大多數數學家並無機會接觸到第一手的醫療數據（這裡也的確存在醫療法規和隱私管理的問題），所以無從建立在實踐層面上比較算法優劣性的平台。其結果就是大家雞同鴨講，自說自話。平心而論，今天這個領域 90% 的研究確實如此。生醫學者對 data 的所有權有非常強大的偏執, 如果數據不公開, 基本上就算應用數學家有心, 也沒辦法做研究. 這點在生醫高通量實驗技術的領域算是還好, 很多資料都被要求公開到 NCBI Gene Expression Omnibus 或者 NCBI Sequence Read Archive.
但是另一個困難更加本質：臨床醫療業界普遍看不懂也不願意看數學論文。這就要求一部分數學家承擔起橋樑的職責，同醫學界密切合作把數學工具引入臨床實踐，而這是個既困難又吃力不討好的工作。數學家有自己評估學術成就的標準，而這種工作是無法被計入學術貢獻的。（這裡說的是美國的情形，在中國大概更糟。）我認為這是最根本的問題.
每一個領域都有自己評估學術成就的標準. 在那樣的標準和文化成長起來的學者, 自然也會有特定的研究興趣和價值觀. 跨領域合作會碰到的困難中, 尊重對方的專業還算是容易做到的, 但是尊重對方的研究興趣和價值觀更加困難. 生醫學者閱讀數學論文和數學家閱讀生醫論文一樣都有困難, 要某一方單方面去努力基本上就是缺乏尊重的表現.
我多次聽到有人跟我說, 她們選擇學界的工作是因為比較自由, 可以做自己有興趣的事. 如果這是大家都認同的理由, 跨領域合作的人真的要好好想一想, 如何在大家都開心的情況下共同努力把研究做好, 而不是指責或教導對方 "什麼叫做有意義的研究".
沒有留言:
張貼留言