第一篇：對(duì)醫(yī)療大數(shù)據(jù)的認(rèn)識(shí)

重慶大學(xué)研究生文獻(xiàn)綜述

對(duì)醫(yī)療大數(shù)據(jù)的認(rèn)識(shí)

姓

名： 學(xué)

號(hào)： 指導(dǎo)教師： 專(zhuān)

業(yè)：

重慶大學(xué)光電工程學(xué)院

二O一六年十一月 醫(yī)療大數(shù)據(jù)產(chǎn)生的背景

在任何一個(gè)初具規(guī)模的醫(yī)院，每天接待上萬(wàn)的患者前來(lái)就診，患者的基本信息、影像信息與其他特殊診療信息匯集在一起是一個(gè)龐大的數(shù)據(jù)。據(jù)統(tǒng)計(jì)，上海市區(qū)域醫(yī)療信息平臺(tái)（上海市“醫(yī)聯(lián)工程”及縣區(qū)衛(wèi)生數(shù)據(jù)中心）已經(jīng)積累了覆蓋3900萬(wàn)人群、1400TB數(shù)據(jù)量的電子診療與健康檔案等醫(yī)療衛(wèi)生數(shù)據(jù)（涵蓋了全市38家三級(jí)醫(yī)院3900萬(wàn)就診人群的醫(yī)療信息，包括患者基本信息、就診信息、健康檔案、檢驗(yàn)及影像檢查報(bào)告、醫(yī)學(xué)影像圖像文件、住院相關(guān)病歷、醫(yī)保結(jié)算等醫(yī)療衛(wèi)生數(shù)據(jù)，涉及就診記錄2.1億條，處方記錄9.1億條）。

日積月累，這個(gè)數(shù)據(jù)量將會(huì)持續(xù)快速增長(zhǎng)，為醫(yī)院的數(shù)據(jù)存儲(chǔ)、集成、調(diào)用等應(yīng)用帶來(lái)巨大壓力。除了數(shù)據(jù)規(guī)模巨大之外，醫(yī)療行業(yè)的數(shù)據(jù)類(lèi)型和結(jié)構(gòu)極其復(fù)雜，如PACS影像、B超、病例分析等業(yè)務(wù)產(chǎn)生的非結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)存儲(chǔ)復(fù)雜，并且對(duì)傳統(tǒng)的處理方法和技術(shù)帶來(lái)巨大挑戰(zhàn)【1】。醫(yī)療大數(shù)據(jù)得到人們的關(guān)注，并渴望有一種新的技術(shù)可以從這些看似雜亂無(wú)章的數(shù)據(jù)中得到價(jià)值。目前，為了提高人們的健康水平以及醫(yī)療水平，醫(yī)療行業(yè)在大數(shù)據(jù)環(huán)境下的各個(gè)領(lǐng)域異常活躍[2]。醫(yī)療大數(shù)據(jù)的相關(guān)概念

2.1 醫(yī)療大數(shù)據(jù)的定義

醫(yī)療數(shù)據(jù)是醫(yī)生對(duì)患者診療和治療過(guò)程中產(chǎn)生的數(shù)據(jù)，包括患者基本數(shù)據(jù)、入出轉(zhuǎn)數(shù)據(jù)、電子病歷、診療數(shù)據(jù)、醫(yī)學(xué)影像數(shù)據(jù)、醫(yī)學(xué)管理、經(jīng)濟(jì)數(shù)據(jù)等，以患者為中心，成為醫(yī)療信息的主要來(lái)源。

隨著醫(yī)療衛(wèi)生信息化建設(shè)進(jìn)程的不斷加快，醫(yī)療數(shù)據(jù)的類(lèi)型和規(guī)模正以前所未有的速度快速的增長(zhǎng)，以至于無(wú)法利用目前主流軟件工具，在合理的時(shí)間內(nèi)達(dá)到擷取、管理并整合成為能夠幫助醫(yī)院進(jìn)行更積極目的經(jīng)營(yíng)決策的有用信息。規(guī)模巨大的臨床實(shí)驗(yàn)數(shù)據(jù)、疾病診斷數(shù)據(jù)以及居民行為健康數(shù)據(jù)等匯聚在一起形成了醫(yī)療大數(shù)據(jù)。

2.2 醫(yī)療大數(shù)據(jù)的主要來(lái)源

2.2.1 制藥企業(yè)、生命科學(xué)

藥物研發(fā)所產(chǎn)生的數(shù)據(jù)是相當(dāng)密集的，對(duì)于中小型的企業(yè)也在百億字節(jié)（TB）以上的。在生命科學(xué)領(lǐng)域，隨著計(jì)算能力和基因測(cè)序能力逐步增加，美國(guó)哈弗醫(yī)學(xué)院個(gè)人基因組項(xiàng)目負(fù)責(zé)人詹姆·鮑比就認(rèn)為，到2015年，將會(huì)有5000萬(wàn)人擁有個(gè)人基因圖譜，而一個(gè)基因組序列文件大小約為750MB[3]。

2.2.2 臨床醫(yī)療、實(shí)驗(yàn)室數(shù)據(jù)

臨床和實(shí)驗(yàn)室數(shù)據(jù)整合在一起，使得醫(yī)療機(jī)構(gòu)面臨的數(shù)據(jù)增長(zhǎng)非常快，一張普通CT圖像含有大約150MB的數(shù)據(jù)，一個(gè)標(biāo)準(zhǔn)的病理圖則接近5GB。如果將這些數(shù)據(jù)量乘

以人口數(shù)量和平均壽命，僅一個(gè)社區(qū)醫(yī)院積累的數(shù)據(jù)量就可達(dá)數(shù)萬(wàn)億字節(jié)甚至數(shù)千萬(wàn)億字節(jié)（PB）之多。

2.2.3 費(fèi)用、醫(yī)療保險(xiǎn)、利用率

患者在就醫(yī)過(guò)程中產(chǎn)生的費(fèi)用信息、報(bào)銷(xiāo)信息、新農(nóng)合基金使用情況等。

2.2.4 健康管理、社交網(wǎng)絡(luò)

隨著移動(dòng)設(shè)備和移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展，便攜化的生理設(shè)備正在普及，如果個(gè)人健康信息都能連入互聯(lián)網(wǎng)，那么由此產(chǎn)生的數(shù)據(jù)量將不可估量。

2.3 醫(yī)療數(shù)據(jù)的基本類(lèi)型

2.3.1 醫(yī)院信息系統(tǒng)（HIS）數(shù)據(jù)

HIS是醫(yī)院的核心系統(tǒng)，是對(duì)醫(yī)院及其所屬各部門(mén)的人流、物流、財(cái)流進(jìn)行綜合管理的系統(tǒng)，圍繞著醫(yī)療活動(dòng)的各個(gè)階段產(chǎn)生相關(guān)數(shù)據(jù)，包括各門(mén)診數(shù)據(jù)及病房數(shù)據(jù)兩大主流數(shù)據(jù)流。

2.3.2 檢驗(yàn)信息系統(tǒng)（LIS）數(shù)據(jù)

LIS是HIS的一個(gè)重要組成部分，其主要功能是將實(shí)驗(yàn)儀器傳出的檢驗(yàn)數(shù)據(jù)經(jīng)分析后，生成檢驗(yàn)報(bào)告，通過(guò)網(wǎng)絡(luò)存儲(chǔ)在數(shù)據(jù)庫(kù)中，使醫(yī)生能夠方便、及時(shí)的看到患者的檢驗(yàn)結(jié)果。

2.3.3 醫(yī)學(xué)影像存檔和傳輸系統(tǒng)（PACS）數(shù)據(jù)

PACS數(shù)據(jù)主要是將數(shù)字化醫(yī)院影像科室日常核磁、CT、超聲、各種X線機(jī)、各種紅外儀等設(shè)備產(chǎn)生的圖像存儲(chǔ)起來(lái)。

2.3.4 電子病歷（EMR）數(shù)據(jù)

EMR不同于以醫(yī)療機(jī)構(gòu)為中心的門(mén)診或者住院病歷，是真正以患者為中心的診斷和其他檢驗(yàn)數(shù)據(jù)的“數(shù)據(jù)池”，它將患者診斷過(guò)程中生成的影像和信號(hào)，如X線檢查、CT掃描等納入電子病歷中，并以統(tǒng)一的形式組織起來(lái)。

2.4 醫(yī)療大數(shù)據(jù)的特性

2.4.1 數(shù)據(jù)規(guī)模大（volume）

例如一個(gè)CT圖像含有大約150MB的數(shù)據(jù)，而一個(gè)基因組序列文件大小約為750MB，一個(gè)標(biāo)準(zhǔn)的病理圖則大得多，接近5GB。

2.4.2 數(shù)據(jù)結(jié)構(gòu)多樣（variety）

相對(duì)于其他行業(yè)，醫(yī)學(xué)中的數(shù)據(jù)類(lèi)型更加多種多樣，如電子病案中關(guān)于人口學(xué)特征的數(shù)據(jù)為純文本型；檢驗(yàn)科中有關(guān)患者生理、生化指標(biāo)為數(shù)字型；影像科中如B超、CT、MR、X線片等為圖像資料。

醫(yī)療數(shù)據(jù)通常會(huì)包含各種結(jié)構(gòu)化表、非（半）結(jié)構(gòu)化文本文檔（XML和敘述文本）、醫(yī)療影像等多種多樣的數(shù)據(jù)存儲(chǔ)形式。

2.4.3 數(shù)據(jù)增長(zhǎng)快速（velocity）

一方面，醫(yī)療信息服務(wù)中包含大量在線或?qū)崟r(shí)數(shù)據(jù)分析處理，例如，臨床決策支持中的診斷和用藥建議、流行病分析報(bào)表生成、健康指標(biāo)預(yù)警等；另一方面，得益于信息技術(shù)的發(fā)展，越來(lái)越多的醫(yī)療信息被數(shù)字化，因此在很長(zhǎng)一段時(shí)間里，醫(yī)療衛(wèi)生領(lǐng)域數(shù)據(jù)的增長(zhǎng)速度將依然會(huì)很快。

2.4.4 數(shù)據(jù)價(jià)值巨大（value）

毋庸置疑，數(shù)據(jù)是石油，是資產(chǎn)，是資源，醫(yī)療大數(shù)據(jù)不僅與每個(gè)人的個(gè)人生活息息相關(guān)，對(duì)這些數(shù)據(jù)的有效利用更關(guān)系到國(guó)家乃至全球的疾病防控、新藥品研發(fā)和頑疾攻克的能力。

2.4.5 多態(tài)性

醫(yī)療大數(shù)據(jù)包括純數(shù)據(jù)（如體檢、化驗(yàn)結(jié)果）、信號(hào)（如腦電信號(hào)、心電信號(hào)等）、圖像（如B超、X線等）、文字（如主訴、現(xiàn)/往病史、過(guò)敏史、檢測(cè)報(bào)告等），以及用以科普、咨詢的動(dòng)畫(huà)、語(yǔ)音盒視頻信息等多種形態(tài)的數(shù)據(jù)，是區(qū)別于其他領(lǐng)域數(shù)據(jù)的最顯著特征。

2.4.6 不完整性

醫(yī)療數(shù)據(jù)的搜集和處理過(guò)程經(jīng)常相互脫節(jié)，這使得醫(yī)療數(shù)據(jù)庫(kù)不可能對(duì)任何疾病信息都能全面反映。大量數(shù)據(jù)來(lái)源于人工記錄，導(dǎo)致數(shù)據(jù)記錄的偏差和殘缺，許多數(shù)據(jù)的表達(dá)、記錄本身也具有不確定性，病例和病案尤為突出，這些都造成了醫(yī)療大數(shù)據(jù)的不完整性

2.4.7 時(shí)間性

患者的就診、疾病的發(fā)生過(guò)程在時(shí)間上有一個(gè)進(jìn)度，醫(yī)學(xué)檢測(cè)的波形、圖像都是時(shí)間函數(shù)，這些都具有一定的時(shí)序性。

2.4.8 冗余性

醫(yī)學(xué)數(shù)據(jù)量大，每天都會(huì)產(chǎn)生大量信息，其中可能會(huì)包含重復(fù)、無(wú)關(guān)緊要甚至是互相矛盾的記錄。醫(yī)療大數(shù)據(jù)的主要應(yīng)用

根據(jù)全球管理咨詢公司麥肯錫的一份最新報(bào)告顯示，醫(yī)療保健領(lǐng)域如果能夠充分有效地利用大數(shù)據(jù)資源，醫(yī)療機(jī)構(gòu)和消費(fèi)者便可節(jié)省高達(dá)4500億美元的費(fèi)用[4]。

3.1 服務(wù)居民

居民健康指導(dǎo)服務(wù)系統(tǒng)，提供精準(zhǔn)醫(yī)療、個(gè)性化健康保健指導(dǎo)，使居民能在醫(yī)院、社區(qū)及線上的服務(wù)保持持續(xù)性。例如，提供心血管、癌癥、高血壓、糖尿病等慢病干

預(yù)、管理、健康預(yù)警及健康宣教（保健方案訂閱、推送）。

醫(yī)療機(jī)構(gòu)物聯(lián)網(wǎng)的建設(shè)，包括移動(dòng)醫(yī)療、臨床監(jiān)控、遠(yuǎn)程患者監(jiān)控等（例如，充血性心臟的標(biāo)志之一是由于保水而增加體重，通過(guò)遠(yuǎn)程監(jiān)控體重發(fā)現(xiàn)相關(guān)疾病，提醒醫(yī)生及時(shí)采取治療措施，防止急性狀況發(fā)生），減少患者住院時(shí)間，減少急診量，提高家庭護(hù)理比例和門(mén)診醫(yī)生預(yù)約量。

3.2 服務(wù)醫(yī)生

臨床決策支持，如用藥分析、藥品不良反應(yīng)、疾病并發(fā)癥、治療療效相關(guān)性分析、抗生素應(yīng)用分析；或是制定個(gè)性化治療方案。

