在几天内完成，既考验每个团队成员的专业技术能力，也考验每个团队的配合。
11月15日晚，课题路演出正式开始，来自全国各地的队长们纷纷登台。每个人花120秒为自己的团队项目进行路演，并现场招募选手。今年的Datathon项目是临床方向。团队负责人多为临床医生，提出了大量与临床医学密切相关的项目。由于算法工程师和数据科学家的稀缺，他们已经成为招聘领域的主要目标。
经过三个半小时的紧张路演和招募，集结了由临床医生、算法工程师、医学大数据工程师组成的24个跨学科团队，团队成员积极探讨问题，开始了接下来两天的跨界研究工作。两天的活动时间很紧。为了得到有价值的研究成果，各团队成员废寝忘食，从不懈怠，讨论项目进展到深夜。
值得一提的是，来自麻省理工学院和哈佛医学院的外国专家团队将为每一场Datathon活动提供指导。专家有丰富的医学和数据研究经验。他们逐一讨论各参与组的课题，讨论课题的可行性、实验设计的合理性、研究方向的创新性以及课题与所用数据库的关系，并根据实际情况给出切实可行的建议。
项目初审后，还将这些国内外专家分配到各参赛组，对参赛队伍进行一对一辅导，并根据各参赛队伍的优缺点提出解决方案，确保项目最佳方向，帮助各参赛队伍少走弯路，提炼灵感，进一步推动高质量成果。这个过程也像是难得的开放教育。通过引入国际专家团队，参与者可以在短时间内掌握医学数据研究的选题方法和数据分析技巧。
在研究过程中，每个成员或多或少都需要接触数据分析，不同的角色需要基于数据进行合作。一个能够满足团队协作的数据分析工具，显然对研究有很大的促进作用。通过和鲸科技的“数据科学协作平台”K-Lab，可以在Datathon中实现复合背景的团队协作，产生基于数据科学方法的研究方案，并进一步研究完成最终成果。
经过两天的共同努力，各个团队终于拿出了自己的研究成果，并以ppT的形式进行了汇报。来自哈佛，麻省理工学院和301医院的专家代表团为每个团队打分并提出评估意见。评估和评分过程均基于K-Lab平台。除了提交幻灯片展示项目结果外，每个团队还需要提交基于K-Lab的数据分析代码，以确保结果的可重复性，最终有12个团队脱颖而出。
颁奖仪式上，解放军总医院张政波主任说：“数据马拉松活动其实不仅仅是一场比赛，更是一个学习和交流的过程。每个人都在这个过程中思考和体验，找到自己的优势和劣势，找到互补的团队和合作伙伴。推动学科领域的科学研究，大家都是Datathon的赢家。”
本次活动最终评选出1个一等奖、3个二等奖和5个三等奖，分别由北京理工大学、解放军总医院、中山大学第一附属医院、浙江大学医学院附属邵逸夫医院和首都医科大学的代表队获得。
一等奖由北京科技大学辛怡教授领导的团队获得。他们的研究课题是根据ICU患者的生命体征和治疗方法预测血清钠水平。由于钠离子是细胞外液的主要阳离子，血清钠在维持电解质平衡、酸碱平衡和皮肤渗透压方面起着关键作用。他们根据患者的生命体征和治疗方法建立了机器预测模型，并基于该模型进行了App应用演示。两天内，这一成就令人惊叹。
作为现场罕见的算法诞生团队，获奖团队队长辛怡，教授表示，这是该团队第三年参加Datathon活动。第一年就参与了其他团队的项目，第二年就把自己团队的研究项目带到了比赛中，得到了麻省理工学院和哈佛很多教授和评委的建议，因此今年团队再次对项目进行了优化，现场招募了临床医学和医学工程团队成员，进一步推进研究。
“我认为Datathon是一个非常难得的机会，让学生接触到一个在学校无法尝试的完整项目，与整个团队一起工作，从提出问题到针对这个问题制定解决方案，再到接触到有很强医学背景的临床医生，从而提升科研的深度和广度。所以这次我不仅带了我的研究团队，还带了很多我的本科生来学习观察。希望每个学生都有这样的经历。”辛怡教授说。
为期四天的Datathon已经结束，但跨学科创新合作才刚刚开始。据悉，本次Datathon的成果将进一步细化后以论文形式发表，后续合作还将继续。
随着数据科学的发展，医学科学研究在研究方法、运行模式、交流方式等方面都发生了深刻的变化。精通大数据技术的医生也有较高的行业影响力。目前，中国医学领域的大数据教学仍处于起步阶段。Datathon这种能够促进跨学科交流，为开放式科研协作提供完整基础设施和数据资料的活动，更值得称道。
随着数据的增加，值得探索的问题变得越来越困难。Datathon的开放科研模式，以数据和协作为桥梁，建立了多学科间的深度合作，为科研工作形式开辟了新的可能。