第一篇：開展精準醫療(Precise Medicine)門診申請報告

開展精準醫療（Precise Medicine）門診的申請報告

尊敬的院領導：

醫療是延長人均期望壽命的根本要素；幾千年的醫療實踐中，臨床醫學逐漸降低醫療損傷提高醫療安全是廣大醫護工作者不斷追求的目標；我胃腸外科堅持以病人為中心，秉承“以人為本、服務卓越”的服務理念，堅守“專業、誠信、責任、進取”的醫院價值觀；為更好的向病人提供高質量的醫療服務，提高疾病的診療技術，特向院領導申請建立精準醫療（Precise Medicine）門診。

精準醫療（Precise Medicine），美國國立衛生研究院(NIH)給出的定義則是：一個建立在了解個體基因、環境以及生活方式基礎上的新興疾病治療和預防方法。

2015年1月20日，美國總統奧巴馬在國情咨文演講中啟動精準醫療計劃。一期投入2.15億美元。奧巴馬“精準醫療”計劃的第一步是希望招募100萬名志愿者進行基因組測序。

2015年2月，總書記批示科技部和國家衛生計生委，要求國家成立中國精準醫療戰略專家組，共19位專家組成了國家精準醫療戰略專家委員會。

2015年3月11日，科技部召開國家首次精準醫學戰略專家會議，并決定在2030年前政府將在精準醫療領域投入600億元，其中中央財政支付200億元，企業和地方財政配套400億元。

中國提出的精準醫療是以個體化醫療為基礎，隨著基因組測序技術快速進步以及生物信息與大數據科學的交叉應用而發展起來的新型醫學概念與醫療模式，最終將實現對特定疾病和特定患者進行個性化精準治療的目的，提高疾病診斷與預防的效益。精準醫療較個性化治療更科學，精準醫療的基礎是精確的科學診斷，對發病機制精準的描述，對病情變化的精準判斷，對治療方案的精準制定及精確調整，對療效精確地評估。精準醫療的目的就是為患者提供最有利的治療。

精準醫療究竟會使病人在哪些方面獲益？可以確認的是，首先，通過基因測序技術可以預測未來可能會患有哪些疾病，從而更好地預防；一旦患上了某種疾病，可以進行早期診斷；診斷后用藥的靶向性也更強，病人將得到最合適的治療和藥物，并在最佳劑量和最小副作用，以及最精準用藥時間的前提下用藥。疾病的護理和愈后效果也將得到準確的評估和指導。

精準醫療是對現有醫療模式的革新和革命，它將人們對疾病機理的認識與生物大數據和信息科學相互交叉，精準進行疾病分類診斷，為患者提供更具有針對性和有效性的治療措施。當前的腫瘤治療正逐漸從宏觀層面對“癥”用藥向更微觀的對基因用藥轉變，實現“同病異治”或“異病同治”，精準治療成為腫瘤治療的一個趨勢。

開展精確醫療門診的意義：為胃腸外科的基因篩查項目做前瞻性研究，目的是收集了解胃癌、結直腸癌的遺傳的相關基因譜及影響。建立粵北人群的大數據庫，制定我院科室內的癌癥診治指南，真正實現胃腸癌癥的早期防治。

我科室力爭在現有醫療資源基礎上以科學合理的人員配置分布滿足醫院業務發展需要，確保醫療安全和醫療質量，為人民群眾提供服務好、質量好、醫德好，群眾更加滿意的醫療服務。

現申請開設精準醫療（Precise Medicine）門診于2015年8月1日開始試運行，懇請批準。

申請人：

時間：

第二篇：門診醫療救助申請報告示范

門診醫療救助申請報告

尊敬的各級領導：

我叫xxx，女，現年六十七歲。系xx市xx鄉xx村x組村民。因本人身體患有腦梗塞，高血壓，糠尿病，腰椎間盤突出，骨刺增生，冠心病等。需長年吃藥打針，花費巨大，無力承擔高額醫療費用。特此申請醫療救助，請上級部門領導批準為謝！