3.3 服務(wù)科研

包括疾病診斷與預(yù)測(cè)、提高臨床試驗(yàn)設(shè)計(jì)的統(tǒng)計(jì)工具和算法、臨床實(shí)驗(yàn)數(shù)據(jù)的分析與處理等方面，如針對(duì)重大疾病識(shí)別疾病易感染基因、極端表型人群；提供最佳治療路徑。

3.4 服務(wù)管理機(jī)構(gòu)

規(guī)范性用藥評(píng)價(jià)、管理績(jī)效分析；流行病、急病等預(yù)防干預(yù)及措施評(píng)價(jià)；公眾健康監(jiān)測(cè)，付款（或定價(jià)）、臨床路徑的優(yōu)化等。

3.5 公眾健康服務(wù)

包括危及健康因素的監(jiān)控與預(yù)警、網(wǎng)絡(luò)平臺(tái)、社區(qū)服務(wù)等方面。國(guó)內(nèi)外醫(yī)療大數(shù)據(jù)技術(shù)應(yīng)用現(xiàn)狀

4.1 國(guó)外醫(yī)療大數(shù)據(jù)技術(shù)應(yīng)用現(xiàn)狀

美國(guó)遠(yuǎn)程醫(yī)療（telemedicine)公司研制成功了一款功能強(qiáng)大的醫(yī)療設(shè)備“智能心臟”（smartheart），把手機(jī)變成了一款功能齊全的醫(yī)療工具，用來(lái)監(jiān)測(cè)用戶可能存在的心臟病問(wèn)題。智能心臟與智能手機(jī)相連，在安裝運(yùn)行了相應(yīng)的程序后，手機(jī)擁有“醫(yī)療級(jí)”的心臟監(jiān)測(cè)功能，并能夠在30s內(nèi)在手機(jī)屏幕上顯示用戶的心電圖。醫(yī)生可隨時(shí)對(duì)患者的心臟進(jìn)行監(jiān)測(cè)和分析，提前做好預(yù)防措施。智能心臟解決了心臟病預(yù)防方面最關(guān)鍵的問(wèn)題—時(shí)間。這在心臟病預(yù)防領(lǐng)域是一項(xiàng)重大的突破性技術(shù)。目前，“智能心臟”設(shè)備已經(jīng)開(kāi)始在網(wǎng)上銷(xiāo)售。

意大利電信近期推出了Nuvola It Home Docto 系統(tǒng)，可讓在都靈Molinette 醫(yī)院的慢性病患者通過(guò)手機(jī)在家中監(jiān)測(cè)自己的生理參數(shù)，相關(guān)數(shù)據(jù)將自動(dòng)的通過(guò)手機(jī)發(fā)送到醫(yī)療平臺(tái)，也可以通過(guò)ADSL、WiFi 和衛(wèi)星網(wǎng)絡(luò)得到應(yīng)用。醫(yī)生通過(guò)網(wǎng)頁(yè)接入這

個(gè)平臺(tái)，及時(shí)獲取數(shù)據(jù)并調(diào)整治療方案。

4.2 國(guó)內(nèi)醫(yī)療大數(shù)據(jù)技術(shù)應(yīng)用現(xiàn)狀

ＩＢＭ在上海的部分醫(yī)院推出了ＢＹＯＤ系統(tǒng)，即員工自費(fèi)終端，用來(lái)提高醫(yī)生和護(hù)士在醫(yī)院的移動(dòng)性。通過(guò)和開(kāi)發(fā)商合作，推出移動(dòng)護(hù)理應(yīng)用，將醫(yī)生和護(hù)士的各種移動(dòng)終端連在同一網(wǎng)絡(luò)下，便于醫(yī)生和護(hù)士了解患者在醫(yī)院的位置和健康狀況，也提高了醫(yī)生和護(hù)士的移動(dòng)性。

在上海，醫(yī)聯(lián)工程橫向覆蓋全市三級(jí)醫(yī)院，縱向連通各區(qū)屬醫(yī)療機(jī)構(gòu)，已覆蓋3900萬(wàn)患者，建成國(guó)內(nèi)最大的患者診療檔案庫(kù)，擁有8.2億條醫(yī)囑、1.8億個(gè)病案、8100萬(wàn)份檢驗(yàn)檢查報(bào)告和107太字節(jié)醫(yī)學(xué)影像數(shù)據(jù)；醫(yī)聯(lián)工程在服務(wù)醫(yī)改、支撐資源整合、分布式影像網(wǎng)絡(luò)會(huì)診、三級(jí)醫(yī)院診療信息社區(qū)調(diào)閱等方面，大幅度提升了區(qū)域衛(wèi)生服務(wù)水平。

醫(yī)聯(lián)工程建成以來(lái)，對(duì)于患者，就醫(yī)更方便，“一院辦卡，跨院就醫(yī)”“就醫(yī)一站式付費(fèi)”，共發(fā)放1300余萬(wàn)張醫(yī)聯(lián)卡，每月提供70萬(wàn)專(zhuān)家預(yù)約號(hào)源，人均節(jié)約就診時(shí)間60min、排隊(duì)時(shí)間45min；對(duì)于醫(yī)生，服務(wù)看診、提高醫(yī)療質(zhì)量，支持每日5000人次實(shí)時(shí)診療檔案調(diào)閱、1.25萬(wàn)人次重復(fù)醫(yī)療智能提醒，節(jié)約大量醫(yī)療費(fèi)用；對(duì)于管理者，實(shí)現(xiàn)精細(xì)化管理，建成集醫(yī)療管理、績(jī)效考核和統(tǒng)計(jì)分析為一體的整合平臺(tái)，為醫(yī)院管理提供決策支持。醫(yī)療大數(shù)據(jù)安全

5.1 人的安全

醫(yī)療大數(shù)據(jù)安全中“人”的安全，涉及的是數(shù)據(jù)隱私保護(hù)問(wèn)題。在醫(yī)療過(guò)程中，患者的個(gè)人隱私主要有：在體檢、診斷、治療、疾病控制、醫(yī)學(xué)研究過(guò)程中涉及的個(gè)人肌體特征、健康狀況、人際接觸、遺傳基因、病史病歷等[5]。這些內(nèi)容還能被分為顯性與隱性，顯性一般是醫(yī)囑、診斷書(shū)、X線片、檢查結(jié)果、報(bào)告單、病歷、病案、住院患者床頭卡等數(shù)據(jù)；隱性則是指蘊(yùn)藏在這些數(shù)據(jù)歷的信息，如患者血液組織所蘊(yùn)含著的基因信息，患者罹患疾病所反應(yīng)出的生活方式或者折射出的家族遺傳歷史等。

5.2 數(shù)據(jù)安全

一是易成為網(wǎng)絡(luò)攻擊的顯著目標(biāo)，在網(wǎng)絡(luò)空間中，醫(yī)療大數(shù)據(jù)的關(guān)注高，其中含有的敏感數(shù)據(jù)會(huì)吸引潛在的攻擊者；二是對(duì)現(xiàn)有存儲(chǔ)或者安全防范措施提出挑戰(zhàn)，特別是數(shù)據(jù)大集中后復(fù)雜多樣的數(shù)據(jù)存放在一起，常規(guī)的安全掃描手段無(wú)法滿足安全要求。這些問(wèn)題將表現(xiàn)在數(shù)據(jù)資源共享、數(shù)據(jù)資產(chǎn)界定和盤(pán)活，以及數(shù)據(jù)真實(shí)性判斷等各個(gè)方面。醫(yī)療大數(shù)據(jù)的未來(lái)展望

6.1 社會(huì)化醫(yī)學(xué)

曾任美國(guó)克利夫蘭醫(yī)學(xué)中心（Cleveland Clinic）心血管科主任的美國(guó)心臟病學(xué)家埃里克·托普（Eric Topol），新近出版了一本名為《顛覆醫(yī)療》[6]的書(shū)，在此書(shū)中他認(rèn)為：互聯(lián)網(wǎng)的沉浸式和參與式文化培育了消費(fèi)者，“每10個(gè)美國(guó)人中就有超過(guò)8位在網(wǎng)絡(luò)上查詢與健康相關(guān)的問(wèn)題”，甚至有的“患者會(huì)自帶著一系列摘自網(wǎng)絡(luò)的醫(yī)學(xué)問(wèn)題”去訪問(wèn)醫(yī)生，對(duì)自身病情、疾病和藥物的知悉程度較過(guò)去高出很多，與此同時(shí)，醫(yī)生的權(quán)威性大幅度降低。由此可見(jiàn)，這就是未來(lái)的趨勢(shì)—社會(huì)化醫(yī)學(xué)。

6.2 個(gè)性化醫(yī)學(xué)

個(gè)性化醫(yī)療，是指以個(gè)人基因組數(shù)據(jù)位基礎(chǔ)，結(jié)合蛋白質(zhì)組和代謝組等相關(guān)內(nèi)環(huán)境數(shù)據(jù)，考察遺傳變異、對(duì)特定疾病的易感性和對(duì)特殊藥物的反應(yīng)的關(guān)系，為患者量身設(shè)計(jì)出最佳治療方案，以期達(dá)到治療效果最大化和副作用最小化的定制醫(yī)療模式。實(shí)施個(gè)性化醫(yī)療，首先針對(duì)特定疾病亞群進(jìn)行分類(lèi)，然后根據(jù)這些亞群的特異性發(fā)病機(jī)制進(jìn)行藥物開(kāi)發(fā)，最終對(duì)這些亞群患者進(jìn)行針對(duì)性治療。這些涉及醫(yī)學(xué)、生物、環(huán)境、社會(huì)和心理等諸多因素，傳統(tǒng)的數(shù)據(jù)分析技術(shù)會(huì)遭遇瓶頸，很難以開(kāi)展針對(duì)性研究，故而引發(fā)了大數(shù)據(jù)技術(shù)的介入。在現(xiàn)有研究中，通過(guò)對(duì)醫(yī)療大數(shù)據(jù)的分析和利用，可以完善個(gè)性化醫(yī)療。較著名的是德國(guó)默克公司正與Regenstrief研究院一起實(shí)施的個(gè)性化醫(yī)療項(xiàng)目。考察遺傳變異、對(duì)特定疾病的易感染性和對(duì)特殊藥物的反應(yīng)三者之間的關(guān)系，然后在藥物研發(fā)和用藥過(guò)程中考慮個(gè)人的遺傳變異因素。針對(duì)不同的患者采取不同的治療方案，或者根據(jù)患者的實(shí)際情況調(diào)整藥物劑量，可以減少副作用。總結(jié)

根據(jù)國(guó)際數(shù)據(jù)公司（International Data Corporation，IDC）的預(yù)測(cè)，中國(guó)的大數(shù)據(jù)市場(chǎng)在2012~2016年將增長(zhǎng)5倍，其中最多份額將集中在政府、銀行、醫(yī)療衛(wèi)生、電信等四大行業(yè)【7】。醫(yī)療行業(yè)的數(shù)據(jù)已進(jìn)入大數(shù)據(jù)時(shí)代，使用大數(shù)據(jù)庫(kù)作為工具，將會(huì)輔助產(chǎn)生更有效、更加經(jīng)濟(jì)的醫(yī)療政策，更好的產(chǎn)品和服務(wù)[8]醫(yī)療大數(shù)據(jù)為我國(guó)帶來(lái)了機(jī)遇的同時(shí)也帶來(lái)了挑戰(zhàn)，雖然只是剛剛起步，但是前景還是值得期待的。

參考文獻(xiàn)

[1]（于廣軍 楊佳泓主編 醫(yī)療大數(shù)據(jù) 上海科學(xué)技術(shù)出版社P14）

[2]（Kayyali B，Knott D，Van Kuilen S.The big-data revolution in US health care: Accelerating value and innovation[J].Mc Kinsey & Company，2013)[3]（David Marco，John Wiley.Building and managing the meta data repository: a full lifecycle guide[M].New York: John Wiley & Sons Inc,2000）

[4]（Kayyali B，Knott D，Van Kuilen S.The big-data revolution in US health care: Accelerating value and innovation[J].Mc Kinsey & Company，2013）[5]（湯嘯天.個(gè)人健康醫(yī)療信息和隱私權(quán)保護(hù)[J].同濟(jì)大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2006,17（3）：117-123）

[6]（http://）

[7]（Inmon W.Building the data warehouse[M].3rd ed.New York: John Wiley & Sons Inc，2002）

[8]（郭曉科主編 《大數(shù)據(jù)》 清華大學(xué)出版社 p22）

第二篇：對(duì)大數(shù)據(jù)的認(rèn)識(shí)

對(duì)于大數(shù)據(jù)的認(rèn)識(shí)和理解

這學(xué)期選修了網(wǎng)絡(luò)工程這門(mén)課程，當(dāng)時(shí)是抱著掃盲的態(tài)度選的這門(mén)課程，給自己定的目標(biāo)不高，只需要對(duì)一些基礎(chǔ)的概念和網(wǎng)絡(luò)結(jié)構(gòu)有些認(rèn)識(shí)就可以，以免以后在人前談?wù)摰臅r(shí)候不至于成為IT文盲，被一些專(zhuān)業(yè)性的技術(shù)人員所嚇倒。事實(shí)證明，態(tài)度決定一切，由于自己剛開(kāi)始設(shè)定的目標(biāo)就比較低，所以注定能夠上升到的水平也就不高。

經(jīng)過(guò)這幾周的學(xué)習(xí)，對(duì)計(jì)算機(jī)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)和大致結(jié)構(gòu)有了一個(gè)粗淺的認(rèn)識(shí)。由于學(xué)生本身這方面的基礎(chǔ)不扎實(shí)，知識(shí)結(jié)構(gòu)在這方面比較薄弱，所以不能在技術(shù)方面進(jìn)行深入的研究，只能對(duì)一些理論性的知識(shí)做一些了解和認(rèn)識(shí)，建立起大概的知識(shí)框架。在學(xué)習(xí)過(guò)程中，魏忠老師所提及的知識(shí)中有一點(diǎn)印象最為深刻，關(guān)于大數(shù)據(jù)Big Data方面的提及引起了我很大的興趣，越是自己私下里做了一些閱讀和查詢（主要是維克托·邁爾-舍恩伯格的《大數(shù)據(jù)時(shí)代》和網(wǎng)絡(luò)上查看的一些資料）。最后提交的這篇課程總結(jié)就著重報(bào)告一下自己在閱讀了他人關(guān)于大數(shù)據(jù)的一些理論后自身的認(rèn)識(shí)。

