大數據及大數據技術的出現，使得各行各業面臨著新的變革，這些變革或者大大推進了行業的發展，或者逐漸顛覆傳統的運行和發展模式。例如，互聯網和信息行業的快速發展使其具備了新的內涵：通過深度的數據管理、數據挖掘、數據分析等展現大數據，可以對行業發展起到預測、預警、指引等作用，大數據將其精準、客觀、科學的價值轉化為一種生產元素，滲透到傳統行業的各個環節中去，從而帶來某些、甚至是本質上的變革。

醫學大數據顛覆傳統醫療

[[147714]]

傳統的物質世界，因為時空限制，信息是嚴重不對稱的。我們以往很多的商業模式都是基于信息不對稱的物質世界而建立的，很多商業模式都是因為賺取信息不對稱的利潤而生存，如電視臺、報紙、網絡等廣告模式。當世界上的人、事、物都因為產生大量數據而構建起關聯關系，讓人類獲得了無限的信息對稱，一切基于信息不對稱的物質世界而建立的商業模式勢必獲得變革。未來主流的商業模式之一，將是以大數據為基礎的產業互聯網。

醫療行業也是一樣，醫學大數據廣泛涉及人類健康相關的各個領域，如臨床醫療、公共衛生、醫藥研發、醫療市場、健康管理、氣候與環境、精神與心理學、人類遺傳學與組學、社會人口學等等。

一般地講，大數據具有“4V”特征：

1.數據容量-Volume大，常常在PB(1PB=250B)級以上；
2.數據種類-Variety多，常常具有不同的數據類型(結構化、半結構化和非結構化)和數據來源；
3.產生和更新速度-Velocity快(如實時數據流)，時效性要求高；
4.科學價值或商業價值-Value大，常常蘊藏著新知識或具有重要預測價值。

人類已進人大數據時代，國際數據公司的研究結果表明，近幾年全球產生的數據量高達數個ZB。基于這樣一個大數據的概念，我們會在各行各業，比如醫療行業，將迎來深度的行業變革，甚至顛覆性的變革。且看下面一個有關醫療行業大數據應用的例子。

“和你一樣的病人”：Lloyd 的大數據故事

我們看到了這樣一個故事。

如果一位醫生還在抱怨病人得了“搜索病”-指看病前習慣先上網查查自己可能得了什么病，那么這個醫生大概已經落伍了。基于大數據在醫療領域的深度應用，美國斯坦福大學醫學院一群富有創新精神的醫學專家正和硅谷的醫療產業專家合作，推進一個最新的科研項目—“和你一樣的病人”，通過這個智能系統，病人有望自查疾病，這也減少了醫生因經驗累積有限而導致的誤診或漏診的案例。這個系統有望成為醫生的好幫手，也可能顛覆現有的醫療模式。

反思傳統“一對一”就醫療模式。那是在1998年，斯坦福大學醫學院院長Lloyd Minor和同事在全世界首次報道了一種罕見病—“上半規管裂損癥候群”。這種疾病的患者會出現眩暈、對聲音異常敏感等癥狀。這本是一次很普通的學術發現，但令Lloyd Minor意外的是，當他們發表了論文后，世界上許多國家的人開始上網搜索這個病的信息，并輸入自己的信息，一批多年來找不到病因、或在其他科室苦苦試驗治療方案的病人終于確診。例如，英國就報道過一名女子罹患這種疾病，不僅能聽見自己的心跳聲、大腦攪動聲，連吃顆蘋果對她來說都是不可能的任務，因為她輕輕一咬，就是一陣震耳欲聾。通過互聯網找到“和你一樣的病人”，這個啟示讓Lloyd Minor和斯坦福醫學院的同仁們開始開發這款全新的系統。事實上，促成Lloyd Minor和伙伴們開發這個系統的機緣，正是對傳統就醫模式的反思。

在斯坦福大學醫學院，已有令人“腦洞大開”的科研進展。醫生們開發的這個名為“和你一樣的病人”的系統里，積累了上百萬條藥物、治療方案、病例信息等數據，登錄者鍵入身體狀況、年齡、不適部位等，系統就會給出一個完全個性化的診斷結果以及理想的治療方案。這種系統篩選出的治療方案，可能比醫生的方案效果更好，能讓更多病人獲得真正屬于他們的最優治療。因為我們都知道，醫生的治療水平很大部分來自于醫學積累，也就是經驗，但這種積累不論是30年還是50年，依然是有限的，它一定沒有擁有全體病人就醫數據的電腦系統見多識廣。

基于大數據應用，未來的看病模式很可能不再是現在這樣與醫生“一對一”。在哈佛大學醫學院，已有醫生嘗試給乳腺癌患者這樣看病：通過系統篩查全美乳腺癌患者病歷，并挑出和具體患者相同或相似的年齡、生活環境、突變基因等，最終挑選出一個生存期、生活質量最高的治療方案提供給患者。這是目前醫生尋求“外腦”幫助的有效途徑。可以暢想的是，醫療大數據帶給人們的將不僅僅是更優的診斷與治療計劃，而是更優的生活方式。Lloyd Minor說，通過醫療大數據的挖掘和篩選，還能前移到發現何種生活方式可能是更有利的，從而給政府、醫保政策制定者、醫院以及大眾更好的生活方式指導。