申請人：xxx

xxx年x月x日

第三篇：開展PICC門診申請報告

開展PICC門診申請報告

尊敬的院領導：

PICC是是采用引導針經外周靜脈穿刺，將一根由硅膠或聚氨酯等材料制成、標有刻度、能以放射顯影的中心靜脈導管插入，并使其頂端位于上或下腔靜脈內的深靜脈導管置入技術。其護理簡單，穿刺成功率高，危險性小，感染率低，并發癥少，留置時間長，可長達數月甚至一年。“一針”完成全部靜脈輸液治療。近年來的臨床實踐顯示，該技術不僅保護了靜脈，還避免了患者反復穿刺的痛苦和化療病人化療藥物的外滲。不但減少了護士的工作量，降低了患者的總治療費用，還提高了患者的生活質量。它與鎖骨下靜脈置管和其他中心靜脈導管相比并發癥明顯降低。提高了患者檢查結果的準確性，而且節約醫院時間和總體支出。適用于短、中、長期的靜脈輸液治療。也是作為腫瘤患者化療藥物輸注的首選方法，在臨床上得到了廣泛的應用。由于PICC 置管有諸多優點，目前置管患者逐漸增多。留置了PICC 的患者除在住院治療期間需要進行導管維護外，出院后仍需長時間帶管，治療間歇期的導管維護和指導已成為很突出的護理問題，為了滿足出院患者延續護理服務的需求，國內外已有不少醫院開設了PICC 專科護理門診。護理門診調查研究顯示：設立PICC 護理門診可滿足出院患者對延續PICC 護理服務的需求,提高患者的生存質量。

我國于1997 年開始引進PICC 技術，現已在臨床廣泛使用并受到患者的普遍歡迎。自2005 年以來，國內各大城市、多家大型醫院陸續開設了PICC 專科護理門診。PICC 護理門診隸屬于門診部或腫瘤科等相關科室，坐診人員是進行過專科操作規范培訓并取得PICC 操作資格證書的護士。有的醫院增設了護理專科診號，患者掛號后直接到PICC 護理門診就診，而絕大多數醫院的PICC 置管患者仍需醫生首診，開具治療單與處方繳費后再到PICC 護理門診進行導管維護。少數幾家醫院PICC 護理門診配備了B 超儀，采用了改

良塞丁格技術在血管超聲引導下PICC 置管[21]。但由于醫院普遍存在護理人力資源緊缺的矛盾，加上我國護理門診規范化管理不夠成熟，PICC 護理門診護 士往往無暇顧及住院患者，只是在病房置管困難或發生了嚴重PICC 并發癥時才參與會診。考慮到醫療保險付費制度及出現問題時的責任風險，一些

第四篇：精準醫療

美國總統奧巴馬在2015年國情咨文演講中談到“人類基因組計劃”所取得的成果，并宣布了新的項目——精準醫療計劃(Precision Medicine Initiative)。

精準醫療是由個性化醫療(personalized medicine)的概念衍生而來的。個性化醫療所關注的疾病治療和預防的核心是個體，根據每個病人的個人特征制定個性化治療方案。當前的藥物越來越趨向于精確面向患有特定疾病的大量患者中少量特定人群，這部分人群有相同的分子特征，同時在分子層面上產生的問題上也保持一致。在具體實踐過程中，精準醫療是指以個人基因組信息為基礎，結合蛋白質組、代謝組等相關內環境信息，為患者量身設計出最佳治療方案，以期達到治療效果最大化和副作用最小化的一門定制醫療模式。

精準醫療的概念——即針對不同個體采取不同的預防與治療措施——并非新鮮事物，事實上，在一個多世紀前，血型分析以及用來指導輸血了。但有關精準醫療的廣泛應用，還是在開發了大規模的生物數據庫、通過組學等手段有效區分不同病人、以及大數據分析工具得以改進的基礎上才實現的。

該計劃主要包括兩個方面：近期對癌癥治療的關注以及長遠對健康和疾病整個范圍知識應用的認識。

精準醫療的短期目標：癌癥治療

腫瘤治療被選為精準醫療的短期目標。隨著人口老齡化的進程加快，癌癥已是美國以及全球其他地區主要的死亡原因。研究人員已發現，許多分子病變是驅動癌癥的誘因，這表明不同癌癥都有自己的基因印記、腫瘤標記物以及變異類型。雖然癌癥主要是由日常生活中基因損傷積累所導致的，但可遺傳性基因變異通常會增加患癌風險。這種對致癌機制的新理解已影響了在藥物和抗體設計過程中，對癌癥風險、分類診斷以及治療策略的評估。許多靶向療法已經或正在研發。