在這之前，我發(fā)現(xiàn)身邊很多人都提起過(guò)大數(shù)據(jù)，其中包括老師和同學(xué)。可是對(duì)于這些熱門(mén)的新技術(shù)、新趨勢(shì)人們往往趨之若鶩卻又很難說(shuō)的透徹，如果你問(wèn)他大數(shù)據(jù)和你有什么關(guān)系？估計(jì)很少同學(xué)能說(shuō)出一二三來(lái)。究其原因，一是因?yàn)榇蠹覍?duì)新技術(shù)有著相同的原始渴求，至少知其然在聊天時(shí)不會(huì)顯得很“無(wú)知”，因?yàn)楝F(xiàn)在人們普遍都有以一種信息焦慮感，別人知道的東西我不知道，就會(huì)感到焦慮，無(wú)論這些信息對(duì)你有沒(méi)有用；二是在工作和生活環(huán)境中真正能參與實(shí)踐大數(shù)據(jù)的案例實(shí)在太少了，所以大家沒(méi)有必要花時(shí)間去知其所以然。當(dāng)然我也一樣，雖然我希望能有些不一樣，但是自己實(shí)在欠缺IT這方面的知識(shí)，所以也只能查閱一些資料，翻閱了最新的專(zhuān)業(yè)書(shū)籍，在自己局限的認(rèn)識(shí)下把這些些零散的資料碎片或不同理解論述綜合起來(lái)做一個(gè)類(lèi)似于文獻(xiàn)綜述的報(bào)告，其實(shí)我很真誠(chéng)的希望進(jìn)入事物探尋本質(zhì)。下面就從理論、技術(shù)、實(shí)踐這三個(gè)層面寫(xiě)一下大數(shù)據(jù)的認(rèn)識(shí)

大數(shù)據(jù)的一些相關(guān)理論：

最早提出大數(shù)據(jù)時(shí)代到來(lái)的是麥肯錫：“數(shù)據(jù)，已經(jīng)滲透到當(dāng)今每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素。人們對(duì)于海量數(shù)據(jù)的挖掘和運(yùn)用，預(yù)示著新一波生產(chǎn)率增長(zhǎng)和消費(fèi)者盈余浪潮的到來(lái)。”

業(yè)界（IBM 最早定義）將大數(shù)據(jù)的特征歸納為4個(gè)“V”（量Volume，多樣Variety，價(jià)值Value，速Velocity），或者說(shuō)特點(diǎn)有四個(gè)層面：第一，數(shù)據(jù)體量巨大。大數(shù)據(jù)的起始計(jì)量單位至少是P（1000個(gè)T）、E（100萬(wàn)個(gè)T）或Z（10億個(gè)T）；第二，數(shù)據(jù)類(lèi)型繁多。比如，網(wǎng)絡(luò)日志、視頻、圖片、地理位置信息等等。第三，價(jià)值密度低，商業(yè)價(jià)值高。第四，處理速度快。最后這一點(diǎn)也是和傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)有著本質(zhì)的不同。

很早就流傳著一句話：三分技術(shù)，七分?jǐn)?shù)據(jù)，得數(shù)據(jù)者得天下。先不論這句話是誰(shuí)說(shuō)得，但是這句話的正確性已經(jīng)不用去論證了。維克托·邁爾-舍恩伯格在《大數(shù)據(jù)時(shí)代》一書(shū)中舉了很多例證，都是為了說(shuō)明一個(gè)道理：在大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)的時(shí)候要用大數(shù)據(jù)思維去發(fā)掘大數(shù)據(jù)的潛在價(jià)值。書(shū)中，作者提及最多的

是Google如何利用人們的搜索記錄挖掘數(shù)據(jù)二次利用價(jià)值，比如預(yù)測(cè)某地流感爆發(fā)的趨勢(shì)；Amazon如何利用用戶的購(gòu)買(mǎi)和瀏覽歷史數(shù)據(jù)進(jìn)行有針對(duì)性的書(shū)籍購(gòu)買(mǎi)推薦，以此有效提升銷(xiāo)售量；Fare cast如何利用過(guò)去十年所有的航線機(jī)票價(jià)格打折數(shù)據(jù)，來(lái)預(yù)測(cè)用戶購(gòu)買(mǎi)機(jī)票的時(shí)機(jī)是否合適。這里維克托·邁爾-舍恩伯格所認(rèn)為的大數(shù)據(jù)思維是：1需要全部數(shù)據(jù)樣本而不是抽樣；2關(guān)注效率而不是精確度；3關(guān)注相關(guān)性而不是因果關(guān)系。

大數(shù)據(jù)是什么？投資者眼里是金光閃閃的兩個(gè)字：資產(chǎn)。比如，F(xiàn)acebook上市時(shí)，評(píng)估機(jī)構(gòu)評(píng)定的有效資產(chǎn)中大部分都是其社交網(wǎng)站上的數(shù)據(jù)。如果把大數(shù)據(jù)比作一種產(chǎn)業(yè)，那么這種產(chǎn)業(yè)實(shí)現(xiàn)盈利的關(guān)鍵，在于提高對(duì)數(shù)據(jù)的“加工能力”，通過(guò)“加工”實(shí)現(xiàn)數(shù)據(jù)的“增值”。

大數(shù)據(jù)的一些相關(guān)技術(shù)： 1）云技術(shù)：

大數(shù)據(jù)常和云計(jì)算聯(lián)系到一起，因?yàn)閷?shí)時(shí)的大型數(shù)據(jù)集分析需要分布式處理框架來(lái)向數(shù)

十、數(shù)百或甚至數(shù)萬(wàn)的電腦分配工作。可以說(shuō)，云計(jì)算充當(dāng)了工業(yè)革命時(shí)期的發(fā)動(dòng)機(jī)的角色，而大數(shù)據(jù)則是電。

云計(jì)算思想的起源是麥卡錫在上世紀(jì)60年代提出的：把計(jì)算能力作為一種像水和電一樣的公用事業(yè)提供給用戶。如今，在Google、Amazon、Facebook等一批互聯(lián)網(wǎng)企業(yè)引領(lǐng)下，一種行之有效的模式出現(xiàn)了：云計(jì)算提供基礎(chǔ)架構(gòu)平臺(tái)，大數(shù)據(jù)應(yīng)用運(yùn)行在這個(gè)平臺(tái)上。

業(yè)內(nèi)是這么形容兩者的關(guān)系：沒(méi)有大數(shù)據(jù)的信息積淀，則云計(jì)算的計(jì)算能力再?gòu)?qiáng)大，也難以找到用武之地；沒(méi)有云計(jì)算的處理能力，則大數(shù)據(jù)的信息積淀再豐富，也終究只是鏡花水月。

那么大數(shù)據(jù)到底需要哪些云計(jì)算技術(shù)呢？

這里暫且列舉一些，比如虛擬化技術(shù)，分布式處理技術(shù)，海量數(shù)據(jù)的存儲(chǔ)和管理技術(shù)，NOSQL、實(shí)時(shí)流數(shù)據(jù)處理、智能分析技術(shù)（類(lèi)似模式識(shí)別以及自然語(yǔ)言理解）等。

2）分布式技術(shù)：

分布式處理系統(tǒng)可以將不同地點(diǎn)的或具有不同功能的或擁有不同數(shù)據(jù)的多臺(tái)計(jì)算機(jī)用通信網(wǎng)絡(luò)連接起來(lái)，在控制系統(tǒng)的統(tǒng)一管理控制下，協(xié)調(diào)地完成信息處理任務(wù)—這就是分布式處理系統(tǒng)的定義。

3）感知技術(shù)：

大數(shù)據(jù)的采集和感知技術(shù)的發(fā)展是緊密聯(lián)系的。以傳感器技術(shù)，指紋識(shí)別技術(shù)，RFID技術(shù)，坐標(biāo)定位技術(shù)等為基礎(chǔ)的感知能力提升同樣是物聯(lián)網(wǎng)發(fā)展的基石。全世界的工業(yè)設(shè)備、汽車(chē)、電表上有著無(wú)數(shù)的數(shù)碼傳感器，隨時(shí)測(cè)量和傳遞著有關(guān)位置、運(yùn)動(dòng)、震動(dòng)、溫度、濕度乃至空氣中化學(xué)物質(zhì)的變化，都會(huì)產(chǎn)生海量的數(shù)據(jù)信息。

其實(shí)，這些感知被逐漸捕獲的過(guò)程就是就世界被數(shù)據(jù)化的過(guò)程，一旦世界被完全數(shù)據(jù)化了，那么世界的本質(zhì)也就是信息了

大數(shù)據(jù)的實(shí)踐：

政府各個(gè)部門(mén)都握有構(gòu)成社會(huì)基礎(chǔ)的原始數(shù)據(jù)，比如，氣象數(shù)據(jù)，金融數(shù)據(jù)，信用數(shù)據(jù)，電力數(shù)據(jù)，煤氣數(shù)據(jù)，自來(lái)水?dāng)?shù)據(jù)，道路交通數(shù)據(jù)，客運(yùn)數(shù)據(jù)，安全刑事案件數(shù)據(jù)，住房數(shù)據(jù)，海關(guān)數(shù)據(jù)，出入境數(shù)據(jù)，旅游數(shù)據(jù)，醫(yī)療數(shù)據(jù)，教育數(shù)據(jù)，環(huán)保數(shù)據(jù)等等。這些數(shù)據(jù)在每個(gè)政府部門(mén)里面看起來(lái)是單一的，靜態(tài)的。

但是，如果政府可以將這些數(shù)據(jù)關(guān)聯(lián)起來(lái)，并對(duì)這些數(shù)據(jù)進(jìn)行有效的關(guān)聯(lián)分析和統(tǒng)一管理，這些數(shù)據(jù)必定將獲得新生，其價(jià)值是無(wú)法估量的。

具體來(lái)說(shuō)，現(xiàn)在城市都在走向智能和智慧，比如，智能電網(wǎng)、智慧交通、智慧醫(yī)療、智慧環(huán)保、智慧城市，這些都依托于大數(shù)據(jù)，可以說(shuō)大數(shù)據(jù)是智慧的核心能源。從國(guó)內(nèi)整體投資規(guī)模來(lái)看，到2012年底全國(guó)開(kāi)建智慧城市的城市數(shù)超過(guò)180個(gè)，通信網(wǎng)絡(luò)和數(shù)據(jù)平臺(tái)等基礎(chǔ)設(shè)施建設(shè)投資規(guī)模接近5000億元。“十二五”期間智慧城市建設(shè)拉動(dòng)的設(shè)備投資規(guī)模將達(dá)1萬(wàn)億元人民幣。大數(shù)據(jù)為智慧城市的各個(gè)領(lǐng)域提供決策支持。在城市規(guī)劃方面，通過(guò)對(duì)城市地理、氣象等自然信息和經(jīng)濟(jì)、社會(huì)、文化、人口等人文社會(huì)信息的挖掘，可以為城市規(guī)劃提供決策，強(qiáng)化城市管理服務(wù)的科學(xué)性和前瞻性。在交通管理方面，通過(guò)對(duì)道路交通信息的實(shí)時(shí)挖掘，能有效緩解交通擁堵，并快速響應(yīng)突發(fā)狀況，為城市交通的良性運(yùn)轉(zhuǎn)提供科學(xué)的決策依據(jù)。在輿情監(jiān)控方面，通過(guò)網(wǎng)絡(luò)關(guān)鍵詞搜索及語(yǔ)義智能分析，能提高輿情分析的及時(shí)性、全面性，全面掌握社情民意，提高公共服務(wù)能力，應(yīng)對(duì)網(wǎng)絡(luò)突發(fā)的公共事件，打擊違法犯罪。在安防與防災(zāi)領(lǐng)域，通過(guò)大數(shù)據(jù)的挖掘，可以及時(shí)發(fā)現(xiàn)人為或自然災(zāi)害、恐怖事件，提高應(yīng)急處理能力和安全防范能力。

學(xué)生在閱讀了大數(shù)據(jù)相關(guān)的一些書(shū)籍和文章之后，提取出的一些觀點(diǎn)和理論，并稍加了自己對(duì)大數(shù)據(jù)的一些認(rèn)識(shí)，寫(xiě)成了這篇課程總結(jié)，因?yàn)樽陨淼膶?zhuān)業(yè)性不強(qiáng)，欠缺這方面的知識(shí)和技術(shù)，所以有些說(shuō)法可能存在漏洞或者錯(cuò)誤，希望老師不要見(jiàn)笑并加以指正。最后感謝老師這兩個(gè)月來(lái)的教導(dǎo)。老師幽默的語(yǔ)言，靈活的教學(xué)方式營(yíng)造了活躍的課堂環(huán)境，這些都得到了同學(xué)們的廣泛好評(píng)。最后再次感謝教授!

