近年来，大数据越来越多地被提到，它用於描述和定义资讯爆炸时代产生的大量数据，并命名与之相关的技术发展与创新。而大数据的应用也在不断证明他的优势，带给我们众多的帮助。在电子商务、O2O、物流等领域，大数据帮助企业创新运营模式。而在传统的经济、政治等领域，大数据成为备受推崇的决策工具。\刘 斌、汪 漪、李 清、齐竹云

　　不仅如此，大数据的“承诺”也正在医疗行业变成现实，例如：通过可穿戴设备、基因检测等技术获取的数据，可以预测癌症、白血病等重大疾病，亦可为用户提供有效的健康管理方案。借助於线上谘询、远程医疗和其他技术连接各级医院，可以优化医疗资源的分配，有助实现分级诊断和治疗。藉由基因测序和图像识别等技术进行数据挖掘，可以缩短临床验证周期，提高新藥研发的效率。读者可能会好奇这背后的奥秘，大数据何以有如此神奇的魔力，本文将带大家发现大数据时代的智慧医疗是怎麼改变我们的生活的，揭开它的神秘面纱。

　　医学大数据的来源

　　在早期，大多数医疗数据是纸质形式，而不是电子数据存储。如官方医疗记录，费用记录，护士医生手写的案例记录，藥方记录，X光胶片记录，磁共振成像（MRI）记录，CT图像记录等。随着强大的数据存储，计算平台和移动互联网的发展，医疗数据经历了爆炸性的增长和快速的电子数位化。现时医学大数据主要来自四个方面：患者医疗过程，临床医学研究，製藥企业和生命科学家的研究，可穿戴设备。

❶患者就医过程产生的数据：所有数据均来自患者，包括患者生命体征，住院数据；医生对患者的谘询数据；医生的临床诊断和治疗、藥物、手术等数据。

❷临床医疗研究和实验室数据：主要是临床试验中产生的数据，也包含患者生成的数据，没有严格的边界区分。

❸製藥企业和生命科学家研究产生的数据：主要是实验产生的与藥物有关的数据，包括藥物用量、给藥时间、用藥成分、有关受试者反应时间等，也包含与生命和其他基因组学相关的其他数据的信息。

❹可穿戴设备记录的健康数据：主要是指通过各种佩戴装置（手环，心脏起搏器，眼镜等）收集人体的各种体征数据，比如：心率、血压等。

 可以预见，一旦实现数据集成和分析，医学大数据将在提高医疗品质，加强患者安全，降低风险和降低医疗成本方面发挥无与伦比的作用。

　　医学大数据的特点

　　医疗数据也是一种数据，具有一般的大数据特征，包括规模大、类型多样、增长迅速、价值密度低等，但其作为医疗领域产生的数据也有其自身的特点：多态性，冗余性，及时性，隐私性。

　　多态性：医疗数据既包含化验分析、医疗图像这样的结构化数据，也会有医生对患者病情分析，描述患者的症状，对数据结果的判断这样的非结构化数据。数据形式多样複杂，难以一概而论，大大增加了处理难度；

　　冗余性：医疗数据量巨大，每天产生大量额外数据，给数据筛选分析带来困难；

　　时间性：大多医疗数据都是具有时间性，比如同一个患者，他的病情不断随着时间变化，每天的数据都具有唯一性；

　　隐私性：医疗数据涉及病人的个人隐私，传播医疗数据存在法律风险，这也是大部分医疗数据不愿对外开放的重要原因，甚至许多医院临床数据系统使用的是相对独立的局域网。

　　医学大数据的应用

大数据在医疗领域正在产生越来越大的应用价值，在技术层面：通过对大数据的分析和挖掘以及大量的即时监控，可以有效支持医疗卫生管理系统的建设，综合资讯平台和资讯升级；在业务层面：大数据可以为医生提供临床助理决策和科研支持，为居民提供健康监测支持，并为藥物研发提供患者行为分析的统计。随着医学大数据的发展以及分析方法和人工智慧的不断创新，越来越多的场景可以準确地利用医学大数据进行分析和预测。人们寻求医疗保健的方式发生了重大变化，也为医疗领域带来了新的发展机遇。以下是大数据在医学领域的一些常见应用。

　　医疗系统和资讯平台

通过建立海量医疗资料库，网络资讯共享、即时数据监控等方式，为国家卫生综合管理资讯平台、电子健康档案资源图书馆、卫生监督资讯系统和医院管理平台提供基本数据来源，并提供存储、更新、挖掘分析和数据源管理等功能。通过这些系统和平台，医疗机构可以实现对等检查结果的相互认可，节省医疗资源，减轻患者负担；患者可以在不同地点进行线上预约和访问。同时，随着电子健康档案系统，电子处方软体和公共健康报告等相关应用的推广，对大量医疗数据的分析促进了医疗效果和公共卫生管理的进步，帮助政府监督医疗业务流程，收费管理和预测当地医疗标準等。