但目前常用的抗腫瘤化療藥物對患者治療的有效性低于70%，約20%-35%的患者接受了不恰當的藥物治療。由于患者沒有時間承受反復實驗和不斷摸索，如果在腫瘤治療過程中能夠實施個體化治療，將能夠大大提高療效，避免過度治療和降低患者經濟負擔，減少醫療資源的浪費。

隨著藥物基因組學以及蛋白質組學、轉錄組學等高通量分子檢測技術的出現，分子靶向技術治療癌癥的個體化治療手段——即從個體基因組中分析和鑒別患者之間存在的疾病相關的個體差異，并利用這些差異來合理的指導臨床治療，已經成為醫學界廣泛共識。所謂靶向治療是指根據腫瘤的不同的特異性位點，抗腫瘤藥物靶向性地與其發生作用從而殺死腫瘤細胞，而對正常組織影響較小。這是目前最理想的治療模式。然而，同化療藥物一樣，不同靶向藥物對所有患者的有效率都非常低，通常在25%以下。造成有效率低下的主要原因在于患者體內存在單核苷酸多態性（SNP）。SNP的復雜性，決定了藥物反應的多態性，藥物療效及最佳用藥劑量很大程度上取決于藥物相關基因變異。所以個體化用藥，及個體化治療已經成為惡性腫瘤、高血壓、糖尿病等重大慢性疾病臨床治療的發展方向和最有效的手段。

例如，衛生部2010年11月首次發布了《結直腸癌診療規范》，明確規定：確診為復發或轉移性結直腸癌時，應進行相關基因狀態檢測，制定個體化治療方案，患者確定為復發或轉移性結直腸癌接受愛必妥、帕尼單抗（抗EGFR單抗）時，必須檢測腫瘤組織的KRAS基因狀態。腫瘤細胞表面存在著接收不同信號的通道。抗EGFR單抗通過阻斷EGFR二聚體的形成，抑制其下游的細胞內信號傳導，從而抑制腫瘤細胞的存活、增值等。但如果KRAS基因突變可旁路激活細胞內信號傳導，從而導致抗EGFR單抗失效。所以，通過檢測KRAS基因有否突變，醫生就可以有針對性的區別給藥。

精準醫療的長遠目標：健康管理

精準醫療計劃的第二部分是將加大科研進步，從而提升對疾病風險評估、疾病機制把握以及許多疾病最佳治療方案的預測，這對擴大精準醫療在健康和衛生保健等諸多領域帶來益處。

該計劃將鼓勵和支持新一代的科學家開發創造性的新方法來檢測、測量和分析范圍廣泛的生物醫學信息——包括分子、基因、細胞、臨床、行為、生理和環境參數在內。在未來：今天的血液計數可能被數以百計的不同類型的免疫細胞普查所被取代；醫療移動設備可實現實時提供監測血糖、血壓和心臟節律等方面的數據；基因型可能會揭示特定的基因變異，從而為特定的疾病提供保護；對糞便的取樣可識別導致肥胖的腸道微生物。另外，血液檢測也可檢測出癌癥早期出現或復發的腫瘤細胞或腫瘤DNA等。

精準醫療能提供一個強大的框架方案，加快其在不同領域的應用，最明顯的是遺傳疾病和傳染病領域，在其他疾病和環境響應中也已獲得積極反饋。

中國精準醫療計劃將在2015下半年或明年啟動，在2030年前，中國精準醫療將投入600億元。今年2月，總書記批示科技部和國家衛生計生委，要求國家成立中國精準醫療戰略專家組，共19位專家組成了國家精準醫療戰略專家委員會。有了領導的重視，人力和經費的保障，相信我國在精準醫療領域必將大有作為。

如前所述，目前精準醫療的產品主要集中在腫瘤突變分子檢測的用藥指導方面，目前相關產品包括有關腫瘤基因突變、融合、表達等檢測項目。由于在多項腫瘤診療規范中都規定了使用靶向藥物等之前，必須要對相關基因突變情況進行檢測，因此該市場潛力巨大。