第三篇：大數(shù)據(jù)認(rèn)識(shí)

大數(shù)據(jù)認(rèn)識(shí)

班級(jí)：B200216電商本科2 姓名：陳家瑋 學(xué)號(hào)：20021624

一

大數(shù)據(jù)（big data），指無(wú)法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。

大數(shù)據(jù)的5V特點(diǎn)：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價(jià)值密度）、Veracity（真實(shí)性）。

層面

第一層面是理論，理論是認(rèn)知的必經(jīng)途徑，也是被廣泛認(rèn)同和傳播的基線。在這里從大數(shù)據(jù)的特征定義理解行業(yè)對(duì)大數(shù)據(jù)的整體描繪和定性；從對(duì)大數(shù)據(jù)價(jià)值的探討來(lái)深入解析大數(shù)據(jù)的珍貴所在；洞悉大數(shù)據(jù)的發(fā)展趨勢(shì)；從大數(shù)據(jù)隱私這個(gè)特別而重要的視角審視人和數(shù)據(jù)之間的長(zhǎng)久博弈。

第二層面是技術(shù)，技術(shù)是大數(shù)據(jù)價(jià)值體現(xiàn)的手段和前進(jìn)的基石。在這里分別從云計(jì)算、分布式處理技術(shù)、存儲(chǔ)技術(shù)和感知技術(shù)的發(fā)展來(lái)說(shuō)明大數(shù)據(jù)從采集、處理、存儲(chǔ)到形成結(jié)果的整個(gè)過(guò)程。

第三層面是實(shí)踐，實(shí)踐是大數(shù)據(jù)的最終價(jià)值體現(xiàn)。在這里分別從互聯(lián)網(wǎng)的大數(shù)據(jù)，政府的大數(shù)據(jù)，企業(yè)的大數(shù)據(jù)和個(gè)人的大數(shù)據(jù)四個(gè)方面來(lái)描繪大數(shù)據(jù)已經(jīng)展現(xiàn)的美好景象及即將實(shí)現(xiàn)的藍(lán)圖。

價(jià)值

1)對(duì)大量消費(fèi)者提供產(chǎn)品或服務(wù)的企業(yè)可以利用大數(shù)據(jù)進(jìn)行精準(zhǔn)營(yíng)銷(xiāo) 2)做小而美模式的中小微企業(yè)可以利用大數(shù)據(jù)做服務(wù)轉(zhuǎn)型

3)面臨互聯(lián)網(wǎng)壓力之下必須轉(zhuǎn)型的傳統(tǒng)企業(yè)需要與時(shí)俱進(jìn)充分利用大數(shù)據(jù)的價(jià)值 趨勢(shì)

趨勢(shì)一：數(shù)據(jù)的資源化

何為資源化，是指大數(shù)據(jù)成為企業(yè)和社會(huì)關(guān)注的重要戰(zhàn)略資源，并已成為大家爭(zhēng)相搶奪的新焦點(diǎn)。因而，企業(yè)必須要提前制定大數(shù)據(jù)營(yíng)銷(xiāo)戰(zhàn)略計(jì)劃，搶占市場(chǎng)先機(jī)。

趨勢(shì)二：與云計(jì)算的深度結(jié)合

大數(shù)據(jù)離不開(kāi)云處理，云處理為大數(shù)據(jù)提供了彈性可拓展的基礎(chǔ)設(shè)備，是產(chǎn)生大數(shù)據(jù)的平臺(tái)之一。自2013年開(kāi)始，大數(shù)據(jù)技術(shù)已開(kāi)始和云計(jì)算技術(shù)緊密結(jié)合，預(yù)計(jì)未來(lái)兩者關(guān)系將更為密切。除此之外，物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)等新興計(jì)算形態(tài)，也將一齊助力大數(shù)據(jù)革命，讓大數(shù)據(jù)營(yíng)銷(xiāo)發(fā)揮出更大的影響力。趨勢(shì)三：科學(xué)理論的突破

隨著大數(shù)據(jù)的快速發(fā)展，就像計(jì)算機(jī)和互聯(lián)網(wǎng)一樣，大數(shù)據(jù)很有可能是新一輪的技術(shù)革命。隨之興起的數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和人工智能等相關(guān)技術(shù)，可能會(huì)改變數(shù)據(jù)世界里的很多算法和基礎(chǔ)理論，實(shí)現(xiàn)科學(xué)技術(shù)上的突破。

趨勢(shì)四：數(shù)據(jù)科學(xué)和數(shù)據(jù)聯(lián)盟的成立

未來(lái)，數(shù)據(jù)科學(xué)將成為一門(mén)專(zhuān)門(mén)的學(xué)科，被越來(lái)越多的人所認(rèn)知。各大高校將設(shè)立專(zhuān)門(mén)的數(shù)據(jù)科學(xué)類(lèi)專(zhuān)業(yè)，也會(huì)催生一批與之相關(guān)的新的就業(yè)崗位。與此同時(shí)，基于數(shù)據(jù)這個(gè)基礎(chǔ)平臺(tái)，也將建立起跨領(lǐng)域的數(shù)據(jù)共享平臺(tái)，之后，數(shù)據(jù)共享將擴(kuò)展到企業(yè)層面，并且成為未來(lái)產(chǎn)業(yè)的核心一環(huán)。

趨勢(shì)五：數(shù)據(jù)泄露泛濫

未來(lái)幾年數(shù)據(jù)泄露事件的增長(zhǎng)率也許會(huì)達(dá)到100%，除非數(shù)據(jù)在其源頭就能夠得到安全保障。可以說(shuō)，在未來(lái)，每個(gè)財(cái)富500強(qiáng)企業(yè)都會(huì)面臨數(shù)據(jù)攻擊，無(wú)論他們是否已經(jīng)做好安全防范。而所有企業(yè)，無(wú)論規(guī)模大小，都需要重新審視今天的安全定義。在財(cái)富500強(qiáng)企業(yè)中，超過(guò)50%將會(huì)設(shè)置首席信息安全官這一職位。企業(yè)需要從新的角度來(lái)確保自身以及客戶數(shù)據(jù)，所有數(shù)據(jù)在創(chuàng)建之初便需要獲得安全保障，而并非在數(shù)據(jù)保存的最后一個(gè)環(huán)節(jié)，僅僅加強(qiáng)后者的安全措施已被證明于事無(wú)補(bǔ)。

趨勢(shì)六：數(shù)據(jù)管理成為核心競(jìng)爭(zhēng)力

數(shù)據(jù)管理成為核心競(jìng)爭(zhēng)力，直接影響財(cái)務(wù)表現(xiàn)。當(dāng)“數(shù)據(jù)資產(chǎn)是企業(yè)核心資產(chǎn)”的概念深入人心之后，企業(yè)對(duì)于數(shù)據(jù)管理便有了更清晰的界定，將數(shù)據(jù)管理作為企業(yè)核心競(jìng)爭(zhēng)力，持續(xù)發(fā)展，戰(zhàn)略性規(guī)劃與運(yùn)用數(shù)據(jù)資產(chǎn)，成為企業(yè)數(shù)據(jù)管理的核心。數(shù)據(jù)資產(chǎn)管理效率與主營(yíng)業(yè)務(wù)收入增長(zhǎng)率、銷(xiāo)售收入增長(zhǎng)率顯著正相關(guān);此外，對(duì)于具有互聯(lián)網(wǎng)思維的企業(yè)而言，數(shù)據(jù)資產(chǎn)競(jìng)爭(zhēng)力所占比重為36.8%，數(shù)據(jù)資產(chǎn)的管理效果將直接影響企業(yè)的財(cái)務(wù)表現(xiàn)。

趨勢(shì)七：數(shù)據(jù)質(zhì)量是BI(商業(yè)智能)成功的關(guān)鍵

采用自助式商業(yè)智能工具進(jìn)行大數(shù)據(jù)處理的企業(yè)將會(huì)脫穎而出。其中要面臨的一個(gè)挑戰(zhàn)是，很多數(shù)據(jù)源會(huì)帶來(lái)大量低質(zhì)量數(shù)據(jù)。想要成功，企業(yè)需要理解原始數(shù)據(jù)與數(shù)據(jù)分析之間的差距，從而消除低質(zhì)量數(shù)據(jù)并通過(guò)BI獲得更佳決策。

趨勢(shì)八：數(shù)據(jù)生態(tài)系統(tǒng)復(fù)合化程度加強(qiáng)

大數(shù)據(jù)的世界不只是一個(gè)單一的、巨大的計(jì)算機(jī)網(wǎng)絡(luò)，而是一個(gè)由大量活動(dòng)構(gòu)件與多元參與者元素所構(gòu)成的生態(tài)系統(tǒng)，終端設(shè)備提供商、基礎(chǔ)設(shè)施提供商、網(wǎng)絡(luò)服務(wù)提供商、網(wǎng)絡(luò)接入服務(wù)提供商、數(shù)據(jù)服務(wù)使能者、數(shù)據(jù)服務(wù)提供商、觸點(diǎn)服務(wù)、數(shù)據(jù)服務(wù)零售商等等一系列的參與者共同構(gòu)建的生態(tài)系統(tǒng)。而今，這樣一套數(shù)據(jù)生態(tài)系統(tǒng)的基本雛形已然形成，接下來(lái)的發(fā)展將趨向于系統(tǒng)內(nèi)部角色的細(xì)分，也就是市場(chǎng)的細(xì)分;系統(tǒng)機(jī)制的調(diào)整，也就是商業(yè)模式的創(chuàng)新;系統(tǒng)結(jié)構(gòu)的調(diào)整，也就是競(jìng)爭(zhēng)環(huán)境的調(diào)整等等，從而使得數(shù)據(jù)生態(tài)系統(tǒng)復(fù)合化程度逐漸增強(qiáng)。

二

Hadoop實(shí)現(xiàn)了一個(gè)分布式文件系統(tǒng)（Hadoop Distributed File System），簡(jiǎn)稱(chēng)HDFS。HDFS有高容錯(cuò)性的特點(diǎn)，并且設(shè)計(jì)用來(lái)部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）來(lái)訪問(wèn)應(yīng)用程序的數(shù)據(jù)，適合那些有著超大數(shù)據(jù)集（large data set）的應(yīng)用程序。HDFS放寬了（relax）POSIX的要求，可以以流的形式訪問(wèn)（streaming access）文件系統(tǒng)中的數(shù)據(jù)。

優(yōu)點(diǎn)

高可靠性。Hadoop按位存儲(chǔ)和處理數(shù)據(jù)的能力值得人們信賴。

高擴(kuò)展性。Hadoop是在可用的計(jì)算機(jī)集簇間分配數(shù)據(jù)并完成計(jì)算任務(wù)的，這些集簇可以方便地?cái)U(kuò)展到數(shù)以千計(jì)的節(jié)點(diǎn)中。

高效性。Hadoop能夠在節(jié)點(diǎn)之間動(dòng)態(tài)地移動(dòng)數(shù)據(jù)，并保證各個(gè)節(jié)點(diǎn)的動(dòng)態(tài)平衡，因此處理速度非常快。

高容錯(cuò)性。Hadoop能夠自動(dòng)保存數(shù)據(jù)的多個(gè)副本，并且能夠自動(dòng)將失敗的任務(wù)重新分配。

低成本。與一體機(jī)、商用數(shù)據(jù)倉(cāng)庫(kù)以及QlikView、Yonghong Z-Suite等數(shù)據(jù)集市相比，hadoop是開(kāi)源的，項(xiàng)目的軟件成本因此會(huì)大大降低。

hadoop大數(shù)據(jù)處理的意義

Hadoop得以在大數(shù)據(jù)處理應(yīng)用中廣泛應(yīng)用得益于其自身在數(shù)據(jù)提取、變形和加載(ETL)方面上的天然優(yōu)勢(shì)。Hadoop的分布式架構(gòu)，將大數(shù)據(jù)處理引擎盡可能的靠近存儲(chǔ)，對(duì)例如像ETL這樣的批處理操作相對(duì)合適，因?yàn)轭?lèi)似這樣操作的批處理結(jié)果可以直接走向存儲(chǔ)。Hadoop的MapReduce功能實(shí)現(xiàn)了將單個(gè)任務(wù)打碎，并將碎片任務(wù)(Map)發(fā)送到多個(gè)節(jié)點(diǎn)上，之后再以單個(gè)數(shù)據(jù)集的形式加載(Reduce)到數(shù)據(jù)倉(cāng)庫(kù)里。

大數(shù)據(jù)精髓

A.不是隨機(jī)樣本，而是全體數(shù)據(jù)：在大數(shù)據(jù)時(shí)代，我們可以分析更多的數(shù)據(jù)，有時(shí)候甚至可以處理和某個(gè)特別現(xiàn)象相關(guān)的所有數(shù)據(jù)，而不再依賴于隨機(jī)采樣(隨機(jī)采樣，以前我們通常把這看成是理所應(yīng)當(dāng)?shù)南拗疲咝阅艿臄?shù)字技術(shù)讓我們意識(shí)到，這其實(shí)是一種人為限制)B.不是精確性，而是混雜性：研究數(shù)據(jù)如此之多，以至于我們不再熱衷于追求精確度;之前需要分析的數(shù)據(jù)很少，所以我們必須盡可能精確地量化我們的記錄，隨著規(guī)模的擴(kuò)大，對(duì)精確度的癡迷將減弱;擁有了大數(shù)據(jù)，我們不再需要對(duì)一個(gè)現(xiàn)象刨根問(wèn)底，只要掌握了大體的發(fā)展方向即可，適當(dāng)忽略微觀層面上的精確度，會(huì)讓我們?cè)诤暧^層面擁有更好的洞察力

C.不是因果關(guān)系，而是相關(guān)關(guān)系：我們不再熱衷于找因果關(guān)系，尋找因果關(guān)系是人類(lèi)長(zhǎng)久以來(lái)的習(xí)慣，在大數(shù)據(jù)時(shí)代，我們無(wú)須再緊盯事物之間的因果關(guān)系，而應(yīng)該尋找事物之間的相關(guān)關(guān)系;相關(guān)關(guān)系也許不能準(zhǔn)確地告訴我們某件事情為何會(huì)發(fā)生，但是它會(huì)提醒我們這件事情正在發(fā)生。

開(kāi)源大數(shù)據(jù)生態(tài)圈：

1、Hadoop HDFS、HadoopMapReduce, HBase、Hive 漸次誕生，早期Hadoop生態(tài)圈逐步形成。

2、.Hypertable是另類(lèi)。它存在于Hadoop生態(tài)圈之外，但也曾經(jīng)有一些用戶。

3、NoSQL，membase、MongoDb 商用大數(shù)據(jù)生態(tài)圈：

1、一體機(jī)數(shù)據(jù)庫(kù)/數(shù)據(jù)倉(cāng)庫(kù)：IBM PureData(Netezza), OracleExadata, SAP Hana等等。

2、數(shù)據(jù)倉(cāng)庫(kù)：TeradataAsterData, EMC GreenPlum, HPVertica 等等。

3、數(shù)據(jù)集市：QlikView、Tableau、以及國(guó)內(nèi)的Yonghong Data Mart。大數(shù)據(jù)分析