Lloyd Minor表示，我們正處于科技和大數據急速推動創新的時代，有機會利用現有優勢提升社區甚至全球健康水準。目前大數據在醫學領域的應用主要包括危重、罕見疾病診療決策輔助、腫瘤精準醫療的開展、慢病的調研防治等。大數據技術幫助人們存儲管理好醫療大數據，并從大體量、高復雜的數據中提取價值。Lloyd Minor介紹，該校科研人員從不同資源中獲取了大量數據，包括電子醫療記錄，全基因組序列、保險和醫藥記錄、可穿戴式傳感器和社會環境數據。通過分析這些數據，醫生和研究人員可更好地預測個人患特定疾病的概率，有針對性地制定對早期檢查和預防的方案。這些分析材料也將為臨床醫生提供實時治療決策時所需的信息。

醫學大數據顛覆傳統醫療的幾個場景

場景之一：組學大數據精準醫療

人類通過開展組學研究及不同組學間的關聯研究，從環境、生活方式和行為等暴露組學，至個體細胞分子水平上的基因組學、表觀組學、轉錄組學、蛋白組學、代謝組學、宏基因組學，再到個體健康和疾病狀態的表型組學等。利用大數據將各種組學進行綜合及整合，既能為疾病發生、預防和治療提供全面、全新的認識，也有利于開展個體化醫學，即通過系統整合生物醫學與臨床數據，可以更準確地預測個體患病風險和預后，有針對性地實施預防和治療。

場景之二：大數據虛擬藥物研發

快速識別生物標志物和研發藥物。利用某種疾病患者人群的臨床數據和組學數據，可以快速識別有關疾病發生、預后或治療效果的生物標志物。在藥物研發方面，醫學大數據使得人們對病因和疾病發生機制的理解更加深入，從而有助于識別生物靶點和研發藥物。同時，充分利用海量臨床數據和組學數據、已有藥物的研究數據和高通量藥物篩選，能加速藥物篩選過程。

場景之三：生物大數據流行病防治

快速篩檢未知病原和發現可疑致病微生物。通過采集未知病原樣本數據，對病原進行測序，并將未知病原與已知病原的基因序列進行比對，從而判斷其為已知病原或與其最接近的病原類型，據此推測其來源和傳播路線、開展藥物篩選和相應的流行疾病防治。

場景之四：互聯網大數據公衛監測

利用互聯網大數據以及有關專業數據實時開展公共衛生監測。公共衛生監測包括傳染病監測、慢性非傳染性疾病及相關危險因素監測、健康相關監測，如出生缺陷監測、食品安全風險監測等。此外，還可以通過覆蓋全國的患者電子病歷數據庫進行疫情監測，通過監測社交媒體或頻繁檢索的詞條來預測某些傳染病的流行。

場景之五：大數據健康管理

實時開展大數據健康管理，通過可穿戴設備對個體體征數據，如心率、脈率、呼吸頻率、體溫、熱消耗量、血壓、血糖、血氧、體脂含量等數據的實時、連續監測和流數據挖掘、分析，提供實時健康指導與建議，更科學地實施個性化健康管理。

大數據醫學研究

上面列舉了價格醫學大數據變革醫療行業的幾個場景，但這些遠不是醫學大數據應用的全部。大數據還在醫學研究領域發揮變革性的作用，本人在先前的博客中已有相關討論，這里再舉兩個例子。

1. 大數據疾病譜研究

了解人群疾病譜的改變，這有助于制定新的疾病防治策略。全球疾病負擔研究是一個應用大數據的實例，該研究應用的數據范圍廣、數據量巨大，近4700臺并行臺式計算機完成了數據準備、數據倉庫建立和數據挖掘分析的自動化和規范化計算，應用大數據研究人群疾病譜。

2. 大數據人群隊列研究

以大數據為導向的人群隊列研究逐漸成為醫學研究的熱點。超大規模隊列研究具有大樣本-如數十萬人群，前瞻性-如數十年長期隨訪，多學科-如基礎、臨床、預防、信息等多學科合作，多病種-如對多種疾病進行研究，多因素-如探討多種危險因素，整合性-如監測系統、信息系統、醫保系統的整合，共享性-如生物標本和數據資源的共享，等特點，經過長期隨訪能夠產出大量人群數據，基于大數據的人群隊列研究更具有科學性、可靠性和權威性。

醫學大數據顛覆傳統醫療，不是命題問題，只是時間問題。正如本人對流行的“顛覆”一詞的觀點，“顛覆”是可能的，但不是瞬間的，而是逐漸的。“顛覆”不是否定，“顛覆”是變革，“顛覆”是發展。醫學大數據“顛覆”傳統醫療也是這樣，醫學大數據是變革傳統醫療，醫學大數據是發展傳統醫療。