腫瘤領域的基因測序是精準醫療最重要的組成部分，其應用將覆蓋腫瘤的易感基因檢測，早期篩查，疾病確診，個性化用藥指導，隨診與療效評價等眾多治療環節。根據世衛組織（WHO）發表的《全球癌癥報告2014》，全球癌癥病例增長快速，從2012年的1400萬人到2025年的1900萬人和2035年的2400萬人，全球癌癥患者和死亡病例都在令人不安地增加，新增癌癥病例有近一半出現在亞洲，其中大部分在中國，中國新增癌癥病例高居第一位，腫瘤作為人類壽命的頭號威脅其發病率和消費剛性遠超產前篩查等市場。

基因測序技術是腫瘤個體化治療的必備，一是檢測腫瘤易感基因，利用DNA測序技術確認導致患者患病的基因或者受檢者是否攜帶有腫瘤易感基因，尋找患者適用的腫瘤靶向治療藥物或者其他適宜的治療手段。如果能在腫瘤早期階段發現，并干預治療，將極大地提高治愈率，顯著延長患者生存時間，無論是CTC，還是ctDNA，都是聚焦外周血腫瘤早期篩查，高通量測序是主要技術手段。二是檢測腫瘤靶向藥靶點，在分子靶向藥使用之前檢測病人是否攜帶藥物靶點，實現腫瘤的個體化治療，以提高用藥效率，達到最佳療效并減少治療費用。目前FDA已經批準了部分基因診斷腫瘤個體化治療方案，高通量測序技術未來在現有的腫瘤個體化治療基礎上，或將提供更為詳盡的治療與用藥方案,并能夠更為高效地發現和藥物作用機制有關的基因靶點，這些都具有重要的臨床意義。

精準醫療具有廣闊的前景，但就目前市場推廣而言，還有些不能忽視的要素，譬如監管部門的控制力度、醫療保險的覆蓋程度。以及醫生的接受程度等。

第五篇：醫療大數據及精準醫療

醫療大數據及精準醫療

謝邦昌

臺北醫學大學管理學院及大數據研究中心院長/主任

大數據的趨勢以及價值是現在最熱門的話題，也改變了許多企業經營的方式，對于各行各業來說是勢必是一個大挑戰，能否將大數據的力量從危機到轉機就要看現代經營者有沒有轉變傳統型態的思維？

首先什么是大數據？傳統數據一年的數據量大概為3TB左右，以現今數據來說一天的資料量為50TB，由這簡單的數據量差就可以得知傳統數據跟現今數據的差異多么龐大，也就是現在俗稱的大數據時代。數據龐大之下，不管是銀行業、傳統零售業、社會建設公共方面甚至是醫療保健產業對數據處理、分析方式以及經營企業的模式將會有所改變。

在過往的醫療診斷歷史，到醫院看病時必須耗費許多時間等待看診，而醫生看診又要再花費時間。當醫生要求病患拍攝X光片或檢驗時，又要再花額外許多時間診斷。而在現今醫療信息高度發展的臺灣，看診程序從網絡掛號、候診順序、診間病歷調閱、醫師醫令、處方開立、放射影像存取、檢查檢驗數據儲存等，無數的數據信息便在醫院中傳遞、交換、儲存。同時大多數的生理檢驗信息在你回診時得以從電子病歷中檢索，這些我們認為理所當然的信息處理，在臺灣我們只要花費少許的時間如一個早上便完成了，而這一切正是仰賴醫學信息分析與醫療大數據的交換處理。

醫學大數據的產生，主要歸功于醫療設備數字化及電子化病歷發展兩大領域的突破，透過儀器數字化，醫院得以獲得更多病人疾病與健康信息紀錄。而在病人醫療診斷方面，為了完善紀錄病患個人資料、診斷數據與過往醫療紀錄等，即促成了電子病歷系統發展。醫學大數據發展由過去紙張記錄、紙本信息數字化、醫學紀錄儲存到現今多信息整合，其數據量有著爆炸性的成長，不僅由過去個人社經信息、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，動態視訊影像信息，如核磁共振MRI以及電訊號信息，如心電圖等等，這些龐大醫學數據的匯集與高度整合技術能力，正是臺灣醫學信息領域發展領先的原因，同時更顯得醫學數據發展的多元應用及其重要性。