　　临床辅助决策

　　在传统的医疗诊断中，医生仅可依靠目标患者的资讯以及自己的经验和知识储备，过程繁琐，容易忽视其中很多微小的病症资讯，增加了精确诊断的困难。而大数据技术则可以将患者的影像数据，病历数据、检验检查结果、诊疗费用等各种数据录入大数据系统，通过机器学习和数据挖掘的方法，医生即可获得类似症状患者的疾病机理、病因以及治疗方案。通过对大数据研究分析所制定的临床决策系统能够根据医疗知识和临床数据对病例进行分析，由於系统中拥有全国乃至全世界的相关数据，因此也能为医生提出规範的临床诊断以及提出个性化的治疗方案，医生在此基础上再进一步根据以往经验对患者进行治疗，筛选最优的治疗方案，做到精準治疗。

　　2018年6月，腾讯公司发布的“腾讯觅影”乳腺肿瘤筛查AI系统，是大数据应用於医疗诊断领域的範例。该系统将大量影像数据输入神经网络模型进行学习，获得了医生肉眼难以发现的乳腺癌特征。当再次输入病人数据时，系统可以自动识别并定位可疑病灶，标出肿块灶和钙化灶位置，帮助医生快速找到疑点，同时进一步判别肿瘤的良恶性风险程度，并自动生成乳腺影像报告和数据系统分级报告。该系统的推出，将有助临床医生更準确地发现乳腺肿瘤，提升基层医院对早期乳腺癌的诊断水準。

　　健康监测

随着技术的快速发展和各种医疗设备的不断更新，许多智能可穿戴设备使我们无需去医院就能了解我们的健康状况，对自己及家人的健康进行管理。通过这些设备可以建立个人健康管理系统，能即时收集、存储和分析用户的诸如心跳、呼吸、体温等多种健康数据，用户可以根据身体各种指标的变化判断一段时间内身体的健康状况，并有助於在早期识别和解决用户的健康问题。医生可以通过医院系统调出患者的日常数据，以帮助判断，并且可以更準确地治疗患者。

　　大数据技术还可以为居民创建健康纪录，包括所有医疗资讯和医疗资讯，可以为病人提供更有针对性的治疗。对於健康的居民，大数据技术整合相关资讯，并通过挖掘数据智能监控居民的健康状况，并通过移动设备定位数据分析居民健康的影响因素，为居民提供个性化的卫生事务管理服务。

　　医藥研发

大数据时代，患者的用藥资讯及诊疗结果均可以随时在网上获取，医疗卫生机构可以通过观察患者的用藥情况、身体指标转变、症状特点等找到针对仅有微小差异的各个病种的最合适藥物，从而能够调整和优化、运用最合适的藥物和治疗方案对患者进行治疗。

　　在医藥研发方面，医藥公司能够通过对上述大数据的处理，然后根据不同藥品的需求情况和治疗效果制定新的研发方案，确定更为有效率的投入产出比，合理配置有限研发资源。此外，医藥公司能够通过大数据技术优化物流资讯平台及管理，使用数据分析预测提早将新藥推向市场。

　　在医藥副作用研究方面，大数据技术可以避免临床试验法、藥物副作用报告分析法等传统方法存在的样本数小、採样分布有限等问题，从千百万患者的数据中挖掘到与某种藥物相关的不良反应，样本数大，採样分布广，所获得结果更具有说服力。此外，还可以从社交网络中搜索到大量人群服用某种藥物的不良反应纪录，通过比对分析和数据挖掘方法，更科学、更全面地获得藥物副作用的影响。

　　疾病预防

有了大数据的分析，“看医生”模式正在转变为“被医生看着”——你的可穿戴设备能够做到二十四小时给你“做体检”，这种数据模式成本低，效率却很高，几乎所有人都可以用。在医疗产业发达的美国，医疗创业领域冒出了许多基於大数据，做疾病预防方面的高科技产品——美国人Anmol Madan和团队创立了一个公司，专注研究通过手机的数据分析，预测机主的疾病。

　　他们对实验参与者手机超过三十二万小时的数据进行收集分析后，最终能够对人们的手机建模，来预测感冒、精神疾病等等。比如，当人抑鬱时，通常就能够在与人交流中被看出变化，日常数据分析就能够捕捉这些变化。在测试中，这个应用能够正确判断60%至90%人们日常的生理症状和普通呼吸情况，同时把这些变化发通知给机主本人，未来还能发送给朋友或家人。