Analytic Visualizations（可視化分析）

不管是對(duì)數(shù)據(jù)分析專(zhuān)家還是普通用戶，數(shù)據(jù)可視化是數(shù)據(jù)分析工具最基本的要求。可視化可以直觀的展示數(shù)據(jù)，讓數(shù)據(jù)自己說(shuō)話，讓觀眾聽(tīng)到結(jié)果。

Data Mining Algorithms（數(shù)據(jù)挖掘算法）

可視化是給人看的，數(shù)據(jù)挖掘就是給機(jī)器看的。集群、分割、孤立點(diǎn)分析還有其他的算法讓我們深入數(shù)據(jù)內(nèi)部，挖掘價(jià)值。這些算法不僅要處理大數(shù)據(jù)的量，也要處理大數(shù)據(jù)的速度。

Predictive Analytic Capabilities（預(yù)測(cè)性分析能力）

數(shù)據(jù)挖掘可以讓分析員更好的理解數(shù)據(jù)，而預(yù)測(cè)性分析可以讓分析員根據(jù)可視化分析和數(shù)據(jù)挖掘的結(jié)果做出一些預(yù)測(cè)性的判斷。

Semantic Engines（語(yǔ)義引擎）

我們知道由于非結(jié)構(gòu)化數(shù)據(jù)的多樣性帶來(lái)了數(shù)據(jù)分析的新的挑戰(zhàn)，我們需要一系列的工具去解析，提取，分析數(shù)據(jù)。語(yǔ)義引擎需要被設(shè)計(jì)成能夠從“文檔”中智能提取信息。

Data Quality and Master Data Management（數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理）

數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理是一些管理方面的最佳實(shí)踐。通過(guò)標(biāo)準(zhǔn)化的流程和工具對(duì)數(shù)據(jù)進(jìn)行處理可以保證一個(gè)預(yù)先定義好的高質(zhì)量的分析結(jié)果。

假如大數(shù)據(jù)真的是下一個(gè)重要的技術(shù)革新的話，我們最好把精力關(guān)注在大數(shù)據(jù)能給我們帶來(lái)的好處，而不僅僅是挑戰(zhàn)。

數(shù)據(jù)存儲(chǔ)，數(shù)據(jù)倉(cāng)庫(kù)

數(shù)據(jù)倉(cāng)庫(kù)是為了便于多維分析和多角度展示數(shù)據(jù)按特定模式進(jìn)行存儲(chǔ)所建立起來(lái)的關(guān)系型數(shù)據(jù)庫(kù)。在商業(yè)智能系統(tǒng)的設(shè)計(jì)中，數(shù)據(jù)倉(cāng)庫(kù)的構(gòu)建是關(guān)鍵，是商業(yè)智能系統(tǒng)的基礎(chǔ)，承擔(dān)對(duì)業(yè)務(wù)系統(tǒng)數(shù)據(jù)整合的任務(wù)，為商業(yè)智能系統(tǒng)提供數(shù)據(jù)抽取、轉(zhuǎn)換和加載(ETL)，并按主題對(duì)數(shù)據(jù)進(jìn)行查詢和訪問(wèn)，為聯(lián)機(jī)數(shù)據(jù)分析和數(shù)據(jù)挖掘提供數(shù)據(jù)平臺(tái)。

第四篇：醫(yī)療大數(shù)據(jù)及精準(zhǔn)醫(yī)療

醫(yī)療大數(shù)據(jù)及精準(zhǔn)醫(yī)療

謝邦昌

臺(tái)北醫(yī)學(xué)大學(xué)管理學(xué)院及大數(shù)據(jù)研究中心院長(zhǎng)/主任

大數(shù)據(jù)的趨勢(shì)以及價(jià)值是現(xiàn)在最熱門(mén)的話題，也改變了許多企業(yè)經(jīng)營(yíng)的方式，對(duì)于各行各業(yè)來(lái)說(shuō)是勢(shì)必是一個(gè)大挑戰(zhàn)，能否將大數(shù)據(jù)的力量從危機(jī)到轉(zhuǎn)機(jī)就要看現(xiàn)代經(jīng)營(yíng)者有沒(méi)有轉(zhuǎn)變傳統(tǒng)型態(tài)的思維？

首先什么是大數(shù)據(jù)？傳統(tǒng)數(shù)據(jù)一年的數(shù)據(jù)量大概為3TB左右，以現(xiàn)今數(shù)據(jù)來(lái)說(shuō)一天的資料量為50TB，由這簡(jiǎn)單的數(shù)據(jù)量差就可以得知傳統(tǒng)數(shù)據(jù)跟現(xiàn)今數(shù)據(jù)的差異多么龐大，也就是現(xiàn)在俗稱(chēng)的大數(shù)據(jù)時(shí)代。數(shù)據(jù)龐大之下，不管是銀行業(yè)、傳統(tǒng)零售業(yè)、社會(huì)建設(shè)公共方面甚至是醫(yī)療保健產(chǎn)業(yè)對(duì)數(shù)據(jù)處理、分析方式以及經(jīng)營(yíng)企業(yè)的模式將會(huì)有所改變。

在過(guò)往的醫(yī)療診斷歷史，到醫(yī)院看病時(shí)必須耗費(fèi)許多時(shí)間等待看診，而醫(yī)生看診又要再花費(fèi)時(shí)間。當(dāng)醫(yī)生要求病患拍攝X光片或檢驗(yàn)時(shí)，又要再花額外許多時(shí)間診斷。而在現(xiàn)今醫(yī)療信息高度發(fā)展的臺(tái)灣，看診程序從網(wǎng)絡(luò)掛號(hào)、候診順序、診間病歷調(diào)閱、醫(yī)師醫(yī)令、處方開(kāi)立、放射影像存取、檢查檢驗(yàn)數(shù)據(jù)儲(chǔ)存等，無(wú)數(shù)的數(shù)據(jù)信息便在醫(yī)院中傳遞、交換、儲(chǔ)存。同時(shí)大多數(shù)的生理檢驗(yàn)信息在你回診時(shí)得以從電子病歷中檢索，這些我們認(rèn)為理所當(dāng)然的信息處理，在臺(tái)灣我們只要花費(fèi)少許的時(shí)間如一個(gè)早上便完成了，而這一切正是仰賴醫(yī)學(xué)信息分析與醫(yī)療大數(shù)據(jù)的交換處理。

醫(yī)學(xué)大數(shù)據(jù)的產(chǎn)生，主要?dú)w功于醫(yī)療設(shè)備數(shù)字化及電子化病歷發(fā)展兩大領(lǐng)域的突破，透過(guò)儀器數(shù)字化，醫(yī)院得以獲得更多病人疾病與健康信息紀(jì)錄。而在病人醫(yī)療診斷方面，為了完善紀(jì)錄病患個(gè)人資料、診斷數(shù)據(jù)與過(guò)往醫(yī)療紀(jì)錄等，即促成了電子病歷系統(tǒng)發(fā)展。醫(yī)學(xué)大數(shù)據(jù)發(fā)展由過(guò)去紙張記錄、紙本信息數(shù)字化、醫(yī)學(xué)紀(jì)錄儲(chǔ)存到現(xiàn)今多信息整合，其數(shù)據(jù)量有著爆炸性的成長(zhǎng)，不僅由過(guò)去個(gè)人社經(jīng)信息、診斷信息等文字媒介，更拓展到多媒體影像信息，如X光影像，動(dòng)態(tài)視訊影像信息，如核磁共振MRI以及電訊號(hào)信息，如心電圖等等，這些龐大醫(yī)學(xué)數(shù)據(jù)的匯集與高度整合技術(shù)能力，正是臺(tái)灣醫(yī)學(xué)信息領(lǐng)域發(fā)展領(lǐng)先的原因，同時(shí)更顯得醫(yī)學(xué)數(shù)據(jù)發(fā)展的多元應(yīng)用及其重要性。

而由醫(yī)療健保產(chǎn)業(yè)來(lái)說(shuō)，個(gè)人醫(yī)療信息終端的產(chǎn)生給醫(yī)療產(chǎn)業(yè)帶來(lái)革命性的變化，連結(jié)了傳統(tǒng)醫(yī)院、政府（社會(huì)保障）、保險(xiǎn)公司、藥物生產(chǎn)公司等相關(guān)產(chǎn)業(yè)，形成新的行業(yè)生態(tài)圈。將互聯(lián)網(wǎng)＋醫(yī)療保健去建構(gòu)一個(gè)智能的健康系統(tǒng)，在整個(gè)健康系統(tǒng)下會(huì)有智能的合作伙伴，包含醫(yī)院、醫(yī)生、診所、學(xué)術(shù)中心、保險(xiǎn)公司、藥廠、醫(yī)療設(shè)備制造商、政府等相關(guān)人員等，接著產(chǎn)生出個(gè)人化的護(hù)理體系，其中包含個(gè)人健康、成本節(jié)約、提高效率、病人教育、增強(qiáng)通信、績(jī)效度量、預(yù)防等相關(guān)內(nèi)容，使得人們有著更健康的社會(huì)。

經(jīng)常聽(tīng)到的醫(yī)療云、照護(hù)云以及健康云都是運(yùn)用云端技術(shù)結(jié)合大數(shù)據(jù)去提供健康咨詢的服務(wù)。在網(wǎng)絡(luò)普及下，人手一臺(tái)智能型手機(jī)讓這些云更能夠去發(fā)揮，客戶只需要使用健康感知的終端，其中包含穿戴型裝置、愛(ài)睡寶、電視機(jī)以及相關(guān)的智能型測(cè)量裝置，就能夠讓親人、醫(yī)生以及相關(guān)的護(hù)理人員得知目前的身體狀態(tài)，不僅如此，還可以遠(yuǎn)程監(jiān)護(hù)以及遠(yuǎn)程門(mén)診，一切都透過(guò)遠(yuǎn)程醫(yī)療平臺(tái)讓人們有著安全、方便、快速及健康舒適的生活環(huán)境。

大數(shù)據(jù)在生技醫(yī)療衛(wèi)生發(fā)展?fàn)顩r及應(yīng)用,大數(shù)據(jù)已深耕于經(jīng)濟(jì)領(lǐng)域且創(chuàng)造了巨大的經(jīng)濟(jì)價(jià)值

美國(guó)的大數(shù)據(jù)產(chǎn)業(yè)已經(jīng)創(chuàng)造了巨大的價(jià)值，具體表現(xiàn)在:大數(shù)據(jù)使美國(guó)醫(yī)療服務(wù)質(zhì)量得到提高。

對(duì)于醫(yī)療服務(wù)的提供方和支付方來(lái)說(shuō)，在減少醫(yī)療成本的同時(shí)不斷提高醫(yī)療質(zhì)量和效率仍然是一個(gè)難以實(shí)現(xiàn)的目標(biāo)，而這也是改善民生的重大機(jī)遇。2010年，全美醫(yī)療支出占國(guó)內(nèi)生產(chǎn)總值的17.9%，比2000年增長(zhǎng)13.8%。而且，某些慢性疾病如糖尿病的患病率正在增加，正在消耗更多的醫(yī)療資源。

對(duì)這些疾病和其他相關(guān)健康服務(wù)的管理將深刻地影響國(guó)家的福祉。在這方面大數(shù)據(jù)可以發(fā)揮作用。為在廣大人群中取得最有效的醫(yī)療效果，更多地使用電子健康記錄（電子健康檔案），并與新的分析工具相結(jié)合，將提供挖掘信息的機(jī)會(huì)。研究人員可以利用信息尋找有效的統(tǒng)計(jì)趨勢(shì)，并依據(jù)真實(shí)的醫(yī)療服務(wù)質(zhì)量開(kāi)展醫(yī)療評(píng)估。

大數(shù)據(jù)在醫(yī)療及生技業(yè)之應(yīng)用

醫(yī)療及生技業(yè)大數(shù)據(jù)應(yīng)用的當(dāng)前需求來(lái)自疫情和健康趨勢(shì)分析、電子病例、醫(yī)學(xué)研發(fā)、臨床試驗(yàn)等領(lǐng)域。

疫情和健康分析趨勢(shì)

利用大數(shù)據(jù)進(jìn)行疫情分析，說(shuō)明這個(gè)地方可能處于某種疾病蔓延，實(shí)時(shí)掌握病情。

Google和疾管局一樣能夠掌握流感疫情

2009年又冒出了一種新的流感病毒，稱(chēng)為H1N1。這種新菌株結(jié)合了禽流感和豬流感病毒，迅速蔓延。短短幾星期內(nèi)，全球的公共衛(wèi)生機(jī)構(gòu)都憂心忡忡，擔(dān)心即將爆發(fā)流感大流行。有些人發(fā)出警訊，認(rèn)為這次爆發(fā)可能與1918年的西班牙流感不相上下，當(dāng)時(shí)感染人數(shù)達(dá)到五億人，最后奪走數(shù)千萬(wàn)人的性命。雪上加霜的是，面對(duì)流感可能爆發(fā)，卻還沒(méi)有能派上用場(chǎng)的疫苗，公共衛(wèi)生當(dāng)局唯一能努力的，就是減緩其蔓延的速度。為了達(dá)到這項(xiàng)目的，必須先知道當(dāng)前流行感染的范圍及程度。在美國(guó)，疾病管制局（CDC）要求醫(yī)生一碰到新流感病例，就必須立刻通報(bào)。即使如此，通報(bào)的速度仍然總是慢了病毒一步，大約是慢上一到兩星期。畢竟，民眾覺(jué)得身體不舒服之后，通常還是會(huì)過(guò)個(gè)幾天才就醫(yī)，而層層通報(bào)回到疾管局也需要時(shí)間，更別提疾管局要每星期才整理一次通報(bào)來(lái)的數(shù)據(jù)。但是面對(duì)迅速蔓延的疫情，拖個(gè)兩星期簡(jiǎn)直就像是拖了一個(gè)世紀(jì)，會(huì)在最關(guān)鍵的時(shí)刻，讓公共衛(wèi)生當(dāng)局完全無(wú)法掌握真實(shí)情況。