而由醫療健保產業來說，個人醫療信息終端的產生給醫療產業帶來革命性的變化，連結了傳統醫院、政府（社會保障）、保險公司、藥物生產公司等相關產業，形成新的行業生態圈。將互聯網＋醫療保健去建構一個智能的健康系統，在整個健康系統下會有智能的合作伙伴，包含醫院、醫生、診所、學術中心、保險公司、藥廠、醫療設備制造商、政府等相關人員等，接著產生出個人化的護理體系，其中包含個人健康、成本節約、提高效率、病人教育、增強通信、績效度量、預防等相關內容，使得人們有著更健康的社會。

經常聽到的醫療云、照護云以及健康云都是運用云端技術結合大數據去提供健康咨詢的服務。在網絡普及下，人手一臺智能型手機讓這些云更能夠去發揮，客戶只需要使用健康感知的終端，其中包含穿戴型裝置、愛睡寶、電視機以及相關的智能型測量裝置，就能夠讓親人、醫生以及相關的護理人員得知目前的身體狀態，不僅如此，還可以遠程監護以及遠程門診，一切都透過遠程醫療平臺讓人們有著安全、方便、快速及健康舒適的生活環境。

大數據在生技醫療衛生發展狀況及應用,大數據已深耕于經濟領域且創造了巨大的經濟價值

美國的大數據產業已經創造了巨大的價值，具體表現在:大數據使美國醫療服務質量得到提高。

對于醫療服務的提供方和支付方來說，在減少醫療成本的同時不斷提高醫療質量和效率仍然是一個難以實現的目標，而這也是改善民生的重大機遇。2010年，全美醫療支出占國內生產總值的17.9%，比2000年增長13.8%。而且，某些慢性疾病如糖尿病的患病率正在增加，正在消耗更多的醫療資源。

對這些疾病和其他相關健康服務的管理將深刻地影響國家的福祉。在這方面大數據可以發揮作用。為在廣大人群中取得最有效的醫療效果，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合，將提供挖掘信息的機會。研究人員可以利用信息尋找有效的統計趨勢，并依據真實的醫療服務質量開展醫療評估。

大數據在醫療及生技業之應用

醫療及生技業大數據應用的當前需求來自疫情和健康趨勢分析、電子病例、醫學研發、臨床試驗等領域。

疫情和健康分析趨勢

利用大數據進行疫情分析，說明這個地方可能處于某種疾病蔓延，實時掌握病情。

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，稱為H1N1。這種新菌株結合了禽流感和豬流感病毒，迅速蔓延。短短幾星期內，全球的公共衛生機構都憂心忡忡，擔心即將爆發流感大流行。有些人發出警訊，認為這次爆發可能與1918年的西班牙流感不相上下，當時感染人數達到五億人，最后奪走數千萬人的性命。雪上加霜的是，面對流感可能爆發，卻還沒有能派上用場的疫苗，公共衛生當局唯一能努力的，就是減緩其蔓延的速度。為了達到這項目的，必須先知道當前流行感染的范圍及程度。在美國，疾病管制局（CDC）要求醫生一碰到新流感病例，就必須立刻通報。即使如此，通報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，民眾覺得身體不舒服之后，通常還是會過個幾天才就醫，而層層通報回到疾管局也需要時間，更別提疾管局要每星期才整理一次通報來的數據。但是面對迅速蔓延的疫情，拖個兩星期簡直就像是拖了一個世紀，會在最關鍵的時刻，讓公共衛生當局完全無法掌握真實情況。

說巧不巧，就在H1N1躍上新聞頭條的幾星期前，網絡巨擘Google旗下的幾位工程師，在著名的《自然》科學期刊發表了一篇重要的論文，當時并未引起一般人的注意，只在衛生當局和計算機科學圈里引起討論。該篇論文解釋了Google能如何「預測」美國在冬天即將爆發流感，甚至還能精準定位到是哪些州。谷歌的秘訣，就是看看民眾在網絡上搜尋些什么。由于Google每天會接收到超過三十億筆的搜尋，而且會把它們全部儲存起來，那就會有大量的數據得以運用。

