大数据引领医JBO竞博疗健康蓝海

　　JBO竞博从计算机、互联网、云计算一直到物联网，大数据的浪潮已经悄然降临，并渗透到医疗服务的方方面面。

　　6月14日，在由北京市科学技术协会与中美创新协会、动点科技联合主办的“中美创新链接大数据高端论坛”上，与会专家的普遍共识是：医疗健康信息化市场已然成为一片蓝海，面对庞大而复杂的医疗数据，大数据将会带来令人兴奋的回报。

　　医疗数据是持续、高增长的复杂数据，蕴涵的信息价值也是丰富多样。如何对其进行有效的存储、处理、查询和分析，大数据无疑具有无尽的开发潜力。

　　斯坦福大学转化医学中心主任研究员Bruce Ling对记者表示，电子病历几乎在美国所有的儿科医院和成人医院中被采纳。特别是对于重症监护的病人来讲，每秒钟都要收集持续不断的数据，从入院的情况到药物的使用，这些庞大的数据都会体现在病人的电子病历当中。

　　而斯坦福大学在大数据应用方面所做的工作同样令人兴奋。他们把所有医院的电子病例及数据库，都转换成斯坦福大学数据中心的数据，从许多不同的来源解析成堆的数据，试图发现那些对于解决问题来说最有用的模式JBO竞博，以便使管理人员更加全面地了解病人的各种需求。

　　Bruce Ling称，目前的一些数据已经不能满足行政管理者的需求。例如，对于一般心脏疾病的治疗，各地区诊所分布图与目前病人居住的地方其实是不重叠的。所以，就需要通过大数据来分析各种类型的病人都集中在哪个区域，以此来重新部署各诊所的分布，以满足不同患者的需求。

　　不仅如此JBO竞博，Bruce Ling称，从新兴的分子诊断方法到行医的最新标准，这些数据也同样可以录入电子病历。在他看来，医疗行业进入大数据时代后，就可以发生质的变化，对医生和病人都会带来更多的实惠。

　　基因组学可以说是大数据在医疗健康行业最经典的应用。基因测序的成本在不断降低，同时产生着海量数据。许多公司和研究机构正通过高级算法和云计算来加速基因序列分析，让发现疾病的过程变得更快、更容易、更便宜。

　　北京大学研究员李程在谈到癌症基因组学时首先强调，癌症是一种演化的疾病，从正常的细胞到癌症细胞，从良性肿瘤到恶性肿瘤，每一步都有一些特定的基因发生变异。

　　他对记者表示，新一代基因测序工作就是把正常的细胞与癌细胞进行比较，找出之间的差异，而这些差异很可能就是造成癌症发生的原因，也可能是癌症介于生存和生长的关键因素，如果能够抑制住这些因素，就有可能治疗癌症。

　　“每个病人都有各自具体的变异，我们根据这些变异能不能发展成特定的药物，而不是同一种药？根据基因组数据，能不能帮助我们预测病人对某一种药物的反应，或者病人的生存率？”李程说。

　　在他看来，大数据将会给个体化医疗带来很多机遇，对于制药公司来说，同样也可以预测哪些药物对特定的变异病人有效，作出更为科学和准确的诊断和用药决策，更大程度地提高药物疗效通过的几率。

　　可以说，掌握基因测序技术，挖掘出丰富且有效的信息，对于个性化的诊治非常关键。而用于医疗的各种影像手段，本身的发展同样也是大数据爆炸的过程。

　　中国科学院深圳先进技术研究院研究员郑海荣则对记者表示，传统的影像方式看不到分子级的病变，基于基因组学的不断发展，现如今不仅可以从成像上获得病变分子的存在，甚至还可以获得细胞级的存在。

　　“在医院里发现了肿瘤，原因是源于微观尺度的变异。如果把每个尺度的信息都获取，那我们就可以生活在一个非常立体的和多维度的世界。”郑海荣说。

　　大数据市场到底有多大？据互联网数据中心预测，中国的大数据市场在2012~2016年间将增长5倍，政府、银行、医疗卫生、电信等行业将在其中占据最多的份额，大数据带来的巨大商业价值已经不言自明。

　　不过，面对大数据带来的美好前景，现实中的挑战亦不可忽视，特别是在技术并不发达的中国。

　　郑海荣表示，在中国，80%的高端医疗设备和影像设备都是进口，基础设施对于中国来说就是最大的挑战。

　　在他看来，中国这一拥有13亿人口的发展中大国，各个地区的人口集中度以及发达状况都差异巨大，对于整个工业体系的需求也是非常强大的。不同地区的不同医院要想都能够获得足够的影像系统和数据，目前还很困难。

　　“大数据在医疗体系中的建设也是一个民生保障体系的建设，这应该属于政府行为。虽然目前政府非常关注，但要想做到成熟的体系还需要面临不少的挑战。”郑海荣说。

　　对此，李程认为，人才的缺失是中国不得不面临的关键问题。他希望更多的中国大学生能够潜心从事数据分析等基础工作。

　　与此同时，斯坦福大学心脏科急救中心主任Andrew Shin也对记者指出，建立医疗保健大数据平台，就需要将不同模式结合起来。即将影像学、基因组学等不同数据模式进行整合，使它能够进行结构化及数据一体化处理，并为患者提供更高的价值。

　　在Andrew Shin看来，大数据应用于医疗行业更应该循序渐进。“30年过去了，基因组学才发展到今天。现在，我们刚刚迈入电子病历的旅途，在学会跑之前更应该学会走，用基因组学的经验来推动大数据的发展。”