說(shuō)巧不巧，就在H1N1躍上新聞?lì)^條的幾星期前，網(wǎng)絡(luò)巨擘Google旗下的幾位工程師，在著名的《自然》科學(xué)期刊發(fā)表了一篇重要的論文，當(dāng)時(shí)并未引起一般人的注意，只在衛(wèi)生當(dāng)局和計(jì)算機(jī)科學(xué)圈里引起討論。該篇論文解釋了Google能如何「預(yù)測(cè)」美國(guó)在冬天即將爆發(fā)流感，甚至還能精準(zhǔn)定位到是哪些州。谷歌的秘訣，就是看看民眾在網(wǎng)絡(luò)上搜尋些什么。由于Google每天會(huì)接收到超過(guò)三十億筆的搜尋，而且會(huì)把它們?nèi)績(jī)?chǔ)存起來(lái)，那就會(huì)有大量的數(shù)據(jù)得以運(yùn)用。

Google先挑出美國(guó)人最常使用的前五千萬(wàn)個(gè)搜尋字眼，再與美國(guó)疾病管制局在2003年到2008年之間的流感傳播數(shù)據(jù)，加以比對(duì)。Google的想法，是想靠著民眾在網(wǎng)絡(luò)上搜尋什么關(guān)鍵詞，找出那些感染了流感的人。雖然也曾有人就網(wǎng)絡(luò)搜尋字眼做過(guò)類(lèi)似的努力，但是從來(lái)沒(méi)人能像Google一樣掌握巨量數(shù)據(jù)（big data，直譯為大數(shù)據(jù)），并具備強(qiáng)大的處理能力和在統(tǒng)計(jì)上的專(zhuān)業(yè)技能。

雖然Google已經(jīng)猜到，民眾的搜尋字眼可能與流感有關(guān)，像是「止咳退燒」，但相不相關(guān)其實(shí)不是真正的重點(diǎn)，他們?cè)O(shè)計(jì)的系統(tǒng)也不是從這個(gè)角度出發(fā)。Google這套系統(tǒng)真正做的，是要針對(duì)搜尋字眼的搜尋頻率，找出和流感傳播的時(shí)間、地區(qū)，有沒(méi)有統(tǒng)計(jì)上的相關(guān)性。他們總共用上了高達(dá)4億5千萬(wàn)種不同的數(shù)學(xué)模型，測(cè)試各種搜尋字眼，再與疾管局在2007年與2008年的實(shí)際流感病例加以比較。這套軟件找出了一組共四十五個(gè)搜尋字眼，放進(jìn)數(shù)學(xué)模型之后，預(yù)測(cè)結(jié)果會(huì)與官方公布的全美真實(shí)數(shù)據(jù)十分符合，有強(qiáng)烈的相關(guān)性。

于是，他們就像疾管局一樣能夠掌握流感疫情，但可不是

一、兩星期之后的事，而是幾近實(shí)時(shí)同步的掌握！因此，在2009年發(fā)生H1N1危機(jī)的時(shí)候，比起政府手中的數(shù)據(jù)（以及無(wú)可避免的通報(bào)延遲），Google系統(tǒng)能提供更有用、更及時(shí)的信息。公衛(wèi)當(dāng)局有了這種寶貴的信息，控制疫情如虎添翼。

最驚人的是，Google的這套方法并不需要去采集檢體、也不用登門(mén)造訪各家醫(yī)院診所，而只是好好利用了巨量數(shù)據(jù)，也就是用全新的方式來(lái)使用信息，以取得實(shí)用且價(jià)值非凡的見(jiàn)解、商機(jī)或服務(wù)。有了Google這套系統(tǒng)，下次爆發(fā)流感的時(shí)候，全球就有了更佳的工具能夠加以預(yù)測(cè)、并防止疫情蔓延。

電子病例

將分散在醫(yī)院中的各個(gè)部門(mén)、各式各樣的病例集中在云端，醫(yī)生們可透過(guò)語(yǔ)意搜查找出任何病例中的相關(guān)訊息，進(jìn)而為醫(yī)學(xué)診斷提供更加豐富的數(shù)據(jù)。可提供以病患為中心的個(gè)人化療程建議，或幫助對(duì)醫(yī)療問(wèn)題及其患病率進(jìn)行自動(dòng)診斷。臺(tái)灣的醫(yī)療黑金：健保數(shù)據(jù)庫(kù) Google臺(tái)灣董事總經(jīng)理簡(jiǎn)立峰曾表示：「我認(rèn)為最有價(jià)值的寶藏，就是臺(tái)灣的全民健保數(shù)據(jù)庫(kù)。」，臺(tái)灣醫(yī)療產(chǎn)業(yè)貫穿上下游的數(shù)據(jù)，全在健保數(shù)據(jù)庫(kù)里面，而且?guī)缀跛腥硕家尤耄澜缰挥信_(tái)灣擁有如此完整的數(shù)據(jù)庫(kù)。美國(guó)麻省理工學(xué)院電機(jī)與計(jì)算機(jī)科學(xué)院教授約John Guttag也說(shuō)，相較于美國(guó)，臺(tái)灣的健保是由政府買(mǎi)單，這讓醫(yī)療數(shù)據(jù)取得變得容易，「這是臺(tái)灣的機(jī)會(huì)，未來(lái)也很有機(jī)會(huì)從中獲利。」

累積15年來(lái)、2千3百萬(wàn)人民的健保數(shù)據(jù)庫(kù)，正等待著識(shí)貨的伯樂(lè)來(lái)挖寶。臺(tái)中榮總醫(yī)生、陽(yáng)明大學(xué)教授吳俊穎以親身經(jīng)驗(yàn)說(shuō)明，過(guò)去醫(yī)學(xué)界只知道，幽門(mén)螺旋桿菌跟胃癌有關(guān)，但是卻沒(méi)有規(guī)模夠大、時(shí)間夠長(zhǎng)的臨床實(shí)驗(yàn)可以證實(shí)，他與研究團(tuán)隊(duì)藉由探勘臺(tái)灣的健保數(shù)據(jù)庫(kù)，發(fā)現(xiàn)服藥根除幽門(mén)螺旋桿菌，可以降低胃癌的發(fā)生率。

這篇論文不只發(fā)表在腸胃科排名第一的雜志《腸胃病學(xué)》上，更震撼了日本醫(yī)學(xué)界。日本是全球胃癌罹患率最高的國(guó)家，當(dāng)?shù)蒯t(yī)生特別把這篇論文翻譯成日文，并且說(shuō)服日本厚生省，對(duì)幽門(mén)螺旋桿菌感染患者全面給付殺菌療程，不僅影響醫(yī)師的臨床運(yùn)作、政府決策，甚至有可能改變國(guó)際性醫(yī)療行為準(zhǔn)則。

吳俊穎認(rèn)為，臺(tái)灣的健保數(shù)據(jù)庫(kù)內(nèi)容巨細(xì)靡遺，所有醫(yī)療項(xiàng)目都記錄得一清二楚，「它像是永不干涸的黑金，當(dāng)數(shù)據(jù)越來(lái)越多串聯(lián)和使用，就會(huì)越來(lái)越有價(jià)值。」然而，吳俊穎也提到，健保數(shù)據(jù)庫(kù)有個(gè)缺點(diǎn)，就是缺乏診斷和檢測(cè)結(jié)果。麻省理工學(xué)院教授Peter Szolovits也曾舉例說(shuō)明過(guò)，如果有一位病患發(fā)現(xiàn)關(guān)節(jié)腫起來(lái)，醫(yī)生跟他說(shuō)這「疑似」是風(fēng)濕性關(guān)節(jié)炎，因此記錄風(fēng)濕性關(guān)節(jié)炎的費(fèi)用，可能后來(lái)病人發(fā)現(xiàn)根本不是這個(gè)病，如果把這筆數(shù)據(jù)用在風(fēng)濕性關(guān)節(jié)炎的醫(yī)療研究上，那就會(huì)變成糟糕的數(shù)據(jù)，影響研究結(jié)果。

「如果能夠把健保數(shù)據(jù)庫(kù)與醫(yī)院病歷的數(shù)據(jù)庫(kù)做結(jié)合，那它就會(huì)變成最完美的醫(yī)療數(shù)據(jù)庫(kù)！」吳俊穎提到，病歷數(shù)據(jù)包含檢測(cè)和治療的結(jié)果，不只對(duì)于臺(tái)灣醫(yī)療產(chǎn)業(yè)來(lái)說(shuō)非常有價(jià)值，國(guó)內(nèi)外的生技和醫(yī)藥大廠，也都會(huì)搶著要跟臺(tái)灣合作。想象一個(gè)情境，有天當(dāng)你到南部度假，突然感到身體不適，就近到當(dāng)?shù)氐脑\所就醫(yī)。第一次跟你見(jiàn)面的醫(yī)生，登入全臺(tái)灣共享的醫(yī)療數(shù)據(jù)庫(kù)，調(diào)出你在其他醫(yī)院的病歷數(shù)據(jù)，花幾分鐘就能對(duì)你的身體了如指掌，還能透過(guò)臨床決策輔助系統(tǒng)，顯示出跟你有相同癥狀的病友群體、使用各種藥物的治療狀況，透過(guò)大數(shù)據(jù)分析可以協(xié)助醫(yī)生在最短時(shí)間內(nèi)，找出最適合的治療方式。

「很多人以為這樣的愿景，離現(xiàn)實(shí)生活非常遙遠(yuǎn)，其實(shí)臺(tái)灣已經(jīng)走在半路上了。」臺(tái)大醫(yī)院竹東分院院長(zhǎng)王明巨如此說(shuō)道。的確，臺(tái)灣醫(yī)療機(jī)構(gòu)的病歷電子化程度很高，很有可能成為全球第一個(gè)全國(guó)醫(yī)院流通電子病歷的國(guó)家。醫(yī)學(xué)研發(fā)

運(yùn)用實(shí)時(shí)監(jiān)測(cè)及分析大量的儀器數(shù)據(jù)，建構(gòu)預(yù)測(cè)模型，并利用統(tǒng)計(jì)工具改善臨床試驗(yàn)設(shè)計(jì)，分析臨床試驗(yàn)數(shù)據(jù)。發(fā)展個(gè)人化醫(yī)學(xué)及疾病發(fā)作模式等醫(yī)療研發(fā)。利用大數(shù)據(jù)解決多發(fā)性硬化癥的算法運(yùn)算復(fù)雜度

位于水牛城的紐約州立大學(xué)(SUNY)是一個(gè)領(lǐng)先全球的多發(fā)性硬化癥(MS)研 究中心。MS是一種具破壞性的、面性的神經(jīng)系統(tǒng)疾病，影養(yǎng)全球近百人。這種疾病會(huì)使人的大腦和骨隨發(fā)炎并產(chǎn)生神經(jīng)病，導(dǎo)致患者可能出現(xiàn)行動(dòng)不便、視力受損、疼痛等癥狀。

MS的病因是很復(fù)雜的，沒(méi)有一個(gè)單一基因是可能的致病源。因此自2007年以來(lái)，SUNY就一直希望透過(guò)掃描MS患者的基因組的變化來(lái)開(kāi)發(fā)新的治療方式，透過(guò)從原本成千上萬(wàn)的基因序列的變異SNP，SNP指的是單核桃多型性，來(lái)獲得單一樣品，研究基因產(chǎn)物和其他基因產(chǎn)物及環(huán)境因素進(jìn)行的交互作用。

研究人員的想法是以多個(gè)SNP變異點(diǎn)結(jié)合不同的環(huán)境變因，并使用一種被稱(chēng)之為「AMBIENCE」的算法，來(lái)檢測(cè)縣性和非線性兩種數(shù)據(jù)數(shù)據(jù)中的相關(guān)性，以識(shí)別這些交互作用之間的關(guān)系。但是這個(gè)想法就如同大海撈針，因?yàn)榄h(huán)境變因包括像是實(shí)驗(yàn)對(duì)象曝曬太陽(yáng)的時(shí)間長(zhǎng)短、維生素D產(chǎn)生的量、吸煙的情況等皆有可能影響研究結(jié)果。況且人類(lèi)的基因由23對(duì)染色體所組成，其中包含約30億個(gè)DNA堿基對(duì)，這些因變量和應(yīng)變量數(shù)量多到嚇人，必須靠建構(gòu)一套計(jì)算量高達(dá)1018的高等分析模型才能解決。

因此SUNY與IBM合作，建構(gòu)一套搭配軟硬件的數(shù)據(jù)分析系統(tǒng)，以往平均需要27.2小時(shí)的工作，縮短到現(xiàn)在只要11.7分鐘即可完成。而且這套系統(tǒng)不僅大大簡(jiǎn)化和加速了復(fù)雜的分析過(guò)程，還提供了不同類(lèi)型的變量值，如：分類(lèi)變量、分配卜瓦松變量或連續(xù)常態(tài)變量等。過(guò)去，只要研究中增加一個(gè)新的變量值，研究團(tuán)隊(duì)就必須重新編寫(xiě)整個(gè)算法，而現(xiàn)在只需按幾個(gè)鍵即可完成。

大數(shù)據(jù)系統(tǒng)分析的應(yīng)用除了MS的研究以外，全球估計(jì)超過(guò)3300萬(wàn)人感染，至今沒(méi)有方法可以完全治愈的艾滋病，以及罕見(jiàn)疾病等，都已開(kāi)始利用大數(shù)據(jù)進(jìn)行大型的醫(yī)學(xué)研究。

臨床實(shí)驗(yàn)

臨床試驗(yàn)藉由大數(shù)據(jù)而有了重大的改變，可利用臨床驗(yàn)數(shù)據(jù)、儀器讀數(shù)等，進(jìn)行比較效果研究、臨床決策支持系統(tǒng)、遠(yuǎn)距病人監(jiān)測(cè)及加強(qiáng)醫(yī)學(xué)數(shù)據(jù)透明度等方面。

擁有數(shù)據(jù)數(shù)據(jù)保護(hù)的早產(chǎn)兒

所謂的早產(chǎn)兒是指懷孕不到37周就提早出世的寶寶。這些提早降臨人世的小仙子，如果出生后體重不到1500公克，很可能會(huì)因?yàn)槊庖呦到y(tǒng)尚未發(fā)育完全而受到感染，一旦感染之后就很容易引起呼吸衰竭、肺出血及敗血癥。