Google先挑出美國人最常使用的前五千萬個搜尋字眼，再與美國疾病管制局在2003年到2008年之間的流感傳播數據，加以比對。Google的想法，是想靠著民眾在網絡上搜尋什么關鍵詞，找出那些感染了流感的人。雖然也曾有人就網絡搜尋字眼做過類似的努力，但是從來沒人能像Google一樣掌握巨量數據（big data，直譯為大數據），并具備強大的處理能力和在統計上的專業技能。

雖然Google已經猜到，民眾的搜尋字眼可能與流感有關，像是「止咳退燒」，但相不相關其實不是真正的重點，他們設計的系統也不是從這個角度出發。Google這套系統真正做的，是要針對搜尋字眼的搜尋頻率，找出和流感傳播的時間、地區，有沒有統計上的相關性。他們總共用上了高達4億5千萬種不同的數學模型，測試各種搜尋字眼，再與疾管局在2007年與2008年的實際流感病例加以比較。這套軟件找出了一組共四十五個搜尋字眼，放進數學模型之后，預測結果會與官方公布的全美真實數據十分符合，有強烈的相關性。

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，而是幾近實時同步的掌握！因此，在2009年發生H1N1危機的時候，比起政府手中的數據（以及無可避免的通報延遲），Google系統能提供更有用、更及時的信息。公衛當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、也不用登門造訪各家醫院診所，而只是好好利用了巨量數據，也就是用全新的方式來使用信息，以取得實用且價值非凡的見解、商機或服務。有了Google這套系統，下次爆發流感的時候，全球就有了更佳的工具能夠加以預測、并防止疫情蔓延。

電子病例

將分散在醫院中的各個部門、各式各樣的病例集中在云端，醫生們可透過語意搜查找出任何病例中的相關訊息，進而為醫學診斷提供更加豐富的數據。可提供以病患為中心的個人化療程建議，或幫助對醫療問題及其患病率進行自動診斷。臺灣的醫療黑金：健保數據庫 Google臺灣董事總經理簡立峰曾表示：「我認為最有價值的寶藏，就是臺灣的全民健保數據庫。」，臺灣醫療產業貫穿上下游的數據，全在健保數據庫里面，而且幾乎所有人都要加入，全世界只有臺灣擁有如此完整的數據庫。美國麻省理工學院電機與計算機科學院教授約John Guttag也說，相較于美國，臺灣的健保是由政府買單，這讓醫療數據取得變得容易，「這是臺灣的機會，未來也很有機會從中獲利。」

累積15年來、2千3百萬人民的健保數據庫，正等待著識貨的伯樂來挖寶。臺中榮總醫生、陽明大學教授吳俊穎以親身經驗說明，過去醫學界只知道，幽門螺旋桿菌跟胃癌有關，但是卻沒有規模夠大、時間夠長的臨床實驗可以證實，他與研究團隊藉由探勘臺灣的健保數據庫，發現服藥根除幽門螺旋桿菌，可以降低胃癌的發生率。

這篇論文不只發表在腸胃科排名第一的雜志《腸胃病學》上，更震撼了日本醫學界。日本是全球胃癌罹患率最高的國家，當地醫生特別把這篇論文翻譯成日文，并且說服日本厚生省，對幽門螺旋桿菌感染患者全面給付殺菌療程，不僅影響醫師的臨床運作、政府決策，甚至有可能改變國際性醫療行為準則。

吳俊穎認為，臺灣的健保數據庫內容巨細靡遺，所有醫療項目都記錄得一清二楚，「它像是永不干涸的黑金，當數據越來越多串聯和使用，就會越來越有價值。」然而，吳俊穎也提到，健保數據庫有個缺點，就是缺乏診斷和檢測結果。麻省理工學院教授Peter Szolovits也曾舉例說明過，如果有一位病患發現關節腫起來，醫生跟他說這「疑似」是風濕性關節炎，因此記錄風濕性關節炎的費用，可能后來病人發現根本不是這個病，如果把這筆數據用在風濕性關節炎的醫療研究上，那就會變成糟糕的數據，影響研究結果。

