跨學科研究可謂是近年來科學研究方法中討論的焦點之一，顧名思義，「跨學科」指的就是通過超越以往傳統學科分類的研究方式，而實現對問題的整合性研究。
分析近百年來獲得諾貝爾自然科學獎的 300 多項成果中，近一半的項目是多學科合作的研究成果，對 170 多位生理學或醫學諾貝爾獎獲得者及他們的原創性成果的統計研究發現，具有跨學科知識背景的科學家有 76 人，佔總數的44．2％，有 48 項原創性成果涉及其他學科體系，佔總獲獎次數的53％。再次證明了這一點。就其深刻性而言，跨學科研究本身也體現了當代科學探索的一種新範型。
不僅如此，目前國際上比較有前景的新興學科大多具有跨學科性質，而在所有跨學科研究中，與數據科學交叉是最值得關注的一種，因為它給每個領域都帶來了不一樣的風景。
本來用來研究Twitter、Facebook 等社交網絡爆款內容傳播的模型，最後在流行病領域得到廣泛利用；本來用於優化網絡搜尋引擎內容的自然語言和目標識別算法，卻在人文地理領域大放異彩，成為目前地理學家和文獻學家最歡迎的研究方法。
跨學科研究有哪些難點，協作效率如何提升
那麼該如何做好數據科學領域的跨學科研究呢？
做好跨學科研究，首先必須要認識學科交叉研究的特點。一個人即使學識再淵博，也無法掌握所有所有的技能和知識，而是需要來自不同背景的成員相互協作，
著名的神經科學家Eric Kandel 的《In Search of Memory: the emergence of a new science of mind》，是一本由作者搜索長期記憶的生物學基礎的傑出著作。這本書與本文的連結點在於，跨越幾十年來，幾乎在研究的每一個階段，Kandel 都能通過研究團隊中其他領域的成員身上吸取技能與觀點，對他帶來幫助。
所謂交叉研究是指以研究團隊為基礎開展的科研活動，它要求團隊成員有各自不同的知識背景，掌握不同的研究方法，並且以團隊為整體對複雜的科學問題發起挑戰。團隊成員通過彼此交流，拓展原有的知識結構，加深對問題的理解。在研究中每個人都要負責涉及自己學科領域的問題，每個人對最終的研究成果都負有責任。
實際上，交叉學科是一個動態的概念，很多現在的學科也是由過去的交叉學科發展而來的，如生命科學與材料科學的交叉，產生了生物材料學;生命、醫學科學與信息科學交叉，產生了生物醫學電子學以及生物醫學信息學等。交叉學科的形成首先是來源於對一些複雜的科學問題進行系統、深人研究的需求。如生命與醫學科
數據科學科研協作難？Datathon帶來不一樣的視角
這時候，一種新興的科研模式悄然興起，以其開放式和跨專業合作的特色惠及了很多參與者，並正以飛快的速度席捲全球，這就是 「Datathon」 。
Datathon最初由MIT團隊和哈佛醫學院團隊發起，自 2014 年起，全球已經舉辦了 20 餘屆活動。每次都會有來自這兩所大學的專家教授齊聚一堂，指導來自不同專業的選手們自由組成課題小組，在短期內展開醫療數據相關的競賽，以此推動新觀念和科研創新。
Datathon的前身來源於「Hackathon」，相信大家對「Hackthon」都不陌生，是一種在短期內以小組為單位進行的編程競賽活動，匯集了大量跨行業和崗位的人才，每一期的時間都很短，但總能讓各個領域的創新想法和思維得到碰撞，產出優質的創新成果。
數據科學是臨床科研中的重要工具，在整個研究中有承上啟下的作用，承上是對臨床方案中收集的數據最直觀的展示，啟下直接需為成果負責。對於醫療數據分析來說，Datathon是通過組建跨學科團隊，在短期內以小組競賽的形式完成臨床研究項目，能夠基於數據計算的方法，合作解決臨床醫生面臨的眾多問題和未滿足的醫療需求。
2015 年，解放軍總醫院率先把這一模式引入國內，匯集了包括臨床專家、數據科學家、統計學家、工程師和計算生物學家等在內的知識背景和技術不同但互補的參與者，讓越來越多的人通過Datathon實踐認識了醫療大數據，通過醫療大數據手段解決了臨床問題。
跨學科研究成果如何延續？數據科學協作工具保駕護航
每場Datathon不僅因其精彩過程而備受矚目，對於臨床醫生來說來說，這一模式為其後續的跨學科合作提供了模版，並有很多競賽小組實現了後續的團隊合作。對於科研課題來說，比賽中對於課題的探討改進和階段成果也有著十分重要的意義。
在 2019 年的Datathon活動中，採用了和鯨科技的K-Lab在線數據分析平臺，對此次培訓和參賽提供了全程在線支撐。K-Lab這是一個支持團隊協作的在線數據分析平臺，而且能讓數據分析成果和論文手稿長期留存，讓每個團隊成果都能以可復現的形式存在於雲端平臺上，在賽後，以便團隊展開更加深入的在線協作。
醫療領域一直流傳著一句話：「在每一份臨床標本的後面，都是一個渴望健康的生命」，所以醫務人員在臨床醫療決策時都會非常重視每一個治療措施對患者的影響。
只有通過像Datathon跨學科合作，讓臨床醫生在醫學訓練中掌握的概念與基礎研究、轉化研究或臨床研究上結合在一起，才能夠讓各領域的人才破譯臨床問題，使得每一位臨床醫生的努力都能與前沿臨床方案相關聯。