不過(guò)，加拿大多倫多市立兒童醫(yī)院里的早產(chǎn)兒，卻可以睡得特別安詳，因?yàn)樗麄兪怯袛?shù)據(jù)數(shù)據(jù)保護(hù)的「data baby」。隨著醫(yī)療設(shè)備的發(fā)展，利用醫(yī)療監(jiān)測(cè)儀器監(jiān)測(cè)病患的生命征象，如血壓、心跳和體溫等，已經(jīng)是非常普遍的事了。通常這些儀器還具有警報(bào)功能，一旦生理的數(shù)據(jù)數(shù)值超出正常范圍時(shí)就會(huì)發(fā)出警示，醫(yī)療人員就會(huì)采取因應(yīng)行動(dòng)。但是即使醫(yī)術(shù)再精湛、經(jīng)驗(yàn)再豐富的醫(yī)護(hù)人員，可能也無(wú)法準(zhǔn)確地察覺(jué)這些異常的發(fā)生時(shí)間和嚴(yán)重性，尤其當(dāng)發(fā)生在脆弱的早產(chǎn)兒生身上。根據(jù)美國(guó)弗吉尼亞大學(xué)追蹤以往的數(shù)據(jù)顯示，新生兒受到感染初期的12到24小時(shí)，因?yàn)槊}搏和心跳幾乎都可在接受的范圍內(nèi)，因此醫(yī)護(hù)人員很難從生命征象數(shù)據(jù)的改變中察覺(jué)，等到警示燈響起，常常為時(shí)已晚。

連續(xù)監(jiān)測(cè)和記錄這些生理性數(shù)據(jù)，可以觀察出新生兒是否遭受感染的早期征兆，但數(shù)據(jù)量實(shí)在太過(guò)龐大了。估計(jì)這些監(jiān)測(cè)設(shè)備每一秒鐘就會(huì)產(chǎn)生1000個(gè)讀數(shù)。以往是30到60分鐘由醫(yī)護(hù)人員歸納出一個(gè)數(shù)據(jù)做為紀(jì)錄，然后儲(chǔ)存72小時(shí)。如果要把這些讀數(shù)統(tǒng)統(tǒng)記錄起來(lái)，根本是不可能的事。

但這項(xiàng)不可能的任務(wù)，并沒(méi)有嚇跑安大略省理工學(xué)院和IBM。他們使用來(lái)自懷生研究中心的最新技術(shù)，利用江河運(yùn)算平臺(tái)支持大量數(shù)據(jù)的收集和分析，一天24小時(shí)不間斷地收集和記錄著包括早產(chǎn)兒的體溫、心跳、血氧飽和濃度和血壓等電子監(jiān)測(cè)儀器產(chǎn)生的大量數(shù)據(jù)，以及周遭環(huán)境如溫度、濕度等相關(guān)數(shù)據(jù)。在保護(hù)病人的隱私安全考慮下，這些數(shù)據(jù)會(huì)直接傳到安大略省理工學(xué)院研究中心和IBM華生研究中心；系統(tǒng)會(huì)分析和研究哪些因素的交互作用會(huì)造成感染，甚至哪幾床的新生兒因?yàn)榉蠗l件較多，可能出現(xiàn)疾病或感染的風(fēng)險(xiǎn)較大。之后，系統(tǒng)再將分析結(jié)果提供給醫(yī)護(hù)人員比較判讀。這些動(dòng)作都在數(shù)秒內(nèi)完成。藉由這項(xiàng)計(jì)劃，兒童病房里的醫(yī)護(hù)人員已經(jīng)可以提前18到24小時(shí)，預(yù)防新生兒敗血癥的發(fā)生。

由于大數(shù)據(jù)在規(guī)模（Volume）、增加速度（Velocity），以及價(jià)值性（Value）上正呈現(xiàn)幾何上升，而其數(shù)據(jù)所表現(xiàn)的多樣性變化（Variety）與數(shù)據(jù)的有效性（Validation），更容易成為企業(yè)的風(fēng)險(xiǎn)源頭。面對(duì)排山倒海而來(lái)的大數(shù)據(jù)，企業(yè)需運(yùn)用大數(shù)據(jù)，迅速將數(shù)據(jù)轉(zhuǎn)化成商業(yè)智能，運(yùn)用分析信息，提升市場(chǎng)的洞察能力，做出更準(zhǔn)確的營(yíng)運(yùn)決策。例如：電信業(yè)者可以分析手機(jī)在基地臺(tái)漫游的特性，提供更好的在地費(fèi)率；信用卡業(yè)者可以每天定期分析各種信用貸款所產(chǎn)生的風(fēng)險(xiǎn)，動(dòng)態(tài)調(diào)整信貸利率；便利超商可以分析消費(fèi)者的購(gòu)買(mǎi)習(xí)慣，動(dòng)態(tài)調(diào)整架上存貨數(shù)量等；制造業(yè)者可透過(guò)現(xiàn)場(chǎng)制造系統(tǒng)所記錄的大量在線實(shí)時(shí)生產(chǎn)數(shù)據(jù)進(jìn)行分析，以協(xié)助制造業(yè)改善制程、提升良率，并減少物料浪費(fèi)。因此大數(shù)據(jù)將是企業(yè)未來(lái)所面臨的關(guān)鍵挑戰(zhàn)。鑒于目前信息以超乎想象的速度產(chǎn)生、累積、消逝，而企業(yè)所面臨的商機(jī)亦有相同的循環(huán)表現(xiàn)。透過(guò)海量信息的實(shí)時(shí)性分析與運(yùn)用，將可對(duì)不同信息的需求者，產(chǎn)生不一樣的價(jià)值與意義。若能持續(xù)在既有的數(shù)據(jù)中發(fā)掘價(jià)值，同時(shí)考慮動(dòng)態(tài)信息所帶動(dòng)的巨大沖擊，并藉此掌握瞬息萬(wàn)變的市場(chǎng)契機(jī)，則大數(shù)據(jù)的分析與應(yīng)用，將有助于各類(lèi)型企業(yè)在相關(guān)營(yíng)運(yùn)領(lǐng)域中，引領(lǐng)下一階段的企業(yè)永續(xù)發(fā)展。基于以上的發(fā)展潮流與態(tài)勢(shì)，麥肯錫（Mckinsey）管理顧問(wèn)公司于2010年已指出未來(lái)引領(lǐng)企業(yè)發(fā)展趨勢(shì)的十大科技，其中即包含了大數(shù)據(jù)的獲取與分析、云端運(yùn)算服務(wù)的公共價(jià)值，以及企業(yè)多層面的參與互動(dòng)及服務(wù)。在這些技術(shù)與行動(dòng)通訊網(wǎng)絡(luò)的整合應(yīng)用下，企業(yè)未來(lái)所產(chǎn)生的數(shù)據(jù)量將呈現(xiàn)倍數(shù)成長(zhǎng)，并導(dǎo)致過(guò)去傳統(tǒng)的儲(chǔ)存技術(shù)即將遇到瓶頸，因此，虛擬化的云端運(yùn)算分析技術(shù)，以及大數(shù)據(jù)的管理，將成為各方面所即將面臨處理的新課題。從目前的技術(shù)發(fā)展 來(lái)看，未來(lái)各項(xiàng)實(shí)體化設(shè)施，將可能在未來(lái)藉由虛擬化的技術(shù)，得以降低各項(xiàng)成本的支出，然而云端運(yùn)算與大數(shù)據(jù)的應(yīng)用，絕非僅為建置一個(gè)大型數(shù)據(jù)中心即可，對(duì)于后續(xù)所產(chǎn)生大量數(shù)據(jù)下的數(shù)量管控、數(shù)據(jù)的質(zhì)量與分析結(jié)果，以及這些數(shù)據(jù)所衍生之相關(guān)應(yīng)用與服務(wù)，才是現(xiàn)階段所應(yīng)關(guān)心的重點(diǎn)。計(jì)算設(shè)施(Computer)網(wǎng)絡(luò)設(shè)施(Network)儲(chǔ)存設(shè)施(Storage)數(shù)據(jù)數(shù)量管控?cái)?shù)據(jù)應(yīng)用服務(wù)數(shù)據(jù)質(zhì)量分析虛擬化(Virtualization)為了結(jié)合技術(shù)、數(shù)據(jù)，以及應(yīng)用分析與服務(wù)等三項(xiàng)議題的探討，本演講大數(shù)據(jù)主要闡述BIG DATA 在生技醫(yī)療衛(wèi)生上之應(yīng)用與研究;拋磚引玉系望能激起大家投入醫(yī)療大數(shù)據(jù)的研究!

第五篇：大數(shù)據(jù)+精準(zhǔn)醫(yī)療

大數(shù)據(jù)+精準(zhǔn)醫(yī)療

2012年全國(guó)居民慢性病死亡率為533/10萬(wàn)，占總死亡人數(shù)的86.6%。心腦血管病、癌癥和慢性呼吸系統(tǒng)疾病為主要死因，占總死亡的79.4%，其中心腦血管病死亡率為271.8/10萬(wàn)，癌癥死亡率為144.3/10萬(wàn)（前五位分別是肺癌、肝癌、胃癌、食道癌、結(jié)直腸癌），慢性呼吸系統(tǒng)疾病死亡率為68/10過(guò)標(biāo)化處理后，除冠心病、肺癌等少數(shù)疾病死亡率有所上升外，多數(shù)慢性病死亡率呈下降趨勢(shì)。慢性病的患病、死亡與經(jīng)濟(jì)、社會(huì)、人口、行為、環(huán)境等因素密切相關(guān)。一方面，隨著人們生活質(zhì)量和保健水平不斷提高，人均預(yù)期壽命不斷增長(zhǎng)，老年人口數(shù)量不斷增加，我國(guó)慢性病患者的基數(shù)也在不斷擴(kuò)大；另一方面，隨著深化醫(yī)藥衛(wèi)生體制改革的不斷推進(jìn)，城鄉(xiāng)居民對(duì)醫(yī)療衛(wèi)生服務(wù)需求不斷增長(zhǎng)，公共衛(wèi)生和醫(yī)療服務(wù)水平不斷提升，慢性病患者的生存期也在不斷延長(zhǎng)。慢性病患病率的上升和死亡率的下降，反映了國(guó)家社會(huì)經(jīng)濟(jì)條件和醫(yī)療衛(wèi)生水平的發(fā)展，是國(guó)民生活水平提高和壽命延長(zhǎng)的必然結(jié)果。當(dāng)然，我們也應(yīng)該清醒地認(rèn)識(shí)到個(gè)人不健康的生活方式對(duì)慢性病發(fā)病所帶來(lái)的影響，綜合考慮人口老齡化等社會(huì)因素和吸煙等危險(xiǎn)因素現(xiàn)狀及變化趨勢(shì)，我國(guó)慢性病的總體防控形勢(shì)依然嚴(yán)峻，防控工作仍面臨著巨大挑戰(zhàn)。

大數(shù)據(jù)的分析和應(yīng)用都將在醫(yī)療行業(yè)發(fā)揮巨大的作用，提高醫(yī)療效率和醫(yī)療效果。

一、臨床操作

在臨床操作方面，有5個(gè)主要場(chǎng)景的大數(shù)據(jù)應(yīng)用： 1．比較效果研究

通過(guò)全面分析病人特征數(shù)據(jù)和療效數(shù)據(jù)，然后比較多種干預(yù)措施的有效性，可以找到針對(duì)特定病人的最佳治療途徑。

基于療效的研究包括比較效果研究(Comparative Effectiveness Research，CER)。研究表明，對(duì)同一病人來(lái)說(shuō)，醫(yī)療服務(wù)提供方不同，醫(yī)療護(hù)理方法和效果不同，成本上也存在著很大的差異。精準(zhǔn)分析包括病人體征數(shù)據(jù)、費(fèi)用數(shù)據(jù)和療效數(shù)據(jù)在內(nèi)的大型數(shù)據(jù)集，可以幫助醫(yī)生確定臨床上最有效和最具有成本效益的治療方法。醫(yī)療護(hù)理系統(tǒng)實(shí)現(xiàn)CER，將有可能減少過(guò)度治療(比如避免那些副作用比療效明顯的治療方式)，以及治療不足。從長(zhǎng)遠(yuǎn)來(lái)看，不管是過(guò)度治療還是治療不足都將給病人身體帶來(lái)負(fù)面影響，以及產(chǎn)生更高的醫(yī)療費(fèi)用。

2．臨床決策支持系統(tǒng)

臨床決策支持系統(tǒng)可以提高工作效率和診療質(zhì)量。目前的臨床決策支持系統(tǒng)分析醫(yī)生輸入的條目，比較其與醫(yī)學(xué)指引不同的地方，從而提醒醫(yī)生防止?jié)撛诘腻e(cuò)誤，如藥物不良反應(yīng)。通過(guò)部署這些系統(tǒng)，醫(yī)療服務(wù)提供方可以降低醫(yī)療事故率和索賠數(shù)，尤其是那些臨床錯(cuò)誤引起的醫(yī)療事故。在美國(guó)Metropolitan兒科重癥病房的研究中，兩個(gè)月內(nèi)，臨床決策支持系統(tǒng)就削減了40%的藥品不良反應(yīng)事件數(shù)量。

3．醫(yī)療數(shù)據(jù)透明度

提高醫(yī)療過(guò)程數(shù)據(jù)的透明度，可以使醫(yī)療從業(yè)者、醫(yī)療機(jī)構(gòu)的績(jī)效更透明，間接促進(jìn)醫(yī)療服務(wù)質(zhì)量的提高。

根據(jù)醫(yī)療服務(wù)提供方設(shè)置的操作和績(jī)效數(shù)據(jù)集，可以進(jìn)行數(shù)據(jù)分析并創(chuàng)建可視化的流程圖和儀表盤(pán)，促進(jìn)信息透明。流程圖的目標(biāo)是識(shí)別和分析臨床變異和醫(yī)療廢物的來(lái)源，然后優(yōu)化流程。僅僅發(fā)布成本、質(zhì)量和績(jī)效數(shù)據(jù)，即使沒(méi)有與之相應(yīng)的物質(zhì)上的獎(jiǎng)勵(lì)，也往往可以促進(jìn)績(jī)效的提高，使醫(yī)療服務(wù)機(jī)構(gòu)提供更好的服務(wù)，從而更有競(jìng)爭(zhēng)力。

4．遠(yuǎn)程病人監(jiān)控

從對(duì)慢性病人的遠(yuǎn)程監(jiān)控系統(tǒng)收集數(shù)據(jù)，并將分析結(jié)果反饋給監(jiān)控設(shè)備(查看病人是否正在遵從醫(yī)囑)，從而確定今后的用藥和治療方案。

2010年，美國(guó)有1.5億慢性病患者，如糖尿病、充血性心臟衰竭、高血壓患者，他們的醫(yī)療費(fèi)用占到了醫(yī)療衛(wèi)生系統(tǒng)醫(yī)療成本的80%。遠(yuǎn)程病人監(jiān)護(hù)系統(tǒng)對(duì)治療慢性病患者是非常有用的。遠(yuǎn)程病人監(jiān)護(hù)系統(tǒng)包括家用心臟監(jiān)測(cè)設(shè)備、血糖儀，甚至還包括芯片藥片，芯片藥片被患者攝入后，實(shí)時(shí)傳送數(shù)據(jù)到電子病歷數(shù)據(jù)庫(kù)。舉個(gè)例子，遠(yuǎn)程監(jiān)控可以提醒醫(yī)生對(duì)充血性心臟衰竭病人采取及時(shí)治療措施，防止緊急狀況發(fā)生，因?yàn)槌溲孕呐K衰竭的標(biāo)志之一是由于保水產(chǎn)生的體重增加現(xiàn)象，這可以通過(guò)遠(yuǎn)程監(jiān)控實(shí)現(xiàn)預(yù)防。更多的好處是，通過(guò)對(duì)遠(yuǎn)程監(jiān)控系統(tǒng)產(chǎn)生的數(shù)據(jù)的分析，可以減少病人住院時(shí)間，減少急診量，實(shí)現(xiàn)提高家庭護(hù)理比例和門(mén)診醫(yī)生預(yù)約量的目標(biāo)。

5．對(duì)病人檔案的先進(jìn)分析

在病人檔案方面應(yīng)用高級(jí)分析可以確定哪些人是某類(lèi)疾病的易感人群。舉例說(shuō)，應(yīng)用高級(jí)分析可以幫助識(shí)別哪些病人有患糖尿病的高風(fēng)險(xiǎn)，使他們盡早接受預(yù)防性保健方案。這些方法也可以幫患者從已經(jīng)存在的疾病管理方案中找到最好的治療方案。

二、付款/定價(jià) 對(duì)醫(yī)療支付方來(lái)說(shuō)，通過(guò)大數(shù)據(jù)分析可以更好地對(duì)醫(yī)療服務(wù)進(jìn)行定價(jià)。以美國(guó)為例，這將有潛力創(chuàng)造每年500億美元的價(jià)值，其中一半來(lái)源于國(guó)家醫(yī)療開(kāi)支的降低。

1．自動(dòng)化系統(tǒng)

自動(dòng)化系統(tǒng)(例如機(jī)器學(xué)習(xí)技術(shù))檢測(cè)欺詐行為。業(yè)內(nèi)人士評(píng)估，每年有2%~4%的醫(yī)療索賠是欺詐性的或不合理的，因此檢測(cè)索賠欺詐具有巨大的經(jīng)濟(jì)意義。通過(guò)一個(gè)全面的一致的索賠數(shù)據(jù)庫(kù)和相應(yīng)的算法，可以檢測(cè)索賠準(zhǔn)確性，查出欺詐行為。這種欺詐檢測(cè)可以是追溯性的，也可以是實(shí)時(shí)的。在實(shí)時(shí)檢測(cè)中，自動(dòng)化系統(tǒng)可以在支付發(fā)生前就識(shí)別出欺詐，避免重大的損失。

2．基于衛(wèi)生經(jīng)濟(jì)學(xué)和療效研究的定價(jià)計(jì)劃

在藥品定價(jià)方面，制藥公司可以參與分擔(dān)治療風(fēng)險(xiǎn)，比如基于治療效果制定定價(jià)策略。這對(duì)醫(yī)療支付方的好處顯而易見(jiàn)，有利于控制醫(yī)療保健成本支出。對(duì)患者來(lái)說(shuō)，好處更加直接。他們能夠以合理的價(jià)格獲得創(chuàng)新的藥物，并且這些藥物經(jīng)過(guò)基于療效的研究。而對(duì)醫(yī)藥產(chǎn)品公司來(lái)說(shuō)，更好的定價(jià)策略也是好處多多。他們可以獲得更高的市場(chǎng)準(zhǔn)入可能性，也可以通過(guò)創(chuàng)新的定價(jià)方案，更有針對(duì)性療效藥品的推出，獲得更高的收入。

在歐洲，現(xiàn)在有一些基于衛(wèi)生經(jīng)濟(jì)學(xué)和療效的藥品定價(jià)試點(diǎn)項(xiàng)目。

三、研發(fā)

醫(yī)療產(chǎn)品公司可以利用大數(shù)據(jù)提高研發(fā)效率。拿美國(guó)為例，這將創(chuàng)造每年超過(guò)1000億美元的價(jià)值。

1．預(yù)測(cè)建模

醫(yī)藥公司在新藥物的研發(fā)階段，可以通過(guò)數(shù)據(jù)建模和分析，確定最有效率的投入產(chǎn)出比，從而配備最佳資源組合。模型基于藥物臨床試驗(yàn)階段之前的數(shù)據(jù)集及早期臨床階段的數(shù)據(jù)集，盡可能及時(shí)地預(yù)測(cè)臨床結(jié)果。評(píng)價(jià)因素包括產(chǎn)品的安全性、有效性、潛在的副作用和整體的試驗(yàn)結(jié)果。通過(guò)預(yù)測(cè)建模可以降低醫(yī)藥產(chǎn)品公司的研發(fā)成本，在通過(guò)數(shù)據(jù)建模和分析預(yù)測(cè)藥物臨床結(jié)果后，可以暫緩研究次優(yōu)的藥物，或者停止在次優(yōu)藥物上的昂貴的臨床試驗(yàn)。

2．提高臨床試驗(yàn)設(shè)計(jì)的統(tǒng)計(jì)工具和算法 使用統(tǒng)計(jì)工具和算法，可以提高臨床試驗(yàn)設(shè)計(jì)水平，并在臨床試驗(yàn)階段更容易地招募到患者。通過(guò)挖掘病人數(shù)據(jù)，評(píng)估招募患者是否符合試驗(yàn)條件，從而加快臨床試驗(yàn)進(jìn)程，提出更有效的臨床試驗(yàn)設(shè)計(jì)建議，并能找出最合適的臨床試驗(yàn)基地。比如那些擁有大量潛在符合條件的臨床試驗(yàn)患者的試驗(yàn)基地可能是更理想的，或者在試驗(yàn)患者群體的規(guī)模和特征二者之間找到平衡。

3．臨床實(shí)驗(yàn)數(shù)據(jù)的分析

分析臨床試驗(yàn)數(shù)據(jù)和病人記錄可以確定藥品更多的適應(yīng)癥和發(fā)現(xiàn)副作用。在對(duì)臨床試驗(yàn)數(shù)據(jù)和病人記錄進(jìn)行分析后，可以對(duì)藥物進(jìn)行重新定位，或者實(shí)現(xiàn)針對(duì)其他適應(yīng)癥的營(yíng)銷(xiāo)。實(shí)時(shí)或者近乎實(shí)時(shí)地收集不良反應(yīng)報(bào)告可以促進(jìn)藥物警戒(藥物警戒是上市藥品的安全保障體系，對(duì)藥物不良反應(yīng)進(jìn)行監(jiān)測(cè)、評(píng)價(jià)和預(yù)防)。或者在一些情況下，臨床實(shí)驗(yàn)暗示出了一些情況但沒(méi)有足夠的統(tǒng)計(jì)數(shù)據(jù)去證明，現(xiàn)在基于臨床試驗(yàn)大數(shù)據(jù)的分析可以給出證據(jù)。

這些分析項(xiàng)目是非常重要的。可以看到最近幾年藥品撤市數(shù)量屢創(chuàng)新高，藥品撤市可能給醫(yī)藥公司帶來(lái)毀滅性的打擊。2004年從市場(chǎng)上撤下的止痛藥Vioxx，給默克公司造成70億美元的損失，短短幾天內(nèi)就造成股東價(jià)值33%的損失。

四、更具體一些，大數(shù)據(jù)已經(jīng)得到實(shí)際應(yīng)用的已經(jīng)有如下場(chǎng)景

1．組學(xué)大數(shù)據(jù)精準(zhǔn)醫(yī)療

人類(lèi)通過(guò)開(kāi)展組學(xué)研究及不同組學(xué)間的關(guān)聯(lián)研究，從環(huán)境、生活方式和行為等暴露組學(xué)，至個(gè)體細(xì)胞分子水平上的基因組學(xué)、表觀組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白組學(xué)、代謝組學(xué)、宏基因組學(xué)，再到個(gè)體健康和疾病狀態(tài)的表型組學(xué)等。利用大數(shù)據(jù)將各種組學(xué)進(jìn)行綜合及整合，既能為疾病發(fā)生、預(yù)防和治療提供全面、全新的認(rèn)識(shí)，也有利于開(kāi)展個(gè)體化醫(yī)學(xué)，即通過(guò)系統(tǒng)整合生物醫(yī)學(xué)與臨床數(shù)據(jù)，可以更準(zhǔn)確地預(yù)測(cè)個(gè)體患病風(fēng)險(xiǎn)和預(yù)后，有針對(duì)性地實(shí)施預(yù)防和治療。

2．大數(shù)據(jù)虛擬藥物研發(fā)

快速識(shí)別生物標(biāo)志物和研發(fā)藥物。利用某種疾病患者人群的臨床數(shù)據(jù)和組學(xué)數(shù)據(jù)，可以快速識(shí)別有關(guān)疾病發(fā)生、預(yù)后或治療效果的生物標(biāo)志物。在藥物研發(fā)方面，醫(yī)學(xué)大數(shù)據(jù)使得人們對(duì)病因和疾病發(fā)生機(jī)制的理解更加深入，從而有助于識(shí)別生物靶點(diǎn)和研發(fā)藥物。同時(shí)，充分利用海量臨床數(shù)據(jù)和組學(xué)數(shù)據(jù)、已有藥物的研究數(shù)據(jù)和高通量藥物篩選，能加速藥物篩選過(guò)程。

3．生物大數(shù)據(jù)流行病防治

快速篩檢未知病原和發(fā)現(xiàn)可疑致病微生物。通過(guò)采集未知病原樣本數(shù)據(jù)，對(duì)病原進(jìn)行測(cè)序，并將未知病原與已知病原的基因序列進(jìn)行比對(duì)，從而判斷其為已知病原或與其最接近的病原類(lèi)型，據(jù)此推測(cè)其來(lái)源和傳播路線、開(kāi)展藥物篩選和相應(yīng)的流行疾病防治。

4．互聯(lián)網(wǎng)大數(shù)據(jù)公衛(wèi)監(jiān)測(cè)

利用互聯(lián)網(wǎng)大數(shù)據(jù)以及有關(guān)專(zhuān)業(yè)數(shù)據(jù)實(shí)時(shí)開(kāi)展公共衛(wèi)生監(jiān)測(cè)。公共衛(wèi)生監(jiān)測(cè)包括傳染病監(jiān)測(cè)、慢性非傳染性疾病及相關(guān)危險(xiǎn)因素監(jiān)測(cè)、健康相關(guān)監(jiān)測(cè)，如出生缺陷監(jiān)測(cè)、食品安全風(fēng)險(xiǎn)監(jiān)測(cè)等。此外，還可以通過(guò)覆蓋全國(guó)的患者電子病歷數(shù)據(jù)庫(kù)進(jìn)行疫情監(jiān)測(cè)，通過(guò)監(jiān)測(cè)社交媒體或頻繁檢索的詞條來(lái)預(yù)測(cè)某些傳染病的流行。

5．大數(shù)據(jù)健康管理

實(shí)時(shí)開(kāi)展大數(shù)據(jù)健康管理，通過(guò)可穿戴設(shè)備對(duì)個(gè)體體征數(shù)據(jù)，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(shù)據(jù)的實(shí)時(shí)、連續(xù)監(jiān)測(cè)和流數(shù)據(jù)挖掘、分析，提供實(shí)時(shí)健康指導(dǎo)與建議，更科學(xué)地實(shí)施個(gè)性化健康管理。

6．大數(shù)據(jù)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(fù)擔(dān)研究是一個(gè)應(yīng)用大數(shù)據(jù)的實(shí)例，該研究應(yīng)用的數(shù)據(jù)范圍廣、數(shù)據(jù)量巨大，近4700臺(tái)并行臺(tái)式計(jì)算機(jī)完成了數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)倉(cāng)庫(kù)建立和數(shù)據(jù)挖掘分析的自動(dòng)化和規(guī)范化計(jì)算，應(yīng)用大數(shù)據(jù)研究人群疾病譜。

7．大數(shù)據(jù)人群隊(duì)列研究

以大數(shù)據(jù)為導(dǎo)向的人群隊(duì)列研究逐漸成為醫(yī)學(xué)研究的熱點(diǎn)。超大規(guī)模隊(duì)列研究具有大樣本-如數(shù)十萬(wàn)人群，前瞻性-如數(shù)十年長(zhǎng)期隨訪，多學(xué)科-如基礎(chǔ)、臨床、預(yù)防、信息等多學(xué)科合作，多病種-如對(duì)多種疾病進(jìn)行研究，多因素-如探討多種危險(xiǎn)因素，整合性-如監(jiān)測(cè)系統(tǒng)、信息系統(tǒng)、醫(yī)保系統(tǒng)的整合，共享性-如生物標(biāo)本和數(shù)據(jù)資源的共享，等特點(diǎn)，經(jīng)過(guò)長(zhǎng)期隨訪能夠產(chǎn)出大量人群數(shù)據(jù)，基于大數(shù)據(jù)的人群隊(duì)列研究更具有科學(xué)性、可靠性和權(quán)威性。