「如果能夠把健保數據庫與醫院病歷的數據庫做結合，那它就會變成最完美的醫療數據庫！」吳俊穎提到，病歷數據包含檢測和治療的結果，不只對于臺灣醫療產業來說非常有價值，國內外的生技和醫藥大廠，也都會搶著要跟臺灣合作。想象一個情境，有天當你到南部度假，突然感到身體不適，就近到當地的診所就醫。第一次跟你見面的醫生，登入全臺灣共享的醫療數據庫，調出你在其他醫院的病歷數據，花幾分鐘就能對你的身體了如指掌，還能透過臨床決策輔助系統，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，透過大數據分析可以協助醫生在最短時間內，找出最適合的治療方式。

「很多人以為這樣的愿景，離現實生活非常遙遠，其實臺灣已經走在半路上了。」臺大醫院竹東分院院長王明巨如此說道。的確，臺灣醫療機構的病歷電子化程度很高，很有可能成為全球第一個全國醫院流通電子病歷的國家。醫學研發

運用實時監測及分析大量的儀器數據，建構預測模型，并利用統計工具改善臨床試驗設計，分析臨床試驗數據。發展個人化醫學及疾病發作模式等醫療研發。利用大數據解決多發性硬化癥的算法運算復雜度

位于水牛城的紐約州立大學(SUNY)是一個領先全球的多發性硬化癥(MS)研 究中心。MS是一種具破壞性的、面性的神經系統疾病，影養全球近百人。這種疾病會使人的大腦和骨隨發炎并產生神經病，導致患者可能出現行動不便、視力受損、疼痛等癥狀。

MS的病因是很復雜的，沒有一個單一基因是可能的致病源。因此自2007年以來，SUNY就一直希望透過掃描MS患者的基因組的變化來開發新的治療方式，透過從原本成千上萬的基因序列的變異SNP，SNP指的是單核桃多型性，來獲得單一樣品，研究基因產物和其他基因產物及環境因素進行的交互作用。

研究人員的想法是以多個SNP變異點結合不同的環境變因，并使用一種被稱之為「AMBIENCE」的算法，來檢測縣性和非線性兩種數據數據中的相關性，以識別這些交互作用之間的關系。但是這個想法就如同大海撈針，因為環境變因包括像是實驗對象曝曬太陽的時間長短、維生素D產生的量、吸煙的情況等皆有可能影響研究結果。況且人類的基因由23對染色體所組成，其中包含約30億個DNA堿基對，這些因變量和應變量數量多到嚇人，必須靠建構一套計算量高達1018的高等分析模型才能解決。

因此SUNY與IBM合作，建構一套搭配軟硬件的數據分析系統，以往平均需要27.2小時的工作，縮短到現在只要11.7分鐘即可完成。而且這套系統不僅大大簡化和加速了復雜的分析過程，還提供了不同類型的變量值，如：分類變量、分配卜瓦松變量或連續常態變量等。過去，只要研究中增加一個新的變量值，研究團隊就必須重新編寫整個算法，而現在只需按幾個鍵即可完成。

大數據系統分析的應用除了MS的研究以外，全球估計超過3300萬人感染，至今沒有方法可以完全治愈的艾滋病，以及罕見疾病等，都已開始利用大數據進行大型的醫學研究。

臨床實驗

臨床試驗藉由大數據而有了重大的改變，可利用臨床驗數據、儀器讀數等，進行比較效果研究、臨床決策支持系統、遠距病人監測及加強醫學數據透明度等方面。

擁有數據數據保護的早產兒

所謂的早產兒是指懷孕不到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，很可能會因為免疫系統尚未發育完全而受到感染，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，加拿大多倫多市立兒童醫院里的早產兒，卻可以睡得特別安詳，因為他們是有數據數據保護的「data baby」。隨著醫療設備的發展，利用醫療監測儀器監測病患的生命征象，如血壓、心跳和體溫等，已經是非常普遍的事了。通常這些儀器還具有警報功能，一旦生理的數據數值超出正常范圍時就會發出警示，醫療人員就會采取因應行動。但是即使醫術再精湛、經驗再豐富的醫護人員，可能也無法準確地察覺這些異常的發生時間和嚴重性，尤其當發生在脆弱的早產兒生身上。根據美國弗吉尼亞大學追蹤以往的數據顯示，新生兒受到感染初期的12到24小時，因為脈搏和心跳幾乎都可在接受的范圍內，因此醫護人員很難從生命征象數據的改變中察覺，等到警示燈響起，常常為時已晚。

連續監測和記錄這些生理性數據，可以觀察出新生兒是否遭受感染的早期征兆，但數據量實在太過龐大了。估計這些監測設備每一秒鐘就會產生1000個讀數。以往是30到60分鐘由醫護人員歸納出一個數據做為紀錄，然后儲存72小時。如果要把這些讀數統統記錄起來，根本是不可能的事。

但這項不可能的任務，并沒有嚇跑安大略省理工學院和IBM。他們使用來自懷生研究中心的最新技術，利用江河運算平臺支持大量數據的收集和分析，一天24小時不間斷地收集和記錄著包括早產兒的體溫、心跳、血氧飽和濃度和血壓等電子監測儀器產生的大量數據，以及周遭環境如溫度、濕度等相關數據。在保護病人的隱私安全考慮下，這些數據會直接傳到安大略省理工學院研究中心和IBM華生研究中心；系統會分析和研究哪些因素的交互作用會造成感染，甚至哪幾床的新生兒因為符合條件較多，可能出現疾病或感染的風險較大。之后，系統再將分析結果提供給醫護人員比較判讀。這些動作都在數秒內完成。藉由這項計劃，兒童病房里的醫護人員已經可以提前18到24小時，預防新生兒敗血癥的發生。

由于大數據在規模（Volume）、增加速度（Velocity），以及價值性（Value）上正呈現幾何上升，而其數據所表現的多樣性變化（Variety）與數據的有效性（Validation），更容易成為企業的風險源頭。面對排山倒海而來的大數據，企業需運用大數據，迅速將數據轉化成商業智能，運用分析信息，提升市場的洞察能力，做出更準確的營運決策。例如：電信業者可以分析手機在基地臺漫游的特性，提供更好的在地費率；信用卡業者可以每天定期分析各種信用貸款所產生的風險，動態調整信貸利率；便利超商可以分析消費者的購買習慣，動態調整架上存貨數量等；制造業者可透過現場制造系統所記錄的大量在線實時生產數據進行分析，以協助制造業改善制程、提升良率，并減少物料浪費。因此大數據將是企業未來所面臨的關鍵挑戰。鑒于目前信息以超乎想象的速度產生、累積、消逝，而企業所面臨的商機亦有相同的循環表現。透過海量信息的實時性分析與運用，將可對不同信息的需求者，產生不一樣的價值與意義。若能持續在既有的數據中發掘價值，同時考慮動態信息所帶動的巨大沖擊，并藉此掌握瞬息萬變的市場契機，則大數據的分析與應用，將有助于各類型企業在相關營運領域中，引領下一階段的企業永續發展。基于以上的發展潮流與態勢，麥肯錫（Mckinsey）管理顧問公司于2010年已指出未來引領企業發展趨勢的十大科技，其中即包含了大數據的獲取與分析、云端運算服務的公共價值，以及企業多層面的參與互動及服務。在這些技術與行動通訊網絡的整合應用下，企業未來所產生的數據量將呈現倍數成長，并導致過去傳統的儲存技術即將遇到瓶頸，因此，虛擬化的云端運算分析技術，以及大數據的管理，將成為各方面所即將面臨處理的新課題。從目前的技術發展 來看，未來各項實體化設施，將可能在未來藉由虛擬化的技術，得以降低各項成本的支出，然而云端運算與大數據的應用，絕非僅為建置一個大型數據中心即可，對于后續所產生大量數據下的數量管控、數據的質量與分析結果，以及這些數據所衍生之相關應用與服務，才是現階段所應關心的重點。計算設施(Computer)網絡設施(Network)儲存設施(Storage)數據數量管控數據應用服務數據質量分析虛擬化(Virtualization)為了結合技術、數據，以及應用分析與服務等三項議題的探討，本演講大數據主要闡述BIG DATA 在生技醫療衛生上之應用與研究;拋磚引玉系望能激起大家投入醫療大數